Bayesçi Çapraz Tablolama Analizi
Bayesian Contingency Table Analysis · Ayrıca şöyle bilinir: Bayesian chi-square test, Bayesian contingency table test, Bayes factor association test, Bayesian crosstab analysis
Bayesçi çapraz tablolama analizi, bir bağımsızlık modeline karşı bir ilişki modeli lehine kanıtı nicelleştiren bir Bayes faktörü hesaplayarak iki kategorik değişkenin ilişkili olup olmadığını test eder. Klasik ki-kare testinden farklı olarak, sürekli bir kanıt ölçüsü sağlar, sıfır hipotezini doğrudan destekler ve hücre olasılıkları hakkındaki önsel bilgiyle doğal olarak güncellenir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İki veya daha fazla kategorik değişkeni bir olumsallık tablosunda düzenlediğinizde ve bunların ilişkisi lehine veya aleyhine kanıtı nicelleştirmek istediğinizde Bayesçi çapraz tablolama kullanın. Özellikle bağımsızlık sıfır hipotezini desteklemeniz gerektiğinde (klasik testlerin yapamadığı), örneklem boyutları küçük olduğunda veya önsel bilgiyi dahil etmek istediğinizde değerlidir. Birincil hedef kitleniz düzenleyici veya editoryal nedenlerle klasik p-değerleri gerektirdiğinde ve Bayesçi alternatifler olmadığında kullanmayın. Sıralı veya regresyon modellerinin daha uygun olduğu sürekli veya sıralı sonuçlar için uygun değildir.
Güçlü yönler & sınırlılıklar
- Sadece aleyhine değil, sıfır hipotezi (bağımsızlık) lehine kanıt sağlar.
- Bayes faktörü, ikili bir ret/başarısızlık kararından ziyade, sürekli, kalibre edilmiş bir kanıt ölçeğidir.
- Gunel–Dickey Dirichlet-multinomial modeli altında analitik olarak çözülebilir — standart tablolar için simülasyon gerekmez.
- Yeni veriler geldikçe sıralı güncellemeyi doğal olarak barındırır.
- Önemsiz derecede küçük etkileri anlamlı sonuçlara dönüştüren büyük örneklem boyutlarına daha az duyarlıdır.
- Önsel seçimi (konsantrasyon hiperparametresi), özellikle seyrek tablolarla Bayes faktörlerini etkileyebilir.
- Bayes faktörü eşiklerinin yorumu (örneğin, Jeffreys ölçeği) gelenekseldir, mutlak değildir.
- Birçok uygulamalı alanda, klasik p-değerlerinin standart olmaya devam ettiği yerlerde, hakemler ve editörler için daha az tanıdıktır.
- Yüksek boyutlu tablolar veya standart dışı örnekleme tasarımları için hesaplama açısından daha karmaşıktır.
SSS
Bayesçi çapraz tablolama klasik ki-kare testinden nasıl farklıdır?
Ki-kare testi bir p-değeri hesaplar — bağımsızlık doğru olsaydı verilerin en az bu kadar aşırı olma olasılığı — ve p < 0.05 ise H0'ı reddeder. Bayesçi çapraz tablolama, ilişki modeli altındaki verilerin olasılığını bağımsızlık modeli altındaki olasılığıyla doğrudan karşılaştıran bir Bayes faktörü hesaplar. Bu, sadece aleyhine değil, bağımsızlığın kendisi lehine kanıtı nicelleştirmenizi sağlar.
Bayes faktörü 5 ne anlama geliyor?
BF10 = 5, verilerin ilişki modeli altında bağımsızlık modeline göre beş kat daha olası olduğu anlamına gelir. Jeffreys'in geleneksel ölçeğine göre, 3 ile 10 arasındaki değerler ilişki için orta düzeyde kanıttır. Karşılıklı BF01 = 0.2, bağımsızlık için orta düzeyde kanıtı gösterir.
Hangi önseli kullanmalıyım?
Konsantrasyon parametresi alfa = 1 olan varsayılan Gunel–Dickey önseli, çoğu uygulamalı analiz için önerilir. Simpleks üzerinde tekdüzedir, sübjektif girdi gerektirmez ve JASP'de varsayılandır. Beklenen hücre oranları hakkında gerçek önsel bilginiz varsa, bir dizi alfa değeri üzerinde bir duyarlılık analizi yapılması tavsiye edilir.
Bunu 2x2'den büyük tablolar için kullanabilir miyim?
Evet. Gunel–Dickey çerçevesi, herhangi bir boyuttaki r x c tablolarına genişler. Ancak, seyrek hücreler (beklenen sayımlar 1'in altında) hem önsel belirtmeyi hem de yorumlamayı daha zor hale getirir; bu durumlarda kategorileri birleştirmeyi veya kesin bir yöntem kullanmayı düşünün.
Bayesçi çapraz tablolama standart yazılımlarda mevcut mu?
Evet. JASP, varsayılan Gunel–Dickey Bayes faktörleri ile bir tıkla-çalıştır arayüzü sağlar. R'deki BayesFactor paketi, önsel belirtme ve çıktı formatı için daha fazla esneklikle aynı analizi sunar.
Kaynaklar
- Gunel, E., & Dickey, J. (1974). Bayes factors for independence in contingency tables. Biometrika, 61(3), 545–557. DOI: 10.1093/biomet/61.3.545 ↗
- Jamil, T., Ly, A., Morey, R. D., Love, J., Marsman, M., & Wagenmakers, E.-J. (2017). Default Gunel and Dickey Bayes factors for contingency tables. Behavior Research Methods, 49(2), 638–652. DOI: 10.3758/s13428-016-0739-8 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Bayesian Contingency Table Analysis. ScholarGate. https://scholargate.app/tr/statistics/bayesian-cross-tabulation-analysis
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayes Ki-Kare Testiİstatistik↔ karşılaştır
- Bayes Bağımsız Örneklem t-testiİstatistik↔ karşılaştır
- Bağımsızlık Ki-kare Testiİstatistik↔ karşılaştır