[論文レビュー] Default Bayes Factors for Testing the (In)equality of Several Population Variances

Fabian Dablander, Don van den Bergh+2 more|UvA-DARE (University of Amsterdam)|Mar 13, 2020

Statistical Methods in Clinical Trials被引用数 5

ひとこと要約

この論文は、精度パラメータの再パrameterizationを用いて、複数の母集団間の分散の等値性または非等値性をテストするためのデフォルト・ベイズ因子を導入する。この手法は、等値性のテストと順序制約付き仮説（例：σ₁² > σ₂²）の両方をサポートし、帰無仮説と対立仮説の両方に対する段階的な証拠を提供する。Rパッケージ bfvartest に実装されており、古典的F検定のベイズ的代替手法として、解釈可能性とサンプリング下での一貫性に優れる。

ABSTRACT

Testing the (in)equality of variances is an important problem in many statistical applications. We develop default Bayes factor tests to assess the (in)equality of two or more population variances, as well as a test for whether the population variances equal a specific value. The resulting test can be used to check assumptions for commonly used procedures such as the $t$-test or ANOVA, or test substantive hypotheses concerning variances directly. We show that our Bayes factor fulfills a number of desiderata. Researchers may have directed hypotheses such as $σ_{1}^{2} > σ_{2}^{2}$, they may want to extend $\mathcal{H}_{0}$ to have a null-region, or wish to combine hypotheses about equality with hypotheses about inequality, for example $σ_{1}^{2} = σ_{2}^{2} > (σ_{3}^{2}, σ_{4}^{2})$. We extend our Bayes factor test to allow for these deviations from our proposed default and illustrate it on a number of practical examples. Our procedure is implemented in the R package $bfvartest$.

研究の動機と目的

• 複数の群における分散の（非）等値性をテストするベイズ的手法を開発し、古典的p値検定の限界を克服すること。
• 研究者が帰無仮説（例：等分散）の証拠を定量的に評価し、原理的かつ整合的な方法で事前知識を統合できるようにすること。
• 方向性のある仮説（例：σ₁² > σ₂²）や、σ₁² = σ₂² > σ₃²,σ₄² のような複雑な制約を含む仮説を扱えるようにすること。これは単純な等値性を越える拡張である。
• 一貫性、不変性、整合性といった重要な望ましい性質を満たす、デフォルトで客観的な手法を提供すること。

提案手法

• グループの精度パラメータ τⱼ を平均精度と K−1 個の割合 ϑⱼ に再パラメータ化することで、仮説空間の変換を可能にする。
• 代替仮説下で精度割合に非情報的事前分布を用い、帰無仮説下ではジェフレーズ風の参考事前分布を用いて、デフォルト・ベイズ因子を導出する。
• H₀ および H₁ における周辺尤度を用いてベイズ因子を計算し、H₁ 下で割合 ϑⱼ にディリクレ事前分布を適用する。
• 母数（平均）をネグレートするため、尤度の積分により無視し、分散構造に焦点を当てる。
• 特定の値（例：H₀: σ² = 0.10）に対する検定や、非オーバーラップ区間を用いた区間帰無仮説（例：H₀: σ² ∈ [0.90, 1.10]）に対しても対応可能。
• この手順はRパッケージ bfvartest に実装されており、2標本（twosd_test）、1標本（onesd_test）、K標本（ksd_test）のテスト用関数を提供する。

実験結果

リサーチクエスチョン

• RQ1 複数の群における分散の等値性を、等値と非等値の両方に対する証拠を定量的に評価できるベイズ枠組みでどのようにテストできるか？
• RQ2 一貫性、不変性、整合性といった重要な望ましい性質を満たすデフォルト・ベイズ因子を、分散検定の文脈で構築できるか？
• RQ3 方向性のある仮説（例：σ₁² > σ₂²）や複雑な順序制約付き仮説（例：σ₁² = σ₂² > σ₃²,σ₄²）を扱えるように、デフォルト・ベイズ因子をどのように拡張できるか？
• RQ4 提案されたベイズ因子は、古典的検定や分数ベイズ因子アプローチと比較して、どのような性能を示すか？
• RQ5 この手法は、測定精度の評価や心理学・考古学分野における変動性に関する実用的仮説の検証といった、現実世界の問題にどのように応用できるか？

主な発見

• 提案されたデフォルト・ベイズ因子は、サンプルサイズが増加するにつれて真の仮説を正しく支持するという一貫性を示す。
• この手法は、再パラメータ化における不変性、一貫性、モデル比較における整合性といった重要な望ましい性質を満たしている。
• H₀: σ₁² = σ₂² 対 H₁: σ₁² ≠ σ₂² の検定におけるベイズ因子は、明確な式が得られるK=2の場合に特に頑健で解釈可能である。
• 母集団の分散が特定の値に等しいかどうか（例：H₀: σ² = 0.10）を検定するのに対しても対応可能で、精度割合にデフォルト事前分布を適用する。
• 順序制約付き仮説（例：σ₁² > σ₂²）に対しては、ベイズ因子が段階的な証拠を提供し、性格差に関する研究でその結果が図示されている。
• Rパッケージ bfvartest はこの手法を効果的に実装しており、心理学、考古学、工学など多様な分野への応用を可能にしている。