20170315註:半正式公開先導版,收集撰寫意見。

20170328註:使用HackMD製作完整文件,目前進度至第三步。

20170401註:完成第四步。延伸出能否提出在設計研究時就評估最合理效果量的方法,我認為要以固定的貝氏因子,比較不同的效果量維持設定檢定力的樣本數。

據傳是貝葉斯神父本人的肖像畫。取自維基百科。

這篇是介紹與評論Alexander Etz等人所撰寫的導讀式論文“How to become a Bayesian in eight easy steps: An annotated reading list”。設定的讀者是熟悉古典次數主義統計(Frequentist Statistics)的心理學人士,大約知道貝氏定理的存在,不了解如何實用的狀況。Alexander Etz等人介紹八篇論文的用意,是認為這類讀者讀過這八篇之後,能掌握貝氏統計方法的學習架構與正確的使用觀念。這篇網誌為普及貝氏統計教學研究的中文資訊,除了Alexander Etz等人提供的閱讀參考指標,也提出適合讀者需求的閱讀路徑。
下表列出的八篇論文是由Alexander Etz等人挑選的40篇著作再篩選出來,根據內容困難度(Difficulty)與焦點放在理論性/實用性的傾向(Focus),兩項指標都是1到9的評分尺度,每篇著作都在兩項指標有一對分數。如果讀者已對貝氏統計有一定的理解及使用經驗,可以參考指標分數,選擇自己感興趣的論文或專書閱讀。如果是缺乏概念,或者想確認個人使用經驗是否正確的讀者,建議依照Alexander Etz等人的推薦著作排序,按步閱讀,思索這篇論文對自己有沒有直接幫助。下表列出這八篇論文的閱讀重點,表後分享個人的閱讀經驗,以及有助讀者理解的輔助資訊。

論文條目 論文閱讀重點
1.Lindley (1993); 2.Kruschke (2014) 以好懂的例子說明事前機率分配與事後機率分配,資料與樣本的功能是結合事前機率,產生推論根據的事後機率。
3.Dienes (2011) 認識似然性函數(Likelihood Functions);說明貝氏統計與古典次數主義統計的主要差異;介紹客觀派貝氏因子(Bayes Factor)。
4.Rouder, Speckman, Sun, Morey, and Iverson (2009) 介紹主觀派貝氏因子;說明不確定事前機率的狀況,如何運用柯西分配(Cauchy Distribution)計算貝氏因子
5.Vandekerckhove, Matzke, and Wagenmakers (2015) 決定最適模型的貝氏統計方法。
6.van de Schoot et al. (2014) 如何運用蒙地卡羅法(MCMC)估計參數。
7.Lee and Vanpaemel (in submission) 如何決定建立認知模型的最適合事前機率。
8.Lee (2008) 使用貝氏統計方法建立的認知模型,區別運作方式不同的認知歷程。

研究興趣是估計參數的人士(編撰測驗、建立量表等…),讀到第5,6篇可知道要熟練如何運用可信區間(Credible Interval),說明有興趣的參數之真實數值範圍。有興趣發展認知模型的人士,讀到第7,8篇能了解如何收集幫助開發模型的訊息。