Для справки см. Rouder et al.2009 .Пакет BayesFactor в R использует JZS.См. Объяснение в документации по функции ttestBF:
Неинформативный априор Джеффри помещается в дисперсию нормальной популяции, а априорный Коши - в стандартизированный размер эффекта.Аргумент rscale управляет масштабом предыдущего распределения, при этом rscale = 1 дает стандартный предшествующий Коши.Для получения более подробной информации см. Ссылки ниже.
Для аргумента rscale распознаются несколько именованных значений: «средний», «широкий» и «ультраширокий».Они соответствуют r значениям шкалы sqrt (2) / 2, 1 и sqrt (2) соответственно.
Тогда в статье говорится:
Длякак JZS, так и масштабированные информационные априоры, при увеличении r коэффициент Байеса обеспечивает повышенную поддержку нулевого значения.
Что в основном означает, что, если вы ожидаете действительно малых размеров эффекта, вам следует уменьшить значение rпараметр.
О вашем втором вопросе: вы должны быть в состоянии использовать свои данные пилотирования в качестве оценки ожидаемого размера эффекта и соответствующим образом корректировать априоры.Имейте в виду, что вам не следует корректировать свой априор в отношении наблюдаемых данных (т.е. новых данных).
Кроме того, что касается пакета BayesFactor, я бы предположил, что стандартные значения по умолчанию должны работать довольно хорошо с большинством данных (по крайней мере,если это из психологии).См. Другие ссылки, представленные в справочной функции.
Надеюсь, это немного поможет :), к сожалению, я не могу сказать вам, следует ли рассчитывать наилучший масштаб для вашего размера эффекта, так как есть также сделкаВыкл между величиной эффекта и BF для действительно больших размеров выборки.