贝叶斯元分析 t 检验 - 混合一个样本和两个样本 (BayesFactor)
Bayesian meta-analytic t tests - mix one- and two-sample (BayesFactor)
BayesFactor 包提供了一个函数来估计元分析 t 检验的贝叶斯因子 (meta.ttestBF)。该过程基于 Rouder 和 Morey 的一篇文章（2011 年；link）。
meta.ttestBF 可用于获取一系列 "one- and two-sample designs." 的贝叶斯因子 我假设这是指配对和独立的 t 检验。
我的问题是是否有办法混合来自一个样本和两个样本设计的 t 值。假设我有四项研究。其中三个使用双样本设计，一个使用单样本设计。如果都是同一类型，那就简单了：
t <- c(-.15, 2.39, 2.42, 2.43)
N1 <- c(100, 150, 97, 99)
N2 <- c(100, 150, 97, 99)
# One-sample
meta.ttestBF(t = t, n1 = N1)
# Two-sample
meta.ttestBF(t = t, n1 = N1, n2 = N2)
那么，t值1到3是双样本t检验，t值4是单样本t检验怎么办？
我已经在这里回答了这个问题：https://github.com/richarddmorey/BayesFactor/issues/122。简短的回答是 "not really, because effect sizes have different interpretations in the two models."
BayesFactor 包提供了一个函数来估计元分析 t 检验的贝叶斯因子 (meta.ttestBF)。该过程基于 Rouder 和 Morey 的一篇文章（2011 年；link）。
meta.ttestBF 可用于获取一系列 "one- and two-sample designs." 的贝叶斯因子 我假设这是指配对和独立的 t 检验。
我的问题是是否有办法混合来自一个样本和两个样本设计的 t 值。假设我有四项研究。其中三个使用双样本设计，一个使用单样本设计。如果都是同一类型，那就简单了：
t <- c(-.15, 2.39, 2.42, 2.43)
N1 <- c(100, 150, 97, 99)
N2 <- c(100, 150, 97, 99)
# One-sample
meta.ttestBF(t = t, n1 = N1)
# Two-sample
meta.ttestBF(t = t, n1 = N1, n2 = N2)
那么，t值1到3是双样本t检验，t值4是单样本t检验怎么办？
我已经在这里回答了这个问题：https://github.com/richarddmorey/BayesFactor/issues/122。简短的回答是 "not really, because effect sizes have different interpretations in the two models."