Как извлечь максимум пользы из статистически незначимых результатов с помощью байесовского подхода

Из статистически незначимого результата сам по себе никакой научный вывод не следует, однако на практике такие результаты нередко используют для суждений о состоятельности теорий или эффективности вмешательств. Чтобы понять, свидетельствует ли незначимый результат против теории или лишь отражает недостаточную чувствительность данных, исследователю нужны показатели мощности, интервалы доверия или достоверности либо индикатор относительной силы доказательств, например байесовский фактор. Автор утверждает, что байесовские факторы лучше связывают теорию с данными, чем другие подходы. В частности, байесовские факторы используют сами данные для оценки их чувствительности к различению теорий, в отличие от мощности, и позволяют учитывать именно те аспекты предсказаний теории, которые обычно легче всего сформулировать, в отличие от мощности и интервалов, для которых нужно задавать минимально значимое значение, чтобы оценивать теорию. Байесовские факторы дают согласованный подход к решению вопроса о том, поддерживает ли незначимый результат нулевую гипотезу лучше, чем альтернативную теорию, или же данные просто недостаточно чувствительны. Они позволяют ставить принятие и отклонение нулевой гипотезы в равные условия. Приведены конкретные примеры, показывающие область применения простого онлайн-калькулятора байесовских факторов, а также его сильные и слабые стороны.