fbst：一个基于 e 值对精确零假设及其备择假设进行全贝叶斯显著性检验的 R 包
统计方法学
2020-06-08 v1 统计计算
摘要
假设检验是心理学与认知科学中的核心统计方法。然而，零假设显著性检验（NHST）与 p 值的问题已被广泛讨论，但鲜有吸引人的替代方案。本文介绍 fbst R 包，其通过 e 值实现全贝叶斯显著性检验（FBST）以对精确零假设及其备择假设进行检验。FBST 的统计理论由 Pereira 等人（1999）在二十多年前提出，此后 FBST 已被证明是 NHST 与 p 值的一种贝叶斯替代方案，兼具理论与实践中极具吸引力的性质。fbst 包所提供的算法适用于任何贝叶斯模型，只要其后验分布至少可数值获得。该包的核心函数提供反对零假设的贝叶斯证据，即 e 值。此外，可计算基于渐近论证的 p 值，并生成用于结果传达与解释的丰富可视化。本文给出认知科学中三种常用统计过程的示例，演示如何使用 fbst 包在实践中应用 FBST。基于 FBST 在统计科学中的成功，fbst 包应能引起心理学与认知科学广大研究人员的兴趣，并有望鼓励研究者在开展精确零假设检验时考虑将 FBST 作为可能的替代方案。
引用
@article{arxiv.2006.03332,
title = {fbst: An R package for the Full Bayesian Significance Test for testing a sharp null hypothesis against its alternative via the e-value},
author = {Riko Kelter},
journal= {arXiv preprint arXiv:2006.03332},
year = {2020}
}