![80697d14309306711125b531f481ab83.png](https://i-blog.csdnimg.cn/blog_migrate/4528a636484e78219f786c46ff04a8c7.jpeg)
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。
![134aa37b3b7c9fde15556ce1be01011e.png](https://i-blog.csdnimg.cn/blog_migrate/103d72cf773bf2e02854908ff7b0021b.jpeg)
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。
![ea4b0cb7a4ab0f4ad89d682ef26d51ac.png](https://i-blog.csdnimg.cn/blog_migrate/02f53b3b4f0fd3cc30d7938a81960dc7.jpeg)
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?