Bayesowskie modele logliniowe

Ta funkcja wymaga Custom Tables and Advanced Statistics.

Plan przeznaczony do testowania niezależności dwóch czynników wymaga dwóch zmiennych jakościowych do utworzenia tabeli przypadkowej, a następnie przeprowadza wnioskowanie Bayesowskie na powiązaniu wiersz-kolumna. Estymację czynników Bayesa można przeprowadzić, przyjmując założenie różnych modeli i charakteryzując żądany rozkład a posteriori poprzez symulację jednoczesnego przedziału wiarygodności dla składników interakcji.

  1. Z menu wybierz:

    Analizuj > Statystyka bayesowska > Modele Logliniowe

  2. Wybierz z listy Dostępne zmienne pojedynczą, nieskalową zmienną wierszową. Musisz wybrać co najmniej jedną zmienną nieskalową.
  3. Wybierz z listy Dostępne zmienne pojedynczą, nieskalową zmienną kolumnową. Musisz wybrać co najmniej jedną zmienną nieskalową.
  4. Ustaw żądaną Analizę bayesowską:
    • Charakteryzuj rozkład a posteriori: gdy ta opcja jest wybrana, wnioskowanie bayesowskie jest wykonywane z perspektywy uzyskiwanej poprzez charakteryzację rozkładów a posteriori. Brzegowy rozkład posteriori parametrów badanych można sprawdzić poprzez scałkowanie parametrów zakłócających, a następnie opracowanie wiarygodnych przedziałów ufności w celu wnioskowania bezpośredniego. Jest to ustawienie domyślne.
    • Estymuj czynnik Bayesa: w przypadku wybrania tej opcji estymacja czynnika Bayesa (jednej z istotnych metodologii wnioskowania bayesowskiego) obejmuje współczynnik naturalny w celu porównania prawdopodobieństw brzegowych między hipotezą zerową a alternatywną.
      Tabela 1. Progi powszechnie wykorzystywane do określenia istotności dowodów
      Czynnik Bayesa Kategoria dowodu Czynnik Bayesa Kategoria dowodu Czynnik Bayesa Kategoria dowodu
      >100 Dowód dotyczący ekstremum dla H1 1-3 Anegdotyczny dowód na H1 1/30-1/10 Silny dowód na H0
      30-100 Bardzo silny dowód dla H1 1 Brak dowodu 1/100-1/30 Bardzo silny dowód dla H0
      10-30 Silny dowód na H1 1/3-1 Anegdotyczny dowód na H0 1/100 Skrajnie silny dowód na H0
      3-10 Umiarkowanie silny dowód na H1 1/10-1/3 Umiarkowanie silny dowód na H0    

      H0: hipoteza zerowa

      H1: hipoteza alternatywna

      1

      2

    • Użyj obu metod: w przypadku wyboru tej opcji używane są obie metody wnioskowania Charakteryzuj rozkład a posteriori oraz Estymuj czynnik Bayesa.
Opcjonalnie można wykonać następujące czynności:
  • Kliknij opcję Kryteria, aby określić procentowy przedział wiarygodności oraz ustawienia metody numerycznej.
  • Kliknij opcję Czynnik Bayesa, aby określić ustawienia czynnika Bayesa.
  • Kliknij opcję Wyświetlaj, aby określić sposób wyświetlania zawartości w tabelach wynikowych.
1 Lee, M.D., and Wagenmakers, E.-J. 2013. Bayesian Modeling for Cognitive Science: A Practical Course. Cambridge University Press.
2 Jeffreys, H. 1961. Teoria prawdopodobieństwa. Oxford University Press.