我有一些试点数据，我应该能够利用这些数据在较新的数据集上调整贝叶斯 t 检验中的先验。
我一直在通过 R 中的包 BayesFactor 使用默认设置执行贝叶斯 t 检验。谁能阐明我如何准确地调整此类测试的先验？
此外，我需要从试点数据中获得什么才能实现这一目标？我怀疑效果大小？
这是一个使用默认设置如何使用贝叶斯 t 检验的示例：
ttestBF(x = df1$Value, df2$Value, paired = TRUE)
感谢您的宝贵时间。
【问题讨论】：
有关参考，请参阅Rouder et al. 2009。 R 中的 BayesFactor 包使用 JZS 先验。见ttestBF函数文档中的解释：
非信息性 Jeffreys 先验用于正常总体的方差，而 Cauchy 先验用于标准化效应大小。 rscale 参数控制先验分布的比例，rscale=1 产生标准的柯西先验。有关详细信息，请参阅下面的参考资料。
对于 rscale 参数，可以识别几个命名值：“medium”、“wide”和“ultrawide”。这些分别对应于 sqrt(2)/2、1 和 sqrt(2) 的 r 个比例值。
然后在论文中说：
对于 JZS 和缩放信息先验，如 r 增加时，贝叶斯因子为空值提供了更多的支持。
这基本上意味着，如果您期望效果非常小，您应该降低 r 参数。
关于你的第二个问题：
您应该能够使用您的试验数据作为对预期效果大小的估计，并相应地调整先验。
请注意，您不应根据观察到的数据（即新数据）调整您的先前数据。
此外，关于 BayesFactor 包，我假设默认先验应该适用于大多数数据（至少如果它来自心理学）。请参阅帮助功能中提供的其他参考资料。
我希望这会有所帮助 :) 不幸的是，我无法告诉您是否或如何为您的效果大小计算最佳比例，因为对于非常大的样本量，效果大小和 BF 之间也存在权衡。
【讨论】：