Methodology & Statistics
Faculty of Social Sciences
Utrecht University

Email Fayette Klaassen
Academic webpage Fayette Klaassen

On January 10, 2020, Fayette Klaassen defended her thesis The latest update on Bayesian informative hypothesis testing

Summary (Dutch)

Binnen de sociale en gedragswetenschappen neemt het gebruik van Bayesiaans informatief
hypothese toetsen toe (Mulder & Wagenmakers, 2016). Informatieve hypotheses
beschrijven gerichte verwachtingen van een onderzoeker die op basis van theorie worden
gespecificeerd (e.g. Hoijtink, 2012; Klugkist et al., 2005). Door deze specifieke hypotheses
te evalueren in plaats van standaard nul en alternatieve hypotheses kan de onderzoeksvraag
beter worden beantwoord. Bayesiaanse statistiek kan gebruikt worden om het relatieve
bewijs voor meerdere hypotheses te kwantificeren door middel van Bayes factors. Het
updaten van kennis centraal in de Bayesiaanse statistiek. De combinatie van informatieve
hypotheses en Bayesiaans updaten is nauw verbonden met de onderzoekscyclus. Deze
beschrijft hoe uit theorie verwachtingen worden geformuleerd, die vervolgens aan de hand
van data kunnen worden getoetst. De conclusies van statistische analysese kunnen dan
weer nieuwe theoriën inspireren of andere richtingen aan de verwachting geven. Met
de ontwikkeling van toegangelijke software en de uitbreiding van bestaande statistische
software groeit het gebruik van informatief Bayesiaans hypothese toetsen.
Het toegenomen gebruik van Bayesiaans informatief hypothese toetsen resulteert in
praktische, filosofische en methodologische vraagstukken. De Bayes factor heeft een
duidelijke interpretatie als het relatieve bewijs voor twee hypotheses. Minder eenduidig is
welke conclusies wel en niet op basis van een Bayes factor getrokken kunnen worden. Hoe
sterk moet het relatieve bewijs zijn voordat het overtuigend genoeg is? Moet de sterkte
van de conclusie afhangen van de hoeveelheid data die is gebruikt om tot het bewijs te
komen? Andere vragen gaan over het gebruik en het opstellen van informatieve hypotheses.
Elke verwachting kan in een hypotheses worden gevat. Zodoende is er een groot aantal
hypotheses dat potentieel interessant kan zijn. Hoe kan je als onderzoeker de keuze voor
bepaalde hypotheses maken, en andere buiten beschouwing laten? Om informatieve
hypothesen Bayesiaans te toetsen moet een onderzoeker beslissingen nemen over onder
andere de hypotheses, de prior verdelingen, en het interpreteren van Bayes factors. Voor
veel van deze beslissingen zijn geen richtlijnen beschikbaar. In deze dissertatie worden een
aantal van deze vraagstukken behandeld.

Supervisors
Prof. Herbert Hoijtink & Prof. Irene Klugkist

Financed by
NWO Talent Grant & Utrecht University