Dowodzenie hipotez za pomocą czynnika bayesowskiego (Bayes Factor): przykłady użycia w badaniach empirycznych
Weighing Evidence In Favour Of Research Hypotheses Using Bayes Factor: Examples Of Application In Empirical Studies

Summary/Abstract: Testów statystycznych używa się w nauce po to, żeby wesprzećzaproponowane hipotezy badawcze (teorie, modele itp.). Czynnik bayesowski (Bayes Factor, BF) jest metodą bezpośrednio wskazującą tę z dwóch hipotez, któ-ra lepiej wyjaśnia uzyskane dane. Jego wykorzystanie we wnioskowaniu statystycznym prowadzi do jednego z trzech wniosków: albo badanie bardziej wspierahipotezę zerową, albo alternatywną, albo wyniki nie wspierają żadnej w sposóbrozstrzygający i są niekonkluzywne. Symetria tych wniosków jest przewagą metody czynnika bayesowskiego nad testami istotności. W powszechnie używanychtestach istotności nie formułuje się wniosków wprost, lecz albo się odrzuca hipotezę zerową, albo się jej nie odrzuca. Rozdźwięk między taką decyzją a potrzebamibadacza często jest powodem nadinterpretacji wyników testów statystycznych.W szczególności wyniki nieistotne statystycznie są często nadinterpretowanejako dowód braku różnic międzygrupowych lub niezależności zmiennych.W naszej pracy omawiamy założenia teoretyczne metody BF, w tym różnice między bayesowskim a częstościowym rozumieniem prawdopodobieństwa.Przedstawiamy sposób weryfikacji hipotez i formułowania wniosków wedługpodejścia bayesowskiego. Do jego zalet należy m.in. możliwość gromadzenia dowodów na rzecz hipotezy zerowej. Wykorzystanie metody w praktyce ilustrujemyprzykładami bayesowskiej reinterpretacji wyników kilku opublikowanych badańempirycznych, w których wykonywano tradycyjne testy istotności. Do obliczeńwykorzystaliśmy darmowy program JASP 0.8, specjalnie dedykowany bayesowskiej weryfikacji hipotez statystycznych.

• Details
• Contents