本文探讨了贝叶斯因子（Bayes Factor）作为替代NHST的工具在心理学研究中的作用。通过R的'BayesFactor'包和JASP软件，演示了如何计算和解释贝叶斯因子，特别是在重复测量方差分析中的应用。结果显示，数据支持包含交互作用的模型超过7亿倍，提供了有力的证据支持交互效应的存在。
分析接上一篇文章：R语言之重复测量方差分析——ezANOVA的使用与解析
写在前言
开篇咱依旧先吹吹水，话说当前心理学研究面临着可重复性危机（Reproducibility Crisis），对NHST(Null Hypothesis Significance Test)的滥用或误用似乎成为众矢之的。记得在我刚开学那会，各路研究方法学的教授一上来就是对NHST和p-hacking进行批判（通过修改、剔除不显著的数据来操纵p值达到显著水平），着实让我怀疑人生。
实际上，NHST中用于验证假设的p值并不能解释假设本身。根据美国统计协会（ASA）在2016年的一份声明中对p值的解释：在统计检验当中，p值只能解释数据与假设之间的关系，并不能衡量研究假设为真时的概率(Wasserstein & Lazar, 2016)。此外，翻翻以前的教科书我惊讶地发现，NHST关于p值的定义是：假定
仅上述两点，就足以让我们所有人反思：到底我们的研究是在取悦自己还是真的在推动学科的发展？
而在这一背景之下，陆续有研究者推荐使用贝叶斯因子（Bayes Factor）来替代NHST中的p值。
什么是贝叶斯统计(Bayesian Statistics)？ 这里推荐阅读一个大佬的回答：
怎样用非数学语言讲解贝叶斯定理（Bayes's theorem）？ - 马同学的回答 - 知乎
如何理解贝叶斯推断和beta分布？
最低0.47元/天 解锁文章
1469
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
