statable Statistik för studier och forskning

Bayesfaktor (BF₁₀) som tillägg

Kort sagt

Bayesfaktorn BF₁₀ jämför hur väl två antaganden förutsäger data: H₁ (det finns en skillnad, en förändring, ett samband) mot H₀ (det finns inget). BF₁₀ = 8 betyder: data är ungefär 8 gånger mer sannolika under H₁ än under H₀. Till skillnad från p-värdet kan den också uttrycka evidens för H₀.

Var det visas

Som standard ingenstans. Under ”Inställningar” → ”Visa Bayesfaktorer” visas en hopfälld rad ”Bayesfaktor” under resultatet för t-testet (två grupper), före-efter-jämförelsen och Pearsons korrelation. APA-raden får då ”BF₁₀ = …”. Det finns ingen Bayesfaktor för Spearman och Kendall. Welch-resultatet och alla andra tal förblir oförändrade.

Läsa det

Bayesfaktorn beror på priorn, det vill säga på vilka effektstorlekar H₁ anser rimliga. Standardvalet (se nedan) är allmänt använt; den som behöver en annan prior måste ställa in den i JASP eller R. Den ersätter varken effektstorleken eller konfidensintervallet.

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

För specialister

t-test: JZS-Bayesfaktor enligt Rouder m.fl. (2009), tvåsidig; Cauchy-prior på effektstorleken δ med skala r = √2/2 (standard i JASP och BayesFactor, ”medium”). För två grupper används Students t (lika varianser), inte Welch. Integralen över blandningsvariabeln g löses numeriskt (Gauss-Legendre över ln g). Korrelation: Ly, Verhagen och Wagenmakers (2016), utsträckt beta-prior på ρ med κ = 1 (likformig, som i JASP), exakt täthet för r med ₂F₁. R-paketet BayesFactor (correlationBF) använder som standard en smalare prior (rscale = 1/3); med rscale = 1 stämmer det överens. Kontrollerat mot R: scripts/bayes-erwartet.R.

Relaterat

Öppna i Statable