SPSS 命令: SPSS BAYES ONESAMPLE

在浏览器中做贝叶斯单样本推断

贝叶斯单样本推断回答两个问题:数据在多大程度上支持平均值、比例或计数率等于某个检验值,以及该参数有哪些取值仍然可信。

免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日

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

  1. 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。

  2. 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”。

  3. 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。

  4. 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。

  5. 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。

用示例数据试一试

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。

贝叶斯因子单样本 t 检验
变量N平均值标准差BF01BF10tdf显著性(双尾)
rating247.881.170.03826.0763.66423.001

Rouder 等人(2009)的 JZS 先验,柯西尺度 1;检验值 = 7。

单样本平均值的后验分布特征
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
rating7.8757.8750.06907.3558.395

扩散先验;等尾可信区间。

贝叶斯因子单样本二项检验
变量成功N成功次数观察比例BF01BF1095% 可信区间
converted140110.2750.08611.6000.161 – 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。

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。

打开分析工作区

SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联,也未获得 IBM 认可。