貝氏對數線性模型

此功能需要 自訂表格及進階統計量。

用來檢定兩個因素獨立性的設計需要兩個類別變數來建構列聯表，並對列-欄關聯進行貝氏推斷。 您可以透過假設不同的模型估計貝氏因子，透過模擬互動項目的同步可信區間描述所需的事後分佈。

1. 從功能表中選擇：

   分析 > 貝氏統計量 > 對數線性模型

2. 從可用變數清單中選取單個非尺度列變數。 您必須選取至少一個非尺度變數。
3. 從可用變數清單中選取單個非尺度直欄變數。 您必須選取至少一個非尺度變數。
4. 選取所需的貝氏分析：
   • 描述事後分佈：選取的話，將從描述事後分佈進行的視景執行貝氏推斷。 您可以透過整合掉其他不需要的參數來調查感興趣之參數的邊際事後分佈，並進一步建構可信區間來繪製直接推斷。 這是預設值。
   • 估計貝氏因子：選取的話，估計貝氏因子（貝氏推斷中的其中一種值得注意的方法）會構成自然比例，以比較虛無值與替代假設之間的邊際可能性。

     表 1. 用來定義證據顯著性的常用臨界值

     貝氏因子	證據類別	貝氏因子	證據類別	貝氏因子	證據類別
     >100	H1 的極端證據	1-3	H1 的傳聞證據	1/30-1/10	H0 的強大證據
     30-100	H1 的非常強大的證據	1	無證據	1/100-1/30	H0 的非常強大的證據
     10-30	H1 的強大證據	1/3-1	H0 的傳聞證據	1/100	H0 的極端證據
     3-10	H1 的中等證據	1/10-1/3	H0 的中等證據

     H0：虛無假設

     H1：替代假設

     ¹

     ²

   • 同時使用兩種方法：選取的話，將同時使用描述事後分佈及估計貝氏因子推斷方法。