Я хотел бы вычислить контрасты между различными уровнями параметра из моих байесовских моделей смешанных эффектов в R и получить байесовские факторы. Мой результат (Jud) является двоичным (1 = Да / В синхронизации, 0 = Нет / Вне синхронизации), а параметр SOAsF является фактором с 6 уровнями (0, 100, 200, 300, 400, 500).
Следуя различным учебникам / функциям [# 1] , [# 2] и [# 3] , вот мой код с 3 различными способами :
library(emmeans)
library(brms)
library(modelbased)
brm_acc_1<-brm(Jud ~ SOAsF +(1|pxID),data =dat_long, family=bernoulli("logit"), prior = set_prior('normal(0,10)'), iter = 2000, chains=4, save_all_pars = TRUE)
summary(brm_acc_1)
brms::conditional_effects(brm_acc_1)
####1
groups <- emmeans(brm_acc_1, ~ SOAsF)
group_diff <- pairs(groups)
(groups_all <- rbind(groups, group_diff))
bayesfactor_parameters(groups_all, prior = brm_acc_1, direction = "two-sided", effects = c("fixed", "random", "all"))
####2
ppc <- pp_check(brm_acc_1, type = "stat_grouped", group = "SOAsF")
#contrast 200 - 300
contrast_300_200 <- ppc$data$value[ppc$data$group == "200"] - ppc$data$value[ppc$data$group == "300"]
quantile(contrast_300_200*100, probs = c(.5, .025, .975))
####3
h_1 <- hypothesis(brm_acc_1, "SOAsF200 < SOAsF300")
print(h1, digits = 4)
h2 <- hypothesis(brm_acc_1, "SOAsF200 > SOAsF300")
print(h2, digits = 4)
Результат:
####1
# Bayes Factor (Savage-Dickey density ratio)
Parameter | BF
-----------------------
0, . | 8.08e-03
100, . | 0.61
200, . | 7.29e+03
300, . | 67.77
400, . | 21.81
500, . | 0.28
., 0 - 100 | 2.75
., 0 - 200 | 1.90e+05
., 0 - 300 | 410.42
., 0 - 400 | 570.11
., 0 - 500 | 1.03
., 100 - 200 | 0.5
., 100 - 300 | 0.05
., 100 - 400 | 0.02
., 100 - 500 | 7.13e-03
., 200 - 300 | 0.01
., 200 - 400 | 0.01
., 200 - 500 | 1.11
., 300 - 400 | 7.21e-03
., 300 - 500 | 0.1
., 400 - 500 | 0.04
* Evidence Against The Null: [0]
####2
50% 2.5% 97.5%
1.988631 -3.707585 7.680694
####3
Hypothesis Tests for class b:
Hypothesis Estimate Est.Error CI.Lower CI.Upper
1 (SOAsF200)-(SOAsF... < 0 0.0881 0.0903 -0.0612 0.2372
Evid.Ratio Post.Prob Star
1 0.1919 0.161
---
'CI': 90%-CI for one-sided and 95%-CI for two-sided hypotheses.
'*': For one-sided hypotheses, the posterior probability exceeds 95%;
for two-sided hypotheses, the value tested against lies outside the 95%-CI.
Posterior probabilities of point hypotheses assume equal prior probabilities.
Hypothesis Tests for class b:
Hypothesis Estimate Est.Error CI.Lower CI.Upper
1 (SOAsF200)-(SOAsF... > 0 0.0881 0.0903 -0.0612 0.2372
Evid.Ratio Post.Prob Star
1 5.2112 0.839
---
'CI': 90%-CI for one-sided and 95%-CI for two-sided hypotheses.
'*': For one-sided hypotheses, the posterior probability exceeds 95%;
for two-sided hypotheses, the value tested against lies outside the 95%-CI.
Posterior probabilities of point hypotheses assume equal prior probabilities.
Итак, на примере контрастов 200 против 300. Представлены ли звуки в SOA 200 одинаково оценивается как синхронно (да) по сравнению со звуками, представленными в SOA 300?
Способ № 1, по-видимому, свидетельствует о нулевой гипотезе SOA 200 - SOA 300 = 0 с BF = 0,01; поэтому они кажутся одинаково оправданными, как при синхронизации?
Способ № 2, по-видимому, дает мало доказательств в пользу нулевой гипотезы SOA 200 = SOA 300 с доказательствами 1.988631% 95% ДИ [-3.707585, 7.680694].
Способ № 3, по-видимому, свидетельствует об альтернативной гипотезе SOA 200> SOA 300 ИЛИ SOA 200 - SOA 300 <0 с BF = 5,2112. </p>
Нахожу ли я различия, поскольку # 1 является двусторонним в то время как # 3 односторонний?
Однако мне не удалось запустить # 1 односторонний (с направлением = "влево" или "вправо")
bayesfactor_parameters(groups_all, prior = brm_acc_1, direction = ">", effects = c("fixed", "random", "all") )
Computation of Bayes factors: sampling priors, please wait...
Error in `$<-.data.frame`(`*tmp*`, "ind", value = 8L) :
replacement has 1 row, data has 0
или # 3 двусторонняя (гипотеза (brm_acc_1, "SOAsF200 - SOAsF300 = 0"))
Hypothesis Tests for class b:
Hypothesis Estimate Est.Error CI.Lower CI.Upper
1 (SOAsF200-SOAsF300) = 0 0.0881 0.0903 -0.0914 0.2682
Evid.Ratio Post.Prob Star
1 NA NA
---
'CI': 90%-CI for one-sided and 95%-CI for two-sided hypotheses.
'*': For one-sided hypotheses, the posterior probability exceeds 95%;
for two-sided hypotheses, the value tested against lies outside the 95%-CI.
Posterior probabilities of point hypotheses assume equal prior probabilities.
Я застрял, любая помощь будет оценена. Спасибо.