置信区间的证据校准
统计方法学
2023-06-28 v3
摘要
我们提出了一种新颖且易用的方法，用于将基于错误率的置信区间校准为基于证据的支持区间。支持区间由基于参数估计及其标准误的 Bayes 因子反演得到。 支持区间可解释为“在所含参数值下观测数据至少比在指定备择下可能 倍”。支持区间依赖于备择下参数先验分布的设定，我们给出了若干类型以编码不同形式的外部知识。我们还展示了如何通过考虑一类先验分布并计算所谓的最小支持区间，在一定程度上避免先验设定；对于给定先验类，最小支持区间与置信区间存在一一映射。我们还说明了如何基于支持概念确定未来研究的样本量。最后，我们展示了 Bayes 因子的 I 类错误率界限如何导出支持区间覆盖率的界限。一项临床试验数据的应用说明了支持区间如何得出直观且信息丰富的推断。
引用
@article{arxiv.2206.12290,
title = {Evidential Calibration of Confidence Intervals},
author = {Samuel Pawel and Alexander Ly and Eric-Jan Wagenmakers},
journal= {arXiv preprint arXiv:2206.12290},
year = {2023}
}