Specificare in precedenza la dimensione dell'effetto nella meta-analisi

La mia domanda riguarda i priori sulle dimensioni degli effetti, nel mio progetto la misura è la di Cohen . Leggendo la letteratura sembra che vengano spesso usati vaghi priori, come nel noto esempio di otto scuole di una meta-analisi gerarchica bayesiana. Nell'esempio delle otto scuole, ho visto un vago precedente usato per la stima di mu, come μ θ ∼ normale ( 0 , 100 ) .$D$$\mu_{\theta} \sim \operatorname{normal}(0, 100)$

La mia disciplina è la psicologia, dove le dimensioni degli effetti sono generalmente piccole. In quanto tale, stavo prendendo in considerazione l'uso di questo precedente: . La mia logica per un precedente così stretto è che, dalla mia comprensione dei priori, sto ponendo una probabilità del 95% che$\mu_{\theta} \sim \operatorname{normal}(0, .5)$ sia tra -1 a 1, lasciando una probabilità precedente del 5% per effetti maggiori di -1 o 1.$\mu_{\theta}$

Come raramente gli effetti sono così grandi, è giustificabile prima?

Come raramente gli effetti sono così grandi, è giustificabile prima?

Penso che i tuoi priori stiano bene, purché tu possa difenderli con argomenti extra-statistici (ad es. Guardando le opere stabilite nella letteratura accademica psicologica).

Tuttavia, assicurati di eseguire anche un'analisi di sensibilità utilizzando priori meno informativi, per verificare se la tua distribuzione posteriore si basa troppo sui tuoi presupposti. Se questo è il caso, con risultati simili in termini di direzione e entità dell'effetto, i risultati appariranno molto più robusti e validi.