MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Bayesci t Testi

Bayesci t Testianaliz

Bir ortalamanın ya da iki ortalama arasındaki farkın sıfır olup olmadığını, verinin 'fark var' ve 'fark yok' hipotezlerinden hangisini ne kadar desteklediğini gösteren Bayes faktörüyle değerlendiren test.

Kavram

Klasik t testi yalnızca 'fark yok' hipotezini reddedip reddedemeyeceğimizi söyler; anlamlı olmayan bir p-değeri farkın olmadığını kanıtlamaz. Bayesci t testi iki hipotezi doğrudan karşılaştırır ve kanıtın her iki yönde de ölçülmesini sağlar: veri 'fark yok' lehine de, 'fark var' lehine de kanıt sunabilir ya da iki hipotez arasında kararsız kalabilir.

Temel ölçü Bayes faktörüdür: BF₁₀ = P(veri | H₁) / P(veri | H₀). BF₁₀ = 6, gözlenen verinin H₁ altında H₀ altındakinden 6 kat daha olası olduğunu; BF₁₀ = 0,2 (yani BF₀₁ = 5) ise verinin H₀'ı 5 kat daha çok desteklediğini söyler. Değerler yaklaşık olarak 1-3 arası zayıf, 3-10 arası orta, 10'un üstü güçlü kanıt diye okunur. H₁ için etki büyüklüğü δ'ya bir önsel dağılım verilir; yaygın varsayılan, sıfır çevresinde toplanan ve genişliği r ile ayarlanan Cauchy önselidir (JZS önseli). Test ayrıca δ'nın sonsal dağılımını ve kredibl aralığını verir.

Varsayımlar klasik t testiyle aynıdır: bağımsız gözlemler ve yaklaşık normal dağılım (bağımsız iki örneklemde ayrıca benzer varyanslar). Bayes faktörü önselin genişliğine duyarlıdır, bu nedenle farklı r değerleriyle duyarlılık analizi raporlanmalıdır. Kredibl aralık, verinin ve önselin ışığında δ'nın belirtilen olasılıkla bu aralıkta bulunduğunu doğrudan söyler.

Ne zaman kullanılır?

  • Bir ortalama farkı için yalnız 'anlamlı / anlamsız' kararı değil, kanıtın gücü isteniyorsa; özellikle 'fark yok' sonucunu desteklemek gerektiğinde (ör. iki yöntemin eşit iyi olduğunu göstermek).
  • Tek bir grubun ortalamasını bir referans değerle, iki bağımsız grubu ya da aynı kişilerin iki ölçümünü karşılaştırırken; üç ve daha fazla grup için Bayesci ANOVA kullanılır.
  • Dağılım belirgin biçimde normal değilse ve örneklem küçükse sıralara dayalı (Mann-Whitney ya da Wilcoxon) testler veya bunların Bayesci karşılıkları düşünülmelidir; önceden belirlenmiş bir eşdeğerlik aralığı varsa klasik çerçevede TOST da bir seçenektir.

Gündelik bir örnek

Bir hastanenin fizik tedavi biriminde diz ameliyatı olmuş 40 hasta iki egzersiz programına ayrılmış; altı hafta sonra hareket açısı ölçülüyor. Klasik t testi p = 0,08 verdiğinde 'program farkı yok' demek yanıltıcı olur. Bayesci t testi BF₁₀ = 1,1 bulursa veri iki hipotezi neredeyse eşit desteklemektedir, yani daha çok hastaya ihtiyaç vardır. BF₁₀ = 0,15 bulsaydı veri 'fark yok' hipotezini yaklaşık 7 kat daha çok destekliyor diyebilirdik.

MerQur'da parametreler

Mod (Tek örneklem / Bağımsız iki örneklem / Eşleştirilmiş)

Kavram: Testin hangi karşılaştırmayı yaptığını belirler: tek bir ortalamanın bir referans değerle, iki bağımsız grubun birbiriyle ya da aynı kişilerin iki ölçümünün birbiriyle karşılaştırılması. Eşleştirilmiş ölçümlerde kişiler arası farklılık ayıklandığı için aynı etki daha güçlü kanıt üretebilir.

Gündelik örnek: İki ayrı hasta grubunun hareket açısı karşılaştırılıyorsa bağımsız iki örneklem modu; aynı hastaların ameliyat öncesi ve sonrası ölçümleri karşılaştırılıyorsa eşleştirilmiş mod; grubun ortalaması 'normal kabul edilen 120 derece' ile karşılaştırılıyorsa tek örneklem modu kullanılır.

Ne işe yarar: Testin türünü belirler: tek örneklemde H0: μ = μ0, bağımsız iki örneklemde H0: μ1 = μ2, eşleştirilmiş modda H0: μ_fark = 0.

Sonuca etkisi: t istatistiği ve δ'nın etkin örneklem büyüklüğü değişir (tek örneklem ve eşleştirilmişte n, bağımsızda n1·n2/(n1+n2)).

Doğrulama verisinde: sleep eşleştirilmiş: t = -4.062, BF10 = 17.259. Aynı ilk ölçüm tek örneklem (μ0 = 0) olarak sınanınca t = 1.326, BF10 = 0.617; aynı 20 değer iki bağımsız grup sayılırsa BF10 = 1.266. ToothGrowth len ~ supp için BF10 = 1.199.

Bağımlı değişken, Grup sütunu, 2. ölçüm

Kavram: Bağımlı değişken karşılaştırılan sürekli ölçümdür; grup sütunu bağımsız iki grubu, ikinci ölçüm sütunu ise eşleştirilmiş tasarımda aynı kişinin diğer ölçümünü tanımlar.

Gündelik örnek: Hareket açısı bağımlı değişkendir; 'program A / program B' sütunu grup sütunudur. Ameliyat öncesi ve sonrası ölçümler iki ayrı sütunda tutuluyorsa ikincisi eşleştirilmiş mod için seçilir.

Ne işe yarar: Değişken seçimi. Grup sütunu yalnızca bağımsız modda, 2. ölçüm yalnızca eşleştirilmiş modda etkindir.

Sonuca etkisi: Bağımsız modda 2. ölçümün seçili bırakılması sonucu değiştirmez. Grup düzeylerinin sırası veri sırasıdır (ilk görünen 1. gruptur; ToothGrowth'ta VC - OJ).

Doğrulama verisinde: sleep iki grup sürümünde 2. ölçüm seçili kalsa da hiçbir değer değişmez; ek sayısal fark yok.

μ0 (tek örneklem ref)

Kavram: Tek örneklem testinde sıfır hipotezinin öne sürdüğü değerdir (H₀: μ = μ₀). Bayes faktörü, verinin bu değerden ne kadar uzaklaştığına göre değişir.

Gündelik örnek: Hastaların ortalama hareket açısının sağlıklı dizlerde beklenen 120 dereceden farklı olup olmadığı soruluyorsa μ₀ = 120 girilir. Ortalama 118 çıkarsa veri büyük olasılıkla H₀'ı destekler; 100 çıkarsa H₁'i güçlü biçimde destekler.

Ne işe yarar: Tek örneklemde sınanan karşılaştırma değeri.

Sonuca etkisi: t = (x̄ - μ0)/(s/√n) ve δ'nın sonsalı μ0'a göre değişir; güven aralığı fark (x̄ - μ0) için hesaplanır. Eşleştirilmiş modda etkisizdir.

Doğrulama verisinde: sleep extra_1: μ0 = 0 için BF10 = 0.617, μ0 = 1 için 0.336, μ0 = -1 için 5.071. Eşleştirilmiş modda μ0 = 5 sonucu değiştirmez.

→ Sıfır hipotezi (H₀) ve test değeri

JZS prior scale (r)

Kavram: H₁ altında etki büyüklüğü δ için kullanılan Cauchy önselinin genişliğidir; r, araştırmacının beklediği etkilerin tipik büyüklüğünü ifade eder. r = 0,707, etkilerin yarısının |δ| < 0,707 aralığında beklendiği anlamına gelir.

Gündelik örnek: Fizyoterapistler programlar arasında küçük-orta bir fark bekliyorsa r = 0,707 makul bir varsayılandır. r büyütülürse H₁ çok büyük etkileri de olası sayar; gözlenen fark küçükse bu genellikle BF₁₀'u düşürür. Bu yüzden sonucu birkaç r değeriyle denemek iyi bir uygulamadır.

Ne işe yarar: δ ~ Cauchy(0, r) önselinin genişliği (Rouder ve ark. 2009). Adlandırılmış ölçekler medium √2/2, wide 1, ultrawide √2 değerleridir. Varsayılan kutu değeri (0.707) tam √2/2 olarak ele alınır.

Sonuca etkisi: BF10 ve δ sonsalı değişir; frekansçı çıktı değişmez.

Doğrulama verisinde: sleep eşleştirilmiş BF10: r = 0.5 için 15.030; √2/2 için 17.259 (17.258880); 1 için 18.415; √2 için 18.015. chickwts: r = 0.707 için 5.976, r = 1 için 6.193.

→ JZS (Cauchy) önseli ve ölçek parametresi r

Prior türü (Cauchy r kutusu / medium / wide / ultrawide / Bilgilendirilmiş t veya normal)

Kavram: Önsel, veriyi görmeden önce etki büyüklüğü hakkında ne düşündüğümüzü ifade eden olasılık dağılımıdır. Varsayılan (nesnel) önseller geniş ve sıfır merkezlidir; bilgilendirilmiş önseller önceki çalışmalardan gelen bilgiyi taşır.

Gündelik örnek: Bu konuda daha önce yapılmış çalışma yoksa 'medium' gibi standart bir genişlik seçilir. Benzer programların etkisini gösteren çok sayıda çalışma varsa bu bilgiyi yansıtan bilgilendirilmiş önsel kullanılabilir.

Ne işe yarar: Önselin ailesini seçer. "Cauchy (r kutusundaki değer)" yukarıdaki kutuyu kullanır; üç adlandırılmış seçenek sabit r değerleridir; bilgilendirilmiş seçenek önceki bilgiyi taşır.

Sonuca etkisi: r kutusundaki ölçek yalnızca ilk seçenekte kullanılır; diğerlerinde BF10 sabit önsel ölçeğine göre hesaplanır.

Doğrulama verisinde: sleep eşleştirilmiş için yukarıdaki r değerleriyle aynı sayılar.

→ Önsel (prior) dağılım

Bilgilendirilmiş prior (konum, ölçek, sd)

Kavram: Bilgilendirilmiş önsel, etki büyüklüğünü sıfırda değil önceki bilgiye göre seçilmiş bir konumda toplar; konum beklenen etkiyi, ölçek belirsizliği, serbestlik derecesi kuyrukların kalınlığını ayarlar. Önselin yönü veriyle çelişirse Bayes faktörü H₀ lehine kayabilir.

Gündelik örnek: Önceki çalışmalar program B'nin hareket açısını yaklaşık 0,35 standart sapma artırdığını gösteriyorsa önsel bu değer çevresinde kurulur. Veri tersine B'nin daha kötü olduğunu gösterirse, bu önsel 'B daha iyidir' beklentisi taşıdığı için kanıt H₀'a doğru kayar.

Ne işe yarar: δ ~ t_ν(konum, ölçek) önseli (ν boşsa normal) (Gronau, Ly ve Wagenmakers 2020). Varsayılan "0.350, 0.102, 3" Oosterwijk önselidir.

Sonuca etkisi: Başlıktaki BF10, seçilen H1 için BF, BF±0, δ sonsalı, APA cümlesi ve yöntem satırı bu önselle hesaplanır; karşılaştırma için Cauchy BF'si ayrı satırda verilir.

Doğrulama verisinde: sleep eşleştirilmiş (etki negatif): Oosterwijk önseliyle BF10 = 0.252, sonsal medyan -0.360; N(0, 1) önseliyle BF10 = 25.475. Yönü veriyle çelişen önsel H0'ı destekler hale gelir.

→ Önsel (prior) dağılım

Alternatif hipotez (İki yönlü / δ > 0 / δ < 0)

Kavram: H₁'in yönünü belirler. Yönlü bir hipotezde önsel yalnız beklenen yöndeki etkilere izin verir; veri o yöndeyse kanıt güçlenir, ters yöndeyse H₀ lehine döner. Yön veriye bakmadan önce seçilmelidir.

Gündelik örnek: Program B'nin yalnızca daha iyi olabileceği düşünülüyorsa 'δ > 0' seçilir. Veri gerçekten B lehineyse BF₊₀ iki yönlü BF₁₀'dan büyük çıkar; veri A lehineyse BF₊₀ çok küçük olur.

Ne işe yarar: Yönlü H1 için BF+0 ya da BF-0 hesaplar; sonsal özetler kesilmiş önselle verilir.

Sonuca etkisi: Yönlü BF'ler ve kesilmiş sonsal özetleri; tek yönlü p değeri.

Doğrulama verisinde: sleep eşleştirilmiş: BF-0 = 34.415, BF+0 = 0.101; tek yönlü p = 0.0014.

→ Tek yönlü ve çift yönlü test (hipotez yönü)

Güven Düzeyi (%90 / %95 / %99 / Diğer, özel değer)

Kavram: Frekansçı güven aralığının ve Bayesci kredibl aralığın düzeyini belirler. Kredibl aralık, verinin ışığında parametrenin bu aralıkta bulunma olasılığını doğrudan verir; HDI ise bu olasılığı taşıyan en dar aralıktır.

Gündelik örnek: δ için %95 kredibl aralık [0,1; 0,9] ise, veri ve önsel birlikte ele alındığında programlar arasındaki gerçek etkinin %95 olasılıkla bu aralıkta olduğu söylenebilir. %90 seçilirse aralık daralır.

Ne işe yarar: Frekansçı güven aralığının, δ'nın kredibl aralığının, en yüksek sonsal yoğunluk aralığının (HDI) ve tanımlayıcı kredibl aralığın düzeyi.

Sonuca etkisi: Aralık sınırları; Bayes faktörleri değişmez. Özel kutu kapalıyken içine girilen değer etkisizdir.

Doğrulama verisinde: sleep eşleştirilmiş GA: %90 [-2.293, -0.867], %95 [-2.460, -0.700], %99 [-2.844, -0.316]; δ için %90 kredibl aralık [-1.829, -0.401].

→ Güven düzeyi ve güven aralığı

Ek çıktılar: Tanımlayıcılar, Varsayımlar, Sıralı analiz

Kavram: Tanımlayıcılar grupların özetini, varsayım denetimleri normallik ve varyans eşitliğini, sıralı analiz ise Bayes faktörünün gözlemler eklendikçe nasıl değiştiğini gösterir.

Gündelik örnek: Sıralı analiz grafiğinde BF₁₀ ilk 10 hastada 1 civarında dolaşıp 40 hastaya doğru 8'e çıkıyorsa, kanıtın veri biriktikçe 'fark var' yönünde istikrarlı biçimde güçlendiği görülür. Shapiro-Wilk ve Levene sonuçları da t testi varsayımlarının makul olup olmadığını söyler.

Ne işe yarar: Tanımlayıcılar n, ortalama, SD, SH ve Jeffreys önseliyle ortalamanın kredibl aralığını verir. Varsayımlar grup başına (eşleştirilmişte farka) Shapiro-Wilk ve Levene testini içerir. Sıralı analiz ilk i gözlemdeki BF10 dizisini verir.

Sonuca etkisi: Yalnızca ek çıktı ekler; ana BF'yi değiştirmez.

Doğrulama verisinde: chickwts horsebean ortalaması 160.2, %95 kredibl aralık [132.57, 187.83]; Levene F = 1.469, p = 0.240.

Gerçek veride örnek

Veri: Crampton 1947 ToothGrowth, R datasets

Değişkenler: bağımsız iki örneklem modu, bağımlı len (diş uzunluğu), grup supp (VC / OJ)

  • Soru: C vitamini kaynağı (portakal suyu OJ ve askorbik asit VC) kobaylarda diş uzunluğunu farklılaştırıyor mu? H₀ (fark yok) ile H₁'i Bayes faktörüyle karşılaştırıyoruz.
  • Frekansçı karşılık: t(58) = -1.92, p = .060, %95 GA [-7.57, 0.17]; %5 düzeyinde anlamlı değil, d = -0.49 (orta büyüklükte fark).
  • Sonuç: BF₁₀ = 1.199 (BF₀₁ = 0.834); veri H₁'i H₀'a göre yalnız 1.2 kat destekler, yani "zayıf / kararsız kanıt". p = .06 ile "fark yok" demek yerine verinin iki hipotez arasında ayırt edici olmadığı söylenmelidir.
  • Sonsal (etki büyüklüğü): δ medyanı = -0.42, %95 kredibl aralık [-0.92, 0.05]; aralık 0'ı içerir, VC'nin daha kısa diş uzunluğuna yönelik eğilim belirsizdir.
  • Duyarlılık: Önsel genişledikçe BF₁₀ düşer (r = 1: 0.993; r = 1.414: 0.778); yönlü hipotez VC < OJ için BF₋₀ = 2.297.
  • APA: Bayesci bağımsız t testi (JZS, r = 0.707): BF₁₀ = 1.20, d = -0.49, δ medyanı = -0.42, %95 CrI [-0.92, 0.05]; t(58) = -1.92, p = .060.

İlgili kavramlar

Sıfır hipotezi (H₀) ve test değeriEtki büyüklüğüÖnsel (prior) dağılımJZS (Cauchy) önseli ve ölçek parametresi rBayes faktörü (BF₁₀)Sonsal (posterior) dağılım ve sonsal kestirim kontrolüTek yönlü ve çift yönlü test (hipotez yönü)İnanılırlık aralığı ve en yüksek yoğunluk aralığı (HDI)

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.