如何用 Bayes 因子指导决策

一些科学研究问题要求指导决策，而另一些则不然。就其性质而言，频率学派假设检验产生二分类的检验决策结果，使其对后一类研究问题相当不合适。然而，Bayes 因子被认为既能够避免做出决策，也可被用于指导决策。本文详述了如何使用 Bayes 因子来指导决策。在这方面，阐述了其在 Bayesian 决策理论框架中的嵌入，其中需要指定（基于假设的）损失函数。通常，这样的指定对应用科学家而言是困难的，因为相关信息可能稀缺、模糊、片面且含混。为解决此问题，允许对该损失函数进行稳健的区间值指定，从而可将本质但片面的信息如实纳入分析。此外，若关注决策，则可放宽先验分布须为恰当分布（计算 Bayes 因子所必需）的限制。基于稳健损失函数的假设型 Bayesian 决策理论这一 resultant 框架，以及如何从已有 Bayes 因子导出最优决策，均通过用户友好且直白的逐步指南予以说明。