在荟萃分析中指定效应大小的先验

机器算法验证 贝叶斯 荟萃分析 规模效应
2022-02-26 23:39:19

我的问题涉及效果大小的先验,在我的项目中,衡量标准是 Cohen's通过阅读文献,似乎经常使用模糊的先验,例如在著名的八所学校的分层贝叶斯元分析示例中。在八所学校的例子中,我看到一个模糊的先验用于估计 mu,例如 Dμθnormal(0,100)

我的学科是心理学,其影响大小通常很小。因此,我之前正在考虑使用这个:我对先验如此严格的理由是,根据我对先验的理解,我将 95% 的先验概率设置为介于 -1 到 1 之间,留下 5% 的先验概率,效果大于 - 1 或 1。μθnormal(0,.5)μθ

由于很少有如此大的影响,这是否合理?

1个回答

由于很少有如此大的影响,这是否合理?

我认为你的先验是可以的,只要你能用额外的统计论据来捍卫它们(例如,通过查看心理学学术文献中的既定作品)。

但是,请确保您还使用信息量较少的先验进行敏感性分析,以检查您的后验分布是否过于依赖您的假设。如果是这种情况,在效果的方向和幅度方面具有相似的发现,那么您的结果将显得更加稳健和有效。