Menentukan sebelum untuk ukuran efek dalam meta-analisis

Saya keprihatinan pertanyaan prior pada efek ukuran, dalam proyek saya mengukur adalah Cohen . Melalui membaca literatur, tampaknya prior yang samar sering digunakan, seperti dalam delapan sekolah yang terkenal contoh meta-analisis Bayesian hirarkis. Dalam contoh delapan sekolah, saya telah melihat samar-samar yang sebelumnya digunakan untuk estimasi mu, seperti μ θ ∼ normal ( 0 , 100 ) .$D$$\mu_{\theta} \sim \operatorname{normal}(0, 100)$

Disiplin saya adalah psikologi, di mana efek ukuran biasanya kecil. Karena itu, saya mempertimbangkan untuk menggunakan ini sebelumnya: . Rasional saya untuk prior yang ketat seperti itu adalah, dari pemahaman saya tentang prior, saya menempatkan probabilitas 95% sebelumnya bahwa μ $\mu_{\theta} \sim \operatorname{normal}(0, .5)$$\mu_{\theta}$ adalah antara -1 hingga 1, meninggalkan probabilitas 5% sebelum untuk efek yang lebih besar yaitu -1 atau 1.

Seperti sangat jarang adalah efek sebesar ini, apakah ini dibenarkan sebelumnya?

Seperti sangat jarang adalah efek sebesar ini, apakah ini dibenarkan sebelumnya?

Saya pikir prior Anda baik-baik saja, selama Anda dapat mempertahankannya dengan argumen ekstra-statistik (misalnya dengan melihat karya-karya mapan dalam literatur ilmiah psikologis).

Namun, pastikan Anda juga melakukan analisis sensitivitas menggunakan prior yang kurang informatif, untuk memeriksa apakah distribusi posterior Anda terlalu bergantung pada asumsi Anda. Jika ini masalahnya, dengan temuan serupa dalam hal arah dan besarnya efek, maka hasil Anda akan tampak jauh lebih kuat dan valid.