一位审稿人要求我们提供 p 值，以便更好地理解贝叶斯多级模型中的模型估计。该模型是实验中每个参与者多次观察的典型模型。我们用 Stan 估计了模型，因此我们可以轻松计算额外的后验统计量。目前，我们正在报告（视觉和表格）平均估计值以及 0.025 和 0.975 分位数。
到目前为止，我的回应包括：
我的问题是，这是一个能让审稿人满意的回应，还是只会引起更多的困惑？
10 月 10 日更新：我们根据答案中的建议重写了论文。这篇论文被接受了，所以我会重申我之前的评论，这是非常有用的建议！
首先，快速澄清一下：尽管可能性确实不是后验概率，但 p 值与贝叶斯推理并没有太大的不一致，因为通常只是不同的事情，因为置信区间可能与可信区间一致，也可能不一致。（虽然不一定是完全不同的事情，如后验预测检查所示，这确实涉及 p 值。）
然而，我猜这种复杂程度并不是审稿人的想法。我猜他们只是“知道”统计模型是有 p 值的，所以他们已经要求了。所以问题仍然存在：如何应对？
当“审稿人想要 X”时，我发现问自己两个相关问题很有用：
动机：他们希望 X 为他们做什么？
理性重构：如果他们想这样做，他们本可以要求的最相似的合理的东西是什么而不是 X？
然后给他们那个。
一个无知的审稿人（尽管他们可能对论文很聪明而且正确）的优势在于，当他们要求 X 时，他们很少清楚自己的意思。这意味着如果你重构他们问一个更好的问题，他们'很高兴看到你回答它。
在你的情况下，审稿人很可能想要一个平行的常客分析，尽管我对此表示怀疑。我认为您想要使用的是审阅者的暗示，即他们希望 p 值“更好地理解模型”。我认为，你的工作是以一种让审稿人听起来很明智的方式来解析这个问题。大概有以下几句话指出了论文中不清楚的地方。也许有一些评论者感兴趣的影响无法从你的参数边缘重建，或者一些数量可以说明模型对他们感兴趣的案例的看法，或者缺乏单一的数字摘要......
如果您可以确定这些问题，那么您可以将您的回复总结为以下表格（方括号中的原始请求）：
“审稿人 [要求交互项的 p 值] 担心从我们的演示文稿中不清楚 A 与 B 如何变化，因此在图 2 中我们展示了......”或“审稿人想知道 [我们是否可以拒绝假设 A 的影响为零]关于 A 的影响方向。表 3 显示该模型给出了 99% 的概率表明这是负面的”或“审稿人想知道 [我们的模型是否比模型更适合仅包含 A] 我们的模型与仅包含 A 的模型相比如何。我们通过将其与...进行比较来解决这个问题……通过使用 DIC / 计算贝叶斯因子 / 显示我们对 A 的推断对于包含 B“等是稳健的。
在每种情况下，都有原始请求和答案的近似翻译。
注意事项：当审稿人是对统计数据了解相对较弱的主题专家时，这种策略似乎效果最好。它不适用于自我认定的统计复杂的审稿人，他们实际上确实想要 X，因为他们喜欢 X 或最近在某处读到过有关它们的信息。我对后者没有任何建议。
最后，我强烈建议不要说任何关于贝叶斯是一种不同的范式以及评论家的问题在其中毫无意义的问题，甚至是微弱的宗教。即使这是真的，它也会让每个人都为没有真正的利益而脾气暴躁。