一种更优的（贝叶斯）被试内设计区间估计
统计方法学
2018-06-14 v3
摘要
我们开发了一种用于被试内设计的贝叶斯最高密度区间 (HDI)。该可信区间基于标准的无信息先验，以及以数据和被试特定随机效应的点估计为条件的修正后验分布。以估计的随机效应为条件消除了被试间方差，并产生了 Loftus 和 Masson (1994) 提出的被试内置信区间的贝叶斯类比区间。我们表明，后一区间也可在某个不恰当先验下推导为贝叶斯被试内 HDI。我们认为所提出的新区间优于原始被试内置信区间，理由是：(a) 它基于更合理的先验，(b) 它具有清晰且直观吸引人的解释，以及 (c) 因为它的长度总是更小。我们还推导了可应用于异方差数据的新区间的推广，并表明所得区间在数值上等价于 Franz 和 Loftus (2012) 中讨论的归一化方法；然而，我们的工作为归一化方法提供了贝叶斯表述，并由此识别了相关的先验分布。
引用
@article{arxiv.1802.08229,
title = {A Better (Bayesian) Interval Estimate for Within-Subject Designs},
author = {Farouk S. Nathoo and Robyn E. Kilshaw and Michael E. J. Masson},
journal= {arXiv preprint arXiv:1802.08229},
year = {2018}
}