贝叶斯相关分析实操教程:从数据到结果解读.docxVIP

  • 0
  • 0
  • 约6.18千字
  • 约 8页
  • 2026-11-18 发布于北京
  • 举报

贝叶斯相关分析实操教程:从数据到结果解读.docx

贝叶斯相关分析实操教程:从数据到结果解读

案例数据下载:/data/bayes_correlation_sample.csv

方法简介

贝叶斯相关分析(Bayesiancorrelationanalysis)估计两个连续变量之间Pearson相关系数ρ的后验分布,并用贝叶斯因子比较“有相关”与“无相关”两个模型。传统相关分析给出样本r与p值,只能回答“若总体不相关,出现当前样本相关的概率有多小”;贝叶斯相关分析直接给出ρ可能落在哪个区间、方向有多确定、证据有多强。SPSSAU的似然采用Hotelling(1953)的精确密度(含2F1超几何因子),先验采用拉伸Beta分布,后验在2001点网格上归一化,全流程确定性计算,不抽样。

先验写作π(ρ)∝(1?ρ2)1/κ?1,κ是宽度参数:κ=1时退化为(?1,1)上的均匀先验,是最常用的缺省值;κ小于1时先验向0收缩,更适合“预期相关很弱”的场景;κ大于1时先验在两端堆积。后验由精确似然乘先验后在网格上归一化得到,因此均值、中位数、标准差、等尾区间与HDI都是同一条件下后验的直接读数。

BF10用Savage-Dickey方法计算:先验密度在ρ=0处的值除以事后密度在ρ=0处的值,等价于“有相关”模型与“无相关”模型的边

文档评论(0)

1亿VIP精品文档

相关文档