我有一个简单的实验，其中约 30 人对 100 个单词做出了回应，其中一半属于 A 型，一半属于 B 型。我使用混合效应线性回归来预测 A 型和B 型。我还使用 ME 逻辑回归来预测准确性差异。这些模型正在使用贝叶斯参数估计进行拟合。

最终，我对确定给定数据的零假设为真的概率感兴趣。我将使用贝叶斯因子来比较具有和不具有感兴趣参数（即单词类型）的模型。

根据文献，我预计 A 型和 B 型之间的最大可能平均差异为 100 毫秒。我预计最有可能的效果大小约为 30 毫秒。我应该清楚，如果有效果，这些都是我所期望的。我认为最有可能的期望是完全没有效果。

我很好奇现在如何把它变成以前的。到目前为止，我发现的各种建议是：

• 使用以零为中心的正态分布，其标准差等于最大预期效应大小的一半
• 使用以零为中心的正态分布，其标准差等于预期效应大小
• 在所有可能的效果大小上设置均匀分布

我想知道在根据最大可能效果大小和/或预期效果大小设置先验时是否还有其他经验法则？将先验值居中为零是常见的做法吗？请注意，这一切都是为了计算单词类型影响的贝叶斯因子。