分类： 心理学 >> 心理统计 提交时间： 2024-04-16
摘要： 贝叶斯统计应用于假设检验的方法——贝叶斯因子——在心理学研究中的应用日渐增加。贝叶斯因子能分别量化所支持的相应假设或模型的证据，进而根据其数值大小做出当前数据更支持哪种假设或模型的判断。然而，国内尚缺乏对方差分析的贝叶斯因子的原理与应用的介绍。基于此，本文首先介绍贝叶斯方差分析的基本思路及计算原理，并结合实例数据，展示如何在JASP中对五种常用的心理学实验设计(单因素组间设计、单因素组内设计、二因素组间设计、二因素组内设计和二因素混合设计)进行贝叶斯方差分析及如何汇报和解读结果。贝叶斯方差分析提供了一个能有效替代传统方差分析的方案，是研究者进行统计推断的有力工具。
分类： 心理学 >> 心理统计 分类： 心理学 >> 实验心理学 提交时间： 2023-08-11
摘要： 相比于传统方法，贝叶斯混合效应模型在处理数据层级结构和提供更直观的统计结果等方面有着独特的优势。这些诸多优势使其逐渐流行于心理学研究之中。然而，国内目前尚缺少将贝叶斯混合效应模型应用于心理学研究的介绍。因此，本文首先概述了贝叶斯混合效应模型的基本概念和原理，并且结合模拟数据展示了如何理解固定效应和随机效应，如何利用R 语言的brms 工具包设定贝叶斯混合效应模型，如何借助先验预测检验自定义合理的先验分布，以及如何使用贝叶斯因子进行假设检验。凭借其强大的灵活性，贝叶斯混合效应模型可以适用于多样的心理学研究。
分类： 心理学 >> 社会心理学 提交时间： 2023-03-28 合作期刊: 《心理科学进展》
摘要： 高维数据爆发的背景下, 心理学研究目前急需变量相对重要性评估的有效方法。相对重要性评估的关键是选择合适的评估指标和统计推断方法。相对重要性的评估指标种类繁多, 优势分析和相对权重是重点推荐的相对重要性评估指标。相对重要性的统计推断方法适用情境不同, Bootstrap抽样是推断单变量重要性和两变量重要性差异的常用方法, 而贝叶斯检验是评估多变量重要性次序的新方法。线性回归模型之外, 相对重要性研究已拓展到Logistic回归模型、结构方程模型、多水平模型等, 但适用数据类型仍较为有限。相对重要性评估已广泛应用于心理学实证研究, 但存在不恰当的指标解释和方法选择问题。为此, 结合具体例子说明变量相对重要性的评估过程。
分类： 心理学 >> 心理统计 提交时间： 2022-07-26
摘要： 高维数据爆发的背景下，心理学研究目前急需变量相对重要性评估的有效方法。相对重要性评估的关键是选择合适的评估指标和统计推断方法。相对重要性的评估指标种类繁多，优势分析和相对权重是重点推荐的相对重要性评估指标。相对重要性的统计推断方法适用情境不同，Bootstrap抽样是推断单变量重要性和两变量重要性差异的常用方法，而贝叶斯检验是评估多变量重要性次序的新方法。线性回归模型之外，相对重要性研究已拓展到Logistic回归模型、结构方程模型、多水平模型等，但适用数据类型仍较为有限。相对重要性评估已广泛应用于心理学实证研究，但存在不恰当的指标解释和方法选择问题。为此，结合具体例子说明变量相对重要性的评估过程。
分类： 心理学 >> 心理统计 提交时间： 2021-04-25
摘要： 在心理学研究中，以下两种情况下研究者可能需要对零效应进行评估：第一，推断某种效应不存在；第二，意外出现不显著结果，需要区分到底是效应不存在还是当前数据未能提供足够的证据。然而，常用的原假设显著性检验（Null hypothesis significance test, NHST）无法直接评估零效应。近年来，等价检验、贝叶斯估计和贝叶斯因子三种方法逐渐被用于评估零效应：在频率统计框架下，等价检验通过检验效应是否在最小感兴趣区内（Smallest effect size of interest, SESOI），通过p值来推断效应是否为零；在贝叶斯统计框架下，贝叶斯估计通过对比后验分布的最高密度区间和实际等价区的重叠情况，推断效应是否为零；而贝叶斯因子则是通过评估当前数据对原假设和备择假设的相对支持程度，推断当前数据对原假设的相对支持程度。文章通过分析两个真实的数据，展示三种方法的实际应用。三种方法各有其特点：等价检验在逻辑上是对NHST的拓展，易于从传统统计中延伸使用；贝叶斯因子的解读较符合直觉，逻辑上清晰；贝叶斯估计则具有较强的灵活性，可拓展于更多的研究问题。以上三种评估零效应的方法，可能能够帮助心理学研究者在实际研究中进行合理的统计推断和研究决策。
分类： 心理学 >> 心理统计 提交时间： 2018-05-08
摘要： 统计推断在科学研究中起到关键作用，然而当前科研中最常用的经典统计方法——零假设检验（Null hypothesis significance test, NHST）却因难以理解而被部分研究者误用或滥用。有研究者提出使用贝叶斯因子（Bayes factor）作为一种替代和（或）补充的统计方法。贝叶斯因子是贝叶斯统计中用来进行模型比较和假设检验的重要方法，其可以解读为对零假设H0或者备择假设H1的支持程度。其与NHST相比有如下优势：同时考虑H0和H1并可以用来支持H0、不“严重”地倾向于反对H0、可以监控证据强度的变化以及不受抽样计划的影响。目前，贝叶斯因子能够很便捷地通过开放的统计软件JASP实现，本文以贝叶斯t检验进行示范。贝叶斯因子的使用对心理学研究者来说具有重要的意义，但使用时需要注意先验分布选择的合理性以及保持数据分析过程的透明与公开。
分类： 心理学 >> 心理统计 提交时间： 2022-12-31
摘要： 实验设计的关键是平衡信息量与效率。贝叶斯因子序列分析利用贝叶斯因子不断更新证据的特点，通过贝叶斯因子标准和在收集数据过程的序列分析来平衡信息量与效率。本文展示如何使用开源软件JASP和R实现该分析的三个步骤：确定关键效应、确定停止标准、数据收集中序列分析并决策。该方法考虑现实条件且简单易行，可帮助研究者更有效进行实验。
分类： 心理学 >> 社会心理学 提交时间： 2023-03-28 合作期刊: 《心理科学进展》
摘要： 不显著结果(如, p > 0.05)在心理学研究中十分常见, 且容易被误解为接受零假设的证据, 并可能导致分组匹配研究的错误推断或者忽视被小样本的不显著结果掩盖的真实效应。但国内目前尚无实证研究对不显著结果的普遍性及其解读进行调查。本研究调查500篇中文心理学实证研究, 统计其摘要中出现与不显著结果相关的阴性陈述的频率, 判断并统计基于阴性陈述的推断准确性, 并使用贝叶斯因子对不显著结果中包含t值的研究进行重新评估。结果表明, 36%的摘要提及不显著结果, 共包含236个阴性陈述。其中, 41%的阴性陈述对不显著结果的解读出现偏差(如, 解读为支持了零假设)。对包含t值的研究进行贝叶斯因子分析, 结果显示仅有5.1%的不显著结果可以提供强证据支持零假设(BF01 > 10)。与先前对国际心理学期刊的调查结果相比(32%的摘要包含阴性陈述; 72%的阴性陈述对不显著结果的解读错误), 中文心理学期刊中报告不显著结果的比例更高, 且对不显著结果解读错误的比例更低。但国内研究者仍需进一步加强对不显著结果的认识, 推广适于评估不显著结果的统计方法。
分类： 心理学 >> 心理统计 提交时间： 2020-10-17
摘要： 不显著结果（如，p > 0.05）在心理学研究中十分常见，容易被误解为接受零假设的证据，并可能导致分组匹配研究的错误推断或者忽视被小样本的不显著结果掩盖的真实效应。但国内目前尚无实证研究对不显著结果的普遍性及其解读进行调查。本研究调查500篇中文心理学实证研究，统计其摘要中出现与不显著结果相关的阴性陈述的频率，判断并统计基于阴性陈述的推断准确性，并使用贝叶斯因子对不显著结果中包含t值的研究进行重新评估。结果表明，36%的摘要提及不显著结果，共包含236个阴性陈述。其中，41%的阴性陈述对不显著结果的解读出现偏差（如，解读为支持了零假设）。对包含t值的研究进行贝叶斯因子分析，结果表明仅有5.1%的不显著结果可以提供强证据支持零假设(BF01 > 10)。与先前对国际心理学期刊的调查结果相比（30%的摘要包含阴性陈述；70%的阴性陈述对不显著结果的解读有误），中文心理学期刊中报告不显著结果的比例以及对不显著结果的解读正确率均更高。但国内研究者仍需进一步加强对不显著结果的认识，推广适于评估不显著结果的统计方法。
点击量
通过
点击量
下载量
评论
待评议
