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。
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。