Określanie wcześniej wielkości efektu w metaanalizie


13

Moje pytanie dotyczy priorów co do wielkości efektów, w moim projekcie miarą jest Cohena . Czytając literaturę, często wydaje się, że niejasne są przeory, na przykład w dobrze znanym ośmiu szkołach przykład hierarchicznej metaanalizy bayesowskiej. W przykładzie z ośmiu szkół widziałem niejasny wcześniej używany do oszacowania mu, taki jak μ θnormalny ( 0 , 100 ) .Dμθnormal(0,100)

Moją dyscypliną jest psychologia, w której rozmiary efektów są zwykle małe. Jako taki, rozważałem użycie tego wcześniejszego: . Moim uzasadnieniem dla tak ciasnego przeora jest to, że z mojego zrozumienia priorytetów stawiam 95% wcześniejsze prawdopodobieństwo, że μ θ wynosi od -1 do 1, pozostawiając 5% wcześniejsze prawdopodobieństwo dla efektów większych niż -1 lub 1.μθnormal(0,.5)μθ

Ponieważ bardzo rzadko efekty są tak duże, czy jest to uzasadnione wcześniej?


7
Myślę, że twoje priory są w porządku, o ile możesz ich bronić za pomocą argumentów statystycznych. Pamiętaj jednak o przeprowadzeniu analizy wrażliwości przy użyciu mniej pouczających priorów, aby sprawdzić, czy twój rozkład tylny zbyt mocno opiera się na twoich założeniach.
Joe_74,

2
Kilka prostych testów czułości polegałoby na zastosowaniu rozkładów t studenta o 4 lub 7 stopniach swobody i zmianie skali rozkładu. Jeśli podejrzewasz stronniczość publikacji w próbie, te testy wrażliwości niewiele ci powiedzą. Wcześniej można uwzględnić uprzedzenia publikacji. Zobacz dzieło Joachima Vandekerckhove'a cogsci.uci.uci.edu/~joachim/publications.php
stijn

1
@ Joe_74 możesz umieścić swój komentarz jako odpowiedź.
Morgan Ball

@MorganBall Will do
Joe_74

Odpowiedzi:


2

Ponieważ bardzo rzadko efekty są tak duże, czy jest to uzasadnione wcześniej?

Myślę, że twoje priorytety są w porządku, o ile możesz ich bronić argumentami pozatatystycznymi (np. Patrząc na ustalone prace w psychologicznej literaturze naukowej).

Pamiętaj jednak o przeprowadzeniu analizy wrażliwości przy użyciu mniej pouczających priorów, aby sprawdzić, czy twój rozkład tylny zbyt mocno opiera się na twoich założeniach. Jeśli tak jest w przypadku podobnych ustaleń pod względem kierunku i wielkości efektu, wyniki będą wyglądać na bardziej solidne i aktualne.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.