Spécification de la priorité de la taille de l'effet dans la méta-analyse

13

Ma question concerne les antérieurs sur la taille des effets, dans mon projet la mesure est le de Cohen . En lisant la littérature, il semble que des priors vagues soient souvent utilisés, comme dans l'exemple bien connu de huit écoles d'une méta-analyse bayésienne hiérarchique. Dans l'exemple des huit écoles, j'ai vu un vague a priori utilisé pour l'estimation de mu, tel que μ θnormal ( 0 , 100 ) .μθOrdinaire(0,100)

Ma discipline est la psychologie, où la taille des effets est généralement faible. En tant que tel, j'envisageais d'utiliser cet avant: . Ma justification pour un a priori aussi serré est que, d'après ma compréhension des a priori, je place une probabilité a priori de 95% que μ θ se situe entre -1 et 1, laissant une probabilité a priori de 5% pour les effets supérieurs à -1 ou 1.μθOrdinaire(0,.5)μθ

Comme il est très rare que les effets soient aussi importants, est-ce justifiable à priori?

D_Williams
la source
7
Je pense que vos prieurs sont OK, tant que vous pouvez les défendre avec des arguments extra-statistiques. Cependant, assurez-vous également d'effectuer une analyse de sensibilité à l'aide de priors moins informatifs, pour vérifier si votre distribution postérieure repose trop fortement sur vos hypothèses.
Joe_74
2
Quelques tests de sensibilité simples consisteraient à utiliser les distributions t des élèves avec 4 ou 7 degrés de liberté et à modifier l'échelle de la distribution. Si vous soupçonnez un biais de publication dans votre échantillon, ces tests de sensibilité ne vous en diront pas beaucoup. Vous pouvez prendre en compte le biais de publication dans vos précédents. Voir le travail de Joachim Vandekerckhove cogsci.uci.edu/~joachim/publications.php
stijn
1
@ Joe_74 pouvez-vous placer votre commentaire comme réponse.
Morgan Ball
@MorganBall Will do
Joe_74

Réponses:

2

Comme il est très rare que les effets soient aussi importants, est-ce justifiable à priori?

Je pense que vos prieurs sont OK, tant que vous pouvez les défendre avec des arguments extra-statistiques (par exemple en regardant des travaux établis dans la littérature savante psychologique).

Cependant, assurez-vous également d'effectuer une analyse de sensibilité à l'aide de priors moins informatifs, pour vérifier si votre distribution postérieure repose trop fortement sur vos hypothèses. Si tel est le cas, avec des résultats similaires en termes de direction et d'amplitude de l'effet, vos résultats apparaîtront beaucoup plus robustes et valables.

Joe_74
la source