在使用多层级数据的研究中,贝叶斯序列设计

科学领域:

• 社会和行为科学 社会和行为科学
• 多层次建模的多层次建模
• 统计学研究设计的设计.

背景情况:

• 许多社会和行为科学研究具有多层次数据结构,受试者被嵌套在集群中.
• 准确的先验估计效应大小和类内相关系数对于确定必要的集群数量来实现所需的统计能力至关重要.
• 不准确的估计可能导致研究不足或过度,需要调整研究设计.

研究的目的:

• 引入贝叶斯序列设计,作为多层次数据研究中传统组序列设计的灵活替代方案.
• 解释贝叶斯序列设计的方法,重点是使用贝叶斯因子来评估假设和决策.
• 通过模拟研究来研究贝叶斯序列设计的性能.

主要方法:

• 该研究引入了贝叶斯序列设计,该设计基于使用贝叶斯因子的数据支持证据来比较假设.
• 如果没有任何假设获得足够的支持,则加入额外的集群,并反复计算贝叶斯因子.
• 进行了一项模拟研究,以评估在两组对比设置中改变每个组的最小和最大集群数量以及所需支持水平的影响.

主要成果:

• 贝叶斯序列设计提供了一种灵活的方法来管理多层次数据的研究中的样本大小.
• 模拟研究证明了这种贝叶斯式方法在不同设计参数下的可行性和适应性.
• 这些发现表明,贝叶斯序列设计可以有效地解决传统设计中常见的不足或过度强大的问题.

结论:

• 贝叶斯序列设计是作为多层次研究中群组序列设计的可行和灵活的替代方案.
• 贝叶斯因子的使用允许自适应性数据收集和假设测试,提高研究效率.
• 这种方法为处理复杂数据结构的社会和行为科学研究人员提供了一个强大的框架.