Especificación previa del tamaño del efecto en el metanálisis


13

Mi pregunta se refiere a los antecedentes sobre los tamaños del efecto, en mi proyecto la medida es la de Cohen . Al leer la literatura, parece que a menudo se utilizan vagos antecedentes, como en el conocido ejemplo de ocho escuelas de un metanálisis bayesiano jerárquico. En el ejemplo de las ocho escuelas, he visto un vago uso previo para la estimación de mu, como .reμθnormal(0 0,100)

Mi disciplina es la psicología, donde los tamaños de los efectos suelen ser pequeños. Como tal, estaba considerando usar esto antes: . Mi razonamiento para un prior tan apretado es que, desde mi comprensión de los anteriores, estoy colocando una probabilidad previa del 95% de que esté entre -1 y 1, dejando una probabilidad previa del 5% para que los efectos sean mayores que: 1 o 1.μθnormal(0 0,.5)μθ

Como rara vez los efectos son tan grandes, ¿se justifica esto anteriormente?


77
Creo que sus antecedentes están bien, siempre que pueda defenderlos con argumentos extra estadísticos. Sin embargo, asegúrese de realizar también un análisis de sensibilidad utilizando antecedentes menos informativos, para verificar si su distribución posterior depende demasiado de sus suposiciones.
Joe_74

2
Un par de pruebas de sensibilidad directas sería utilizar distribuciones t de estudiante con 4 o 7 grados de libertad y cambiar la escala de la distribución. Si sospecha sesgo de publicación en su muestra, estas pruebas de sensibilidad no le dirán mucho. Puede tener en cuenta el sesgo de publicación en su anterior. Vea el trabajo de Joachim Vandekerckhove cogsci.uci.edu/~joachim/publications.php
stijn

1
@ Joe_74, ¿puede colocar su comentario como respuesta?
Morgan Ball

@MorganBall lo hará
Joe_74

Respuestas:


2

Como rara vez los efectos son tan grandes, ¿se justifica esto anteriormente?

Creo que sus antecedentes están bien, siempre y cuando pueda defenderlos con argumentos extraestadísticos (por ejemplo, mirando trabajos establecidos en la literatura académica psicológica).

Sin embargo, asegúrese de realizar también un análisis de sensibilidad utilizando antecedentes menos informativos, para verificar si su distribución posterior depende demasiado de sus suposiciones. Si este es el caso, con resultados similares en términos de dirección y magnitud del efecto, sus resultados aparecerán mucho más sólidos y válidos.

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.