rope3a

rope

bayes

regression

Published

December 10, 2024

Aufgabe

Einer der (bisher) größten Studien der Untersuchung psychologischer Konsequenzen (oder Korrelate) der Covid-Zeit ist die Studie COVIDiStress.

Im Folgenden sollen Sie folgende Forschungsfrage untersuchen:

Ist der Zusammenhang von Stress (PSS10_avg, AV) und Neurotizismus (neu, UV) vernachlässigbar klein?

Den Datensatz können Sie so herunterladen (Achtung, groß):

osf_d_path <- "https://osf.io/cjxua/?action=download"

d <- read_csv(osf_d_path)

Pakete laden:

library(tidyverse)
library(rstanarm)
library(easystats)

Relevante Spalten auswählen:

d2 <-
  d %>% 
  select(PSS10_avg, neu)

Datensatz aufbereiten:

d3 <-
  d2 %>% 
  drop_na()

Modell berechnen:

m1 <-
  stan_glm(PSS10_avg ~ neu, 
           refresh = 0,
           seed = 42,
           data = d3)

Modellkoeffizienten auslesen:

coef(m1)

(Intercept)         neu 
  1.4533911   0.3509393

Posteriori-Verteilung auslesen:

parameters(m1, ci = .89)

Parameter	Median	CI	CI_low	CI_high	pd	Rhat	ESS	Prior_Distribution	Prior_Location	Prior_Scale
(Intercept)	1.4533911	0.89	1.4428916	1.463608	1	0.9999767	4301.909	normal	2.625455	1.841433
neu	0.3509393	0.89	0.3480155	0.353949	1	0.9997235	4475.252	normal	0.000000	1.747465

Warum 89%? Kein besonderer Grund. Aber ich mag Primzahlen :-)

Posteriori-Verteilung plotten:

plot(parameters(m1, ci = .89), show_intercept = TRUE)

Rope berechnen:

rope_m1 <- rope(m1)
rope_m1

Parameter	CI	ROPE_low	ROPE_high	ROPE_Percentage	Effects	Component
(Intercept)	0.95	-0.0736573	0.0736573	0	fixed	conditional
neu	0.95	-0.0736573	0.0736573	0	fixed	conditional

Rope visualisieren:

plot(rope_m1)

Aufgabe: Wählen Sie die am besten passende Antwortoption!

Antwortoptionen

Answerlist

Ja
Nein
Die Daten sind inkonkludent; es ist eine unklare Befundlage.
Auf Basis der bereitgestellten Informationen ist keine Antwort möglich.

Lösung

Wie man sieht, kreuzt das “blaue Band” nicht den “roten Berg”. Damit ist die Nullhypothese (ROPE) zu verwerfen.

Answerlist

Falsch
Wahr. ROPE ist zu verwerfen, damit sind Werte um die Null herum nicht wahrscheinlich.
Falsch
Falsch

Categories:

rope
bayes

--- exname: rope3a extype: schoice exsolution: 64 exshuffle: no categories: - rope - bayes - regression date: '2024-12-10' title: rope3a --- ```{r libs, include = FALSE} library(tidyverse) ``` ```{r global-knitr-options, include=FALSE} knitr::opts_chunk$set(fig.pos = 'H', fig.asp = 0.618, fig.width = 4, fig.cap = "", fig.path = "", cache = TRUE, echo = TRUE, message = FALSE, fig.show = "hold") ``` # Aufgabe Einer der (bisher) größten Studien der Untersuchung psychologischer Konsequenzen (oder Korrelate) der Covid-Zeit ist die Studie [COVIDiStress](https://www.nature.com/articles/s41597-020-00784-9). Im Folgenden sollen Sie folgende Forschungsfrage untersuchen: *Ist der Zusammenhang von Stress (`PSS10_avg`, AV) und Neurotizismus (`neu`, UV) vernachlässigbar klein?* Den Datensatz können Sie so herunterladen (Achtung, groß): ```{r} osf_d_path <- "https://osf.io/cjxua/?action=download" d <- read_csv(osf_d_path) ``` Pakete laden: ```{r} library(tidyverse) library(rstanarm) library(easystats) ``` Relevante Spalten auswählen: ```{r} d2 <- d %>% select(PSS10_avg, neu) ``` Datensatz aufbereiten: ```{r} d3 <- d2 %>% drop_na() ``` Modell berechnen: ```{r} m1 <- stan_glm(PSS10_avg ~ neu, refresh = 0, seed = 42, data = d3) ``` Modellkoeffizienten auslesen: ```{r} coef(m1) ``` Posteriori-Verteilung auslesen: ```{r} parameters(m1, ci = .89) ``` Warum 89%? Kein besonderer Grund. Aber ich mag Primzahlen :-) Posteriori-Verteilung plotten: ```{r} plot(parameters(m1, ci = .89), show_intercept = TRUE) ``` Rope berechnen: ```{r} rope_m1 <- rope(m1) rope_m1 ``` Rope visualisieren: ```{r} plot(rope_m1) ``` **Aufgabe:** Wählen Sie die am besten passende Antwortoption! *Antwortoptionen* Answerlist ---------- * *Ja* * *Nein* * Die Daten sind *inkonkludent*; es ist eine *unklare Befundlage*. * Auf Basis der bereitgestellten Informationen ist *keine Antwort möglich*. # Lösung Wie man sieht, kreuzt das "blaue Band" nicht den "roten Berg". Damit ist die Nullhypothese (ROPE) zu verwerfen. Answerlist ---------- * Falsch * Wahr. ROPE ist zu verwerfen, damit sind Werte um die Null herum nicht wahrscheinlich. * Falsch * Falsch --- Categories: - rope - bayes