字母 Pi：广义线性模型中 p 值的贝叶斯解释、可重复性及对复现的考量

基于 p 值的显著性检验已被指为科学研究中可重复性危机的诱因之一，其中一项提议是废除 p 值而改用贝叶斯分析。p 值的捍卫者反驳称，问题出在误用和解释错误，而非 p 值本身。自 p 值正式引入统计实践以来，关于其作用的类似争论每隔 10 至 15 年便定期出现。p 值解释反复失败与其持续使用之间的明显矛盾表明，这些数值的计算具有推断价值。本文中，我们为广义线性模型（应用统计工作的主力）中作为 p 值计算和报告的数字附加一种激进的贝叶斯解释。我们引入一个对后验尾部区域（pi 值）进行阈值的决策分析框架，对于任何给定的贝叶斯分析，该框架将与非贝叶斯方法中的 p 值直接对应。pi 值是无争议的处理效应的后验概率摘要。我们提出预测概率论证，以证明探索 p 值和 pi 值的随机变异（复现概率）的合理性，并最终形成一项旨在实现可重复性的似然与贝叶斯数据分析方法综合的具体提议。我们使用近期心血管代谢与肾脏疾病随机对照试验的结果阐释这些概念，并提供用于实现所提方法的 R 代码。