ด้วยสแตนและส่วนหน้าแพคเกจrstanarm
หรือฉันสามารถวิเคราะห์ข้อมูลทางคชกรรมที่สุดเท่าที่ฉันเคยทำมาก่อนกับการผสมรูปแบบเช่นbrms
lme
ในขณะที่ฉันมีหนังสือและบทความส่วนใหญ่โดย Kruschke-Gelman-Wagenmakers- ฯลฯ บนโต๊ะของฉันสิ่งเหล่านี้ไม่ได้บอกวิธีสรุปผลลัพธ์สำหรับผู้ชมทางการแพทย์ที่ขาดความโกรธแค้นของ Skyesa จาก Bayesian และ Charybdis ของผู้ตรวจสอบทางการแพทย์ ( "เราต้องการความสำคัญไม่ใช่สิ่งที่กระจาย")
ตัวอย่าง: ความถี่กระเพาะอาหาร (1 / นาที) วัดเป็นสามกลุ่ม; การควบคุมสุขภาพเป็นข้อมูลอ้างอิง มีการวัดหลายอย่างสำหรับผู้เข้าร่วมแต่ละคนดังนั้นฉันมักใช้แบบผสมต่อไปนี้lme
:
summary(lme(freq_min~ group, random = ~1|study_id, data = mo))
ผลลัพธ์ที่แก้ไขเล็กน้อย:
Fixed effects: freq_min ~ group
Value Std.Error DF t-value p-value
(Intercept) 2.712 0.0804 70 33.7 0.0000
groupno_symptoms 0.353 0.1180 27 3.0 0.0058
groupwith_symptoms 0.195 0.1174 27 1.7 0.1086
เพื่อความง่ายฉันจะใช้ข้อผิดพลาด 2 * std เป็น 95% CI
ในบริบทบ่อยฉันจะสรุปสิ่งนี้เป็น:
- ในกลุ่มควบคุมความถี่โดยประมาณคือ 2.7 / นาที (อาจเพิ่ม CI ที่นี่ แต่ฉันหลีกเลี่ยงบางครั้งเพราะความสับสนที่เกิดจาก CI สัมบูรณ์และความแตกต่าง)
- ในกลุ่มที่ไม่มีอาการความถี่สูงขึ้น 0.4 / นาที, CI (0.11 ถึง 0.59) / นาที, p = 0.006 มากกว่าการควบคุม
- ในกลุ่มที่มีอาการความถี่สูงขึ้น 0.2 / นาที, CI (-0.04 ถึง 0.4) / นาที, p = 0.11 กว่าการควบคุม
นี่เป็นเรื่องเกี่ยวกับความซับซ้อนสูงสุดที่ยอมรับได้สำหรับสิ่งพิมพ์ทางการแพทย์ผู้วิจารณ์อาจขอให้ฉันเพิ่ม "ไม่สำคัญ" ในกรณีที่สอง
นี่คือเหมือนกันกับstan_lmer
และนักบวชเริ่มต้น
freq_stan = stan_lmer(freq_min~ group + (1|study_id), data = mo)
contrast lower_CredI frequency upper_CredI
(Intercept) 2.58322 2.714 2.846
groupno_symptoms 0.15579 0.346 0.535
groupwith_symptoms -0.00382 0.188 0.384
โดยที่ CredI เป็นช่วงเวลาที่น่าเชื่อถือ 90% (ดูบทความสั้น ๆ rstanarm ทำไม 90% ถูกใช้เป็นค่าเริ่มต้น)
คำถาม:
- วิธีการแปลข้อมูลข้างต้นเป็นโลกของ Bayesian
- จำเป็นต้องมีการสนทนาล่วงหน้าในระดับใด ฉันค่อนข้างแน่ใจว่ากระดาษจะกลับมาพร้อมกับ "สมมติฐานส่วนตัว" ตามปกติเมื่อฉันพูดถึงนักบวช; หรืออย่างน้อยด้วย "ไม่มีการสนทนาทางเทคนิคโปรด" แต่เจ้าหน้าที่ของเบย์ทั้งหมดร้องขอการตีความนั้นใช้ได้ในบริบทของนักบวชเท่านั้น
- ฉันจะส่งตัวแทน "นัยสำคัญ" บางอย่างในสูตรได้อย่างไรโดยไม่มีการทรยศแนวคิดเบย์ บางอย่างเช่น "แตกต่างอย่างน่าเชื่อถือ" (uuuh ... ) หรือเกือบจะแตกต่างอย่างน่าเชื่อถือ (buoha ... , เสียงเหมือน "ที่ขอบอย่างมีนัยสำคัญ)
Jonah Gabry และ Ben Goodrich (2016) rstanarm: แบบจำลองการถดถอยประยุกต์แบบเบย์ผ่านสแตน แพ็คเกจ R เวอร์ชั่น 2.9.0-3 https://CRAN.R-project.org/package=rstanarm
ทีมพัฒนาสแตน (2015) Stan: ไลบรารี C ++ สำหรับความน่าจะเป็นและการสุ่มตัวอย่างเวอร์ชัน 2.8.0 URL http://mc-stan.org/
Paul-Christian Buerkner (2016) brms: แบบจำลองการถดถอยแบบเบย์โดยใช้สแตน แพ็คเกจ R เวอร์ชั่น 0.8.0 https://CRAN.R-project.org/package=brms
Pinheiro J, Bates D, DebRoy S, Sarkar D และ R Core Team (2016) nlme: เชิงเส้นและไม่เชิงเส้นผลกระทบผสมรุ่น แพ็คเกจ R เวอร์ชั่น 3.1-124, http://CRAN.R-project.org/package=nlme>
group_nosymptoms
แต่สำหรับตัดโซ่จะไม่ไปหลงเข้าไปในดินแดนลบสำหรับข้อมูลเหล่านี้ดังนั้นผมคิดว่าคุณอาจจะบอกว่าน่าจะเป็นน้อยกว่า1 / draws
1 / draws
mean(as.matrix(freq_stan)[,"groupwith_symptoms"] < 0)
อย่างแม่นยำมากขึ้นด้วยการทำ