能告诉你什么
Crosstabs 在你的设备上运行与 SPSS BAYES ONESAMPLE 对应的过程,支持正态、二项和泊松数据,在经典 t 检验旁同时给出 BF10、BF01 和等尾可信区间。
- 数据在备择假设下出现的可能性是在检验值假设下的多少倍(BF10),或反过来(BF01)。
- 数据是否主动支持检验值——BF01 大于 3 即为支持原假设的证据,而不显著的 p 值从来不是。
- 平均值、比例或比率的后验众数、后验平均值与后验方差,以及你所选水平的可信区间。
- 对于二分类数据,成功类别的观察比例,以及贝塔后验如何更新先验。
适用场景
适合使用
- 将连续变量与基准、目标或公开常模比较(满意度对比 7 分、重量对比标示值)。
- 检验是/否比率是否不同于参考比例,例如 50% 的偏好或 5% 的缺陷率。
- 按单位计数的数据(每日投诉数、每页错误数),检验其是否符合预期的泊松率。
- 你希望陈述“与基准无差异”的证据,而不仅仅是未能拒绝原假设。
改用其他方法
- 同一批对象的两次测量:使用贝叶斯配对样本,它检验差值的平均值。
- 两个独立组相互比较:使用贝叶斯独立样本。
- 使用调查设计权重采集的数据:面板不接受抽样权重,请使用复杂抽样或报告不加权结果。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开 .sav、CSV 或 Excel 文件并切换到“统计”模式。数据不会被上传。
- 02
选择分布
在“贝叶斯统计”组中打开“贝叶斯单样本推断”,将“分布”设为“正态(平均值)”“二项(比例)”或“泊松(比率)”。然后勾选“检验变量”,并填写“检验值”“检验比例”或“检验比率”。
- 03
设置贝叶斯因子
对于平均值,选择“方法”:“JZS(Rouder),柯西尺度 1”“固定 g,未知方差”或“已知方差”。对于比例或比率,将“原假设”设为点值或贝塔/伽马先验 (a0, b0),并填写备择 a1 与 b1。
- 04
选择后验的先验
在“后验的先验”中,平均值可从九种先验中选择(扩散、两种 Jeffreys、共轭及已知方差选项);比例或比率可选预设,如“均匀 贝塔(1, 1)”“Jeffreys 贝塔(0.5, 0.5)”或“Jeffreys(a0 = 0.5,b0 = 0)”。二分类变量还需设置“成功定义为”:最后一个类别、第一个类别、中点或分界值。
- 05
运行并阅读
设置“可信区间(%)”后点击“运行贝叶斯单样本推断”。若工作区启用了权重,需先声明为频率权重或选择不加权运行。每个检验变量使用各自的有效个案。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出,并非手工填写。
数据
两个由固定随机种子生成的模拟变量:rating 是 24 名购物者对结账流程的 0–10 分评分,以 7 分为检验值;converted 是 40 名试用用户是否转化的 0/1 结果,以比例 0.5 为检验值。
| 变量 | N | 平均值 | 标准差 | BF01 | BF10 | t | df | 显著性(双尾) |
|---|---|---|---|---|---|---|---|---|
| rating | 24 | 7.88 | 1.17 | 0.038 | 26.076 | 3.664 | 23 | .001 |
Rouder 等人(2009)的 JZS 先验,柯西尺度 1;检验值 = 7。
| 变量 | 后验众数 | 后验平均值 | 后验方差 | 95% 可信区间下限 | 95% 可信区间上限 |
|---|---|---|---|---|---|
| rating | 7.875 | 7.875 | 0.0690 | 7.355 | 8.395 |
扩散先验;等尾可信区间。
| 变量 | 成功 | N | 成功次数 | 观察比例 | BF01 | BF10 | 95% 可信区间 |
|---|---|---|---|---|---|---|---|
| converted | 1 | 40 | 11 | 0.275 | 0.086 | 11.600 | 0.161 – 0.429 |
H0:π = 0.5,对比 H1:π ~ 贝塔(1, 1);后验基于均匀 贝塔(1, 1) 先验。
结果解读
评分平均值为 7.88,与检验值 7 比较 t(23) = 3.66,p = .001。JZS 贝叶斯因子显示支持备择假设的证据为强(BF10 = 26.076),平均值的 95% 可信区间为 7.36 至 8.39。转化方面,40 名用户中有 11 名转化(0.275);对比 π = 0.5,二项检验显示支持备择假设的证据为强(BF10 = 11.600),后验比例位于 0.161 至 0.429 之间。
输出表格说明
- 贝叶斯因子单样本 t 检验
- N、平均值、标准差、均值标准误、BF01 与 BF10,以及相对检验值的经典 t、df 和双尾显著性。
- 单样本平均值的后验分布特征
- 所选先验下平均值的后验众数、后验平均值、后验方差及等尾可信区间;另有图形叠加显示先验与后验。
- 贝叶斯因子单样本二项检验
- 成功类别、N、成功次数、观察比例,以及点值或贝塔原假设对比贝塔(a1, b1) 备择假设的 BF01/BF10。
- 二项比例的后验分布特征
- 以众数、平均值、方差和可信区间概括贝塔(a + 成功次数, b + 失败次数) 后验;反众数或平坦后验会被标注。
- 贝叶斯因子单样本泊松检验
- N、总计数、观察比率,以及点值或伽马原假设对比伽马备择假设的贝叶斯因子;配套的后验表概括伽马(a + 总计数, b + N) 比率后验。
前提假设与注意事项
- 个案是来自同一总体的独立抽取;频率权重必须是整数个案数,每个个案按其权重计数。
- 正态选项假设变量近似正态;贝叶斯因子由 t 统计量决定,因此在小样本中与 t 检验一样对离群值敏感。
- 泊松选项需要非负整数计数,且其平均值与方差相近。
- 贝叶斯因子取决于备择假设的先验:效应先验越宽越偏向原假设,因此应报告所用方法与设置。
结果如何验证
与独立的 Python 参考实现(以 mpmath 30 位精度求积 BAYES 公式,并使用 SciPy、pingouin)及 R 包 BayesFactor 0.9.12.4.8 对照:JZS 因子与 ttestBF(rscale = 1) 的相对误差在 1e-8 以内,与 pingouin 在 1e-7 以内;固定 g、已知方差、二项和泊松因子在 1e-12 以内一致;九种正态先验下的后验在 1e-11 以内一致,可信区间端点在 1e-9 以内;频率权重与按权重复制个案的结果一致。 验证证据(英文)
常见问题
BF10 和 BF01 怎么读?
BF10 = 5 表示数据在备择假设下出现的可能性是在检验值假设下的 5 倍;BF01 是其倒数。通常 1/3 到 3 之间称为轶事性证据,3–10 为中等,10–30 为强。
为什么贝叶斯因子与 p 值结论不一致?
略低于 .05 的 p 值常常只对应 1–3 左右的贝叶斯因子,因为 p 值没有考虑观察到的效应在备择假设下有多合理。大样本中极小的效应可能显著,而贝叶斯因子却支持原假设。
后验的先验应选哪一种?
默认的“扩散”先验(平均值和方差均平坦)得到的区间比经典 t 区间略宽;“Jeffreys,p(σ²) ∝ 1/σ²”在数值上与经典区间相同。只有当你能根据既往数据论证先验平均值和离散程度时,才使用共轭正态先验。
二项检验中哪个类别算作成功?
默认是排序后的最后一个类别,与 SPSS 的默认一致。也可改为第一个类别、大于或等于中点的值,或大于或等于分界值的值;输出表会注明成功类别。
我的数据会被上传吗?
不会。文件在浏览器中解析,贝叶斯因子也在本地计算,数据不会发送到 Crosstabs 服务器。
相关过程
- 单样本 t 检验T-TEST
- 贝叶斯配对样本BAYES RELATED
- 贝叶斯独立样本BAYES INDEPENDENT
- 比例检验PROPORTIONS
- 单样本非参数检验NPAR TESTS
- 免费的 SPSS 替代工具:支持范围
用你自己的数据运行贝叶斯单样本推断
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成,文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联,也未获得 IBM 认可。