基于已知分配的两分量高斯混合与实际等价域、用于不确定性下效应量估计的贝叶斯两样本 t 检验
统计方法学
2020-05-18 v2
摘要
在如随机对照试验（RCT）等生物医学研究中，检验治疗组与对照组间差异是常见做法。标准两样本 t 检验依赖于通过 p 值的零假设显著性检验（NHST），其存在若干缺陷。近期引入了使用贝叶斯因子的贝叶斯替代方法，但其自身也有局限。本文通过将底层模型解释为两分量高斯混合（其中效应量为关注量，这在临床研究中最为相关）来介绍一种对现有贝叶斯两样本 t 检验的替代方案。与 p 值或贝叶斯因子不同，所提方法聚焦于不确定性下的估计而非显式假设检验。因此，通过 Gibbs 采样器产生效应量的后验，随后将其用于基于实际等价域（ROPE）的不确定性下估计或显式假设检验。一个说明性示例、理论结果与一项模拟研究展示了所提方法的实用性，该检验已在 R 包 bayest 中提供。
引用
@article{arxiv.1906.07524,
title = {A new Bayesian two-sample t-test for effect size estimation under uncertainty based on a two-component Gaussian mixture with known allocations and the region of practical equivalence},
author = {Riko Kelter},
journal= {arXiv preprint arXiv:1906.07524},
year = {2020}
}