Can we Find Evidence for the Null in a Bayesian t-Test? Not Unless we Reconsider Bayes Factor Thresholds
Notice bibliographique
Résumé
Within the fields of behavioural and psychological research, the use of Bayesian statistics has gathered increased interest. A statistical test commonly employed in behavioral and psychological research is the t-test. For the Bayesian t-test, a Bayes Factor (BF) can be computed which reflects evidence in favor of either the alternative hypothesis (H1) or the null hypothesis (H0). Even though the BF is a continuous measure of evidence, it is common to define specific thresholds for accepting the evidence in favor of either the H1 or the H0. Such evidence thresholds (e.g., BF > 3, BF > 6, BF > 10) are adopted by related scientific journals to define minimum publication or preregistration requirements. However, exceeding these thresholds is not analogous when H1 is true compared to when H0 is true. In turn, this disanalogy might require scientists to invest additional time and resources when H0 is true, as opposed to when H1 is true. In this study, we simulated 200 million BFs for various effect size, sample size, and variance assumptions, to demonstrate this disanalogy. Further, we show that despite having small shifts in the sample sizes required for exceeding various BF thresholds when H1 is true, when the H0 is true the probabilities of exceeding a BF > 6 or a BF > 10 are close to chance. As such, we recommend the use of a BF > 3 evidence threshold for the H0 independently of the evidence threshold set for H1.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,190 | 0,638 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,020 |
| Communication savante | 0,011 | 0,018 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».