statable Statistika pro studium a výzkum

Bayesův faktor (BF₁₀) jako doplněk

Stručně

Bayesův faktor BF₁₀ porovnává, jak dobře dva předpoklady předpovídají data: H₁ (existuje rozdíl, změna, vztah) proti H₀ (neexistuje). BF₁₀ = 8 znamená: data jsou za H₁ zhruba 8krát pravděpodobnější než za H₀. Na rozdíl od hodnoty p dokáže vyjádřit i důkaz (evidence) pro H₀.

Kde se zobrazuje

Ve výchozím stavu nikde. V části „Nastavení“ → „Zobrazit Bayesovy faktory“ se pod výsledkem t-testu (dvě skupiny), porovnání před-po a Pearsonovy korelace objeví sbalený řádek „Bayesův faktor“. Řádek APA pak obsahuje „BF₁₀ = …“. Pro Spearmana a Kendalla Bayesův faktor neexistuje. Welchův výsledek a všechna ostatní čísla zůstávají beze změny.

Jak to číst

Bayesův faktor závisí na apriorním rozdělení, tedy na tom, jaké velikosti účinku H₁ považuje za věrohodné. Výchozí nastavení (viz níže) je široce používané; kdo potřebuje jiné apriorní rozdělení, musí ho nastavit v JASP nebo v R. Nenahrazuje velikost účinku ani interval spolehlivosti.

t(38) = 2,51, p = ,016, d = 0,79, 95% CI [0,15; 1,42], BF₁₀ = 3,4

Pro odborníky

t-test: JZS Bayesův faktor podle Rouedera a kol. (2009), oboustranný; Cauchyho apriorní rozdělení na velikosti účinku δ se škálou r = √2/2 (výchozí v JASP a BayesFactor, „střední“). U dvou skupin používá Studentův t (shodné rozptyly), ne Welchův. Integrál přes směšovací proměnnou g se řeší numericky (Gaussova-Legendrova kvadratura přes ln g). Korelace: Ly, Verhagen a Wagenmakers (2016), natažené beta apriorní rozdělení na ρ s κ = 1 (rovnoměrné, jako v JASP), přesná hustota r pomocí ₂F₁. Balíček R BayesFactor (correlationBF) používá ve výchozím nastavení užší apriorní rozdělení (rscale = 1/3); s rscale = 1 se shoduje. Ověřeno proti R: scripts/bayes-erwartet.R.

Související

Otevřít ve Statable