Fator de Bayes (BF₁₀) como complemento
Em resumo
O fator de Bayes BF₁₀ compara até que ponto duas hipóteses preveem os dados: H₁ (há uma diferença, uma mudança, uma relação) contra H₀ (não há). BF₁₀ = 8 significa: os dados são cerca de 8 vezes mais prováveis sob H₁ do que sob H₀. Ao contrário do valor p, pode também exprimir evidência a favor de H₀.
Onde aparece
Por defeito, em lado nenhum. Em «Definições» → «Mostrar fatores de Bayes», aparece uma linha recolhida «Fator de Bayes» abaixo do resultado do teste t (dois grupos), da comparação antes/depois e da correlação de Pearson. A linha APA passa então a ter «BF₁₀ = …». Não há fator de Bayes para Spearman e Kendall. O resultado de Welch e todos os outros números permanecem inalterados.
Ler o resultado
- A partir de BF₁₀ > 1, favorece H₁; abaixo de 1, H₀ - nesse caso aparece o inverso BF₀₁ (BF₀₁ = 5 significa: os dados são cerca de 5 vezes mais prováveis sob H₀ do que sob H₁).
- Classificação segundo Lee e Wagenmakers (2013): 1-3 anedótica, 3-10 moderada, 10-30 forte, 30-100 muito forte, acima de 100 extrema. São regras práticas, não limiares rígidos.
- Um BF₁₀ próximo de 1 significa que os dados não favorecem nenhum dos lados. Isso é diferente de «sem efeito».
O fator de Bayes depende da distribuição a priori, isto é, dos tamanhos do efeito que H₁ considera plausíveis. A predefinição (ver abaixo) é amplamente usada; quem precisar de outra distribuição a priori tem de a definir no JASP ou no R. Não substitui nem o tamanho do efeito nem o intervalo de confiança.
t(38) = 2,51, p = ,016, d = 0,79, IC a 95% [0,15; 1,42], BF₁₀ = 3,4
Para especialistas
Teste t: fator de Bayes JZS segundo Rouder et al. (2009), bilateral; distribuição a priori de Cauchy sobre o tamanho do efeito δ com escala r = √2/2 (predefinição no JASP e no BayesFactor, «médio»). Para dois grupos usa o t de Student (variâncias iguais), não o de Welch. O integral sobre a variável de mistura g é resolvido numericamente (Gauss-Legendre sobre ln g). Correlação: Ly, Verhagen e Wagenmakers (2016), distribuição a priori beta alargada sobre ρ com κ = 1 (uniforme, como no JASP), densidade exata de r com ₂F₁. O pacote BayesFactor do R (correlationBF) usa por predefinição uma distribuição a priori mais estreita (rscale = 1/3); com rscale = 1 coincide. Verificado com o R: scripts/bayes-erwartet.R.