[問題] 貝氏統計中的調節分析

看板Statistics作者 (財會人)時間8年前 (2018/02/19 06:00), 8年前編輯推噓0(0推 0噓 9→)
留言9則, 2人參與, 8年前最新討論串1/1
前陣子開始接觸貝氏統計 現在正在用JASP重跑以前的資料 遇到調節分析不曉得該如何著手... 從前用SPSS跑調節分析 分成三個步驟 1:以X和M去預測Y Y=β+βX+βM 得 R平方1 2:計算交互作用X*M 3:以X, M及XM去預測Y Y=β+βX+βM+βXM 得 R平方2 最後看(R平方2-R平方1)是否顯著 顯著就代表有調節效果 JASP中有貝氏分析的多元回歸可以用 請問我可不可以用一樣的步驟 直接在貝氏的多元回歸中 比較沒有交互變項X*M的模型1 以及有交互變項X*M的模型2 看哪個貝氏因子BF10較大 若模型2的BF10較大 就說有調節效果的模型比較好這樣呢? 謝謝各位版友 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 128.199.51.234 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1518991236.A.093.html
→
02/19 17:23, 8年前 , 1F
你說的每個BF是指哪二個模型得到的BF？
02/19 17:23, 1F
https://i.imgur.com/kGL3HsB.png
(圖中把調節打成中介了 是誤字) 只有獨變項X+調節變項M的模型(對應Y=β+βX+βM) 和獨變項X+調節變項M+交互變項X*M的模型(對應Y=β+βX+βM+βXM) 兩個的BF來比 像圖中沒有交互變項X*M的模型 BF有0.448 加了交互變項X*M後 BF只有0.165 想說這是不是可以代表說沒有調節效果 謝謝 ※ 編輯: FAccounting (45.32.147.101), 02/19/2018 22:43:02 ※ 編輯: FAccounting (45.32.147.101), 02/19/2018 22:45:07
→
02/20 00:11, 8年前 , 2F
我的意思是每一個BF都是由二個模型相比來的。
02/20 00:11, 2F
謝謝您回覆 如您所說 每一個BF都是與null model相比來的 我想了想 改成把只有獨變項X+調節變項M的(對應Y=β+βX+βM)設為null model 然後與加了交互變項X*M的模型兩個來比 https://i.imgur.com/rijskKr.png
(BF10 = 0.369 = 0.165/0.448) 得出有交互變項X*M的模型比較差的結論 不知您是否這個意思? 謝謝 ※ 編輯: FAccounting (45.32.147.101), 02/20/2018 01:09:58
→
02/22 14:56, 8年前 , 3F
你最後說的方法和你正文中說的是比較相似的。
02/22 14:56, 3F
→
02/22 14:58, 8年前 , 4F
雖然我不知道答案，但觀察每個模型的posterior P應該
02/22 14:58, 4F
→
02/22 14:59, 8年前 , 5F
可以看出交互作用的合宜程度。
02/22 14:59, 5F
謝謝！ ※ 編輯: FAccounting (209.250.242.189), 02/22/2018 21:06:02
→
02/24 15:11, 8年前 , 6F
你要看的是(XM)的效應, 用BF來看的話, 應直接考慮兩模型比
02/24 15:11, 6F
→
02/24 15:13, 8年前 , 7F
較而得BF. 不能以兩模型分別與 null model 比的BF來比較.
02/24 15:13, 7F
→
02/24 15:15, 8年前 , 8F
就像在非貝氏分析, 不能以兩模型分別與 null model 比的F統
02/24 15:15, 8F
→
02/24 15:16, 8年前 , 9F
計量甚至P值來比一樣.
02/24 15:16, 9F
謝謝 我一直擔心在貝氏統計中不能直接用比較有無XM的方式做調節分析 看了您兩位的回覆後比較放心了 謝謝 ※ 編輯: FAccounting (188.166.32.209), 02/25/2018 00:24:26
‣ 更多 FAccounting 的文章
文章代碼(AID): #1QYVU42J (Statistics)