Bayes-Faktor (BF₁₀)

Der Bayes-Faktor vergleicht, wie gut zwei Annahmen die Daten vorhersagen: H₁ (es gibt einen Unterschied) gegen H₀ (es gibt keinen). BF₁₀ = 8 heißt: Die Daten sind etwa 8-mal wahrscheinlicher unter H₁ als unter H₀. Er kann, anders als der p-Wert, auch für H₀ sprechen (BF₀₁ = 1/BF₁₀).

Beispiel: BF₁₀ = 8,4: moderate Evidenz für einen Unterschied zwischen den Gruppen. BF₀₁ = 4,8: Die Daten sind unter H₀ (kein Unterschied) etwa 5-mal wahrscheinlicher als unter H₁ - moderate Evidenz gegen einen Unterschied.

Vorsicht: Der Bayes-Faktor hängt vom Prior ab (hier: Cauchy mit r = √2/2 wie in JASP) und ist keine Wahrscheinlichkeit für H₁. Ein Wert nahe 1 heißt „keine Seite belegt“, nicht „kein Effekt“. Die Einordnung (anekdotisch bis extrem) nach Lee und Wagenmakers (2013) ist eine Faustregel.