在R中的BayesFactor软件包中调整先验

时间:2018-09-25 06:58:17

标签: r bayesian t-test

我有一些试验数据,我应该能够利用它们在更新的数据集上进行贝叶斯t检验来调整先验值。

我一直通过R中的BayesFactor软件包使用默认设置进行贝叶斯t检验。有人能阐明我如何精确地调整此类测试的先验条件吗?

此外,我需要从试点数据中做到这一点吗?我怀疑效果大小?

以下是使用默认设置进行贝叶斯t检验的示例:

ttestBF(x = df1$Value, df2$Value, paired = TRUE)

感谢您的时间。

1 个答案:

答案 0 :(得分:0)

有关参考,请参见Rouder et al. 2009。 R中的BayesFactor程序包先使用了JZS。请参阅ttestBF函数文档中的说明:

  

非信息性的Jeffreys先验被置于正常群体的方差上,而柯西的先验被置于标准化效应量上。 rscale参数控制先验分布的规模,其中rscale = 1产生标准柯西先验。有关更多详细信息,请参见下面的参考。

     

对于rscale参数,可以识别几个命名值:“中”,“宽”和“超宽”。它们分别对应于sqrt(2)/ 2、1和sqrt(2)的r标度值。

然后在论文中说:

  

对于JZS和定标信息先验,如r    增加时,贝叶斯因子会增加对null的支持。

基本上,这意味着,如果您希望效果尺寸很小,则应降低r参数。

关于第二个问题: 您应该能够将您的引导数据用作预期效果大小的估计,并相应地调整先验值。 请注意,您不应就观察到的数据(即新数据)调整先验。
此外,关于BayesFactor程序包,我将假定默认优先级应该能够很好地处理大多数数据(至少是从心理学角度出发)。请参阅帮助功能中提供的其他参考。

我希望这会有所帮助:),不幸的是,我无法告诉您是否或如何为您的效果量计算最佳比例,因为对于非常大的样本量,还需要在效果量和BF之间进行权衡。