在荟萃分析中指定效果大小的先验

我的问题上的担忧影响大小先验概率，在我的项目的措施是科恩的。通过阅读文献，似乎经常使用模糊的先验，例如在众所周知的八种流派的贝叶斯荟萃分析示例中。在这八所学校的示例中，我看到一个模糊的先验用于估计mu，例如 。$D$$\mu_{\theta} \sim \operatorname{normal}(0, 100)$

我的学科是心理学，效应的大小通常很小。因此，我正在考虑使用以下优先级：。我如此严格的先验的理由是，根据我对先验的理解，我将先验概率定为-1到1，在95％的先验概率中，有5％的先验概率大于- 1或1。$\mu_{\theta} \sim \operatorname{normal}(0, .5)$$\mu_{\theta}$

由于影响如此之少，这种先验是否合理？

由于影响如此之少，这种先验是否合理？

我认为您的先验是可以的，只要您可以用超统计论据为他们辩护（例如，通过查看心理学学术文献中已确立的著作）。

但是，请确保还使用信息量较少的先验来执行敏感性分析，以检查后验分布是否过分依赖于您的假设。如果是这种情况，那么在方向和效果大小上都有类似的发现，那么您的结果将显得更加稳健和有效。