Bayes Doğrulayıcı Araştırma — Bayes Faktörü ile Hipotez Testi
Bayesian Confirmatory Research Design · Ayrıca şöyle bilinir: Bayesian hypothesis testing, confirmatory Bayesian analysis, Bayes factor hypothesis testing, BCR
Bayes doğrulayıcı araştırma, önceden belirlenmiş hipotezleri, bir hipotezin diğerine göre ne kadar daha olası olduğunu ifade eden bir oran olan Bayes faktörünü hesaplayarak test eden nicel bir çerçevedir. Klasik sıfır hipotezi anlamlılık testinin (NHST) aksine, hem alternatif hem de sıfır hipotezi için doğrudan kanıt sağlar, belirli koşullar altında isteğe bağlı durdurma kurallarını destekler ve Bayes teoremi aracılığıyla önsel inançları gözlemlenen verilerle günceller.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bayes doğrulayıcı araştırma, önceden belirlenmiş yönlü veya nokta hipotezini test etme amacı olduğunda ve sıfır hipotezi için kanıtın ona karşı kanıt kadar bilgilendirici olduğu durumlarda uygundur — örneğin, bir etkinin ihmal edilebilir olduğunu doğrularken veya önceki bir bulguyu tekrarlarken. Örneklem büyüklüklerinin orta ila büyük olduğu ve etki büyüklüğü hakkında makul önsel bilgilerin mevcut olduğu deneysel, yarı-deneysel ve anket tasarımlarına uyar. Özellikle tekrarlama çalışmalarında, önceden kaydedilmiş klinik çalışmalarda ve kümülatif bilim programlarında değerlidir. Savunulabilir bir önselin belirlenemediği (saf keşif), istatistiksel modelin çözülebilir Bayes faktörü hesaplaması için çok karmaşık olduğu veya paydaşların bir Neyman-Pearson karar çerçevesi altında kesin Tip I hata kontrolü gerektirdiği durumlarda bundan kaçınılmalıdır.
Güçlü yönler & sınırlılıklar
- p-değerlerinin aksine, H0'ı destekleyemeyen p-değerlerinin aksine, hem alternatif hem de sıfır hipotezi için doğrudan, yorumlanabilir kanıt sağlar.
- Bayes faktörleri, hata oranlarını şişirmeden ilkeli sıralı test ve erken durdurmaya olanak tanıyarak sürekli olarak birikir.
- Hipotezlerin ve önsel değerlerin önceden kaydedilmesi, doğrulayıcı iddiayı şeffaf ve tekrarlanabilir hale getirir.
- Etki büyüklüğü sonsal dağılımları, sadece ikili reddetme/tutma kararlarından değil, etkinin büyüklüğü hakkındaki belirsizliği de iletir.
- Meta-analizlerden veya teoriden gelen önsel bilgiyi doğal olarak entegre eder, kümülatif bilimi açık hale getirir.
- Bayes faktörü önselin seçimine duyarlıdır: kötü belirlenmiş veya aşırı yaygın önsel değerler, özellikle küçük örneklemlerde yanıltıcı kanıtlara yol açabilir.
- Karmaşık modeller (örneğin, çok düzeyli, yapısal denklem) için Bayes faktörlerinin hesaplanması özel sayısal yöntemler gerektirir ve henüz rutin değildir.
- Doğrulayıcı geçerlilik tamamen önceden kayda dayanır; post-hoc Bayes analizi, etiketlenmesinden bağımsız olarak keşifseldir, doğrulayıcı değildir.
- Bayes faktörlerini yorumlamak ve raporlamak, yalnızca NHST konusunda eğitilmiş birçok hakem ve editör için hala yabancıdır, bu da hakemli incelemeyi karmaşıklaştırabilir.
SSS
Bayes doğrulayıcı araştırma ile Bayes keşif analizi arasındaki fark nedir?
Doğrulayıcı Bayes araştırması, hipotezlerin, önsel değerlerin ve analiz planının veri toplama öncesinde önceden kaydedilmesini gerektirir. Elde edilen Bayes faktörü, önceden belirlenmiş bir iddia için doğrulayıcı bir testtir. Bayes keşif analizi, planlanmamış veya veriye dayalı sorulara Bayes yöntemleri uygular; hesaplamalar geçerlidir, ancak epistemik statüsü keşifseldir — bulgular doğrulanmış olarak kabul edilmeden önce bağımsız tekrarlama gerektirir.
Bayes doğrulayıcı araştırma NHST'yi tamamen değiştirebilir mi?
Birçok doğrulayıcı uygulama için Bayes faktörleri, p-değerlerinden daha bilgilendirici kanıtlar sağlar. Ancak, sıkı alfa kontrolüne sahip NHST, Tip I hatanın resmi bir güvence ile sınırlandırılması gereken düzenleyici bağlamlarda (örneğin, FDA ilaç onayı) uygun kalır. İki çerçeve ince farklı soruları yanıtlar ve bazı araştırmacılar bunları tamamlayıcı bir raporlama stili olarak kullanır.
Önsel dağılımı nasıl seçerim?
Başlangıç noktası, bilgilendirilmiş önsel bilginin olup olmadığıdır. Yakın zamanda yapılmış bir meta-analiz, etki büyüklüğü dağılımının güvenilir bir tahminini sağlıyorsa, bilgilendirilmiş bir önsel oluşturmak için onu kullanın. Değilse, varsayılan Cauchy önseli (orta etkiler için r = 0.707 ölçeği) iki grup karşılaştırmaları için iyi savunulmuş genel bir seçimdir. BF'nin olası önsel ölçekler aralığında nasıl değiştiğini gösteren bir hassasiyet analizi her zaman raporlayın.
Hangi yazılımı kullanabilirim?
JASP (jasp-stats.org), yaygın tasarımlar (t-testleri, ANOVA, regresyon, olasılık tabloları) için Bayes faktörleri sunan ücretsiz, tıklanabilir bir arayüz sunar. R'deki BayesFactor paketi, betik esnekliği ile aynı hesaplamaları sağlar. Özel veya hiyerarşik modeller için Stan (mc-stan.org), köprü örnekleme (bridgesampling R paketi aracılığıyla) ile marjinal olasılıkları ve dolayısıyla Bayes faktörlerini hesaplar.
Ne kadar örneklem büyüklüğüne ihtiyacım var?
Bayes tasarım analizi (Schoenbrodt & Wagenmakers, 2018), klasik güç analizinin yerini alır: olası etki büyüklükleri aralığında çalışmaları simüle eder ve hedeflenen bir BF'yi (örneğin, %90 olasılıkla BF > 10) elde etmek için gereken örneklem büyüklüğünü (veya sıralı tasarımlar için maksimum N) belirlersiniz. R'deki BayesFactor paketi ve JASP bu hesaplama için araçlar içerir.
Kaynaklar
- Rouder, J. N., Speckman, P. L., Sun, D., Morey, R. D., & Iverson, G. (2009). Bayesian t tests for accepting and rejecting the null hypothesis. Psychonomic Bulletin & Review, 16(2), 225–237. DOI: 10.3758/PBR.16.2.225 ↗
- Wagenmakers, E.-J., Marsman, M., Jamil, T., Ly, A., Verhagen, A. J., Love, J., Selker, R., Gronau, Q. F., Smira, M., Epskamp, S., Matzke, D., Rouder, J. N., & Morey, R. D. (2018). Bayesian inference for psychology. Part I: Theoretical advantages and practical ramifications. Psychonomic Bulletin & Review, 25(1), 35–57. DOI: 10.3758/s13423-017-1343-3 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Confirmatory Research Design. ScholarGate. https://scholargate.app/tr/research-design/bayesian-confirmatory-research
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Güç Analiziİstatistik↔ karşılaştır