इस सवाल से प्रेरित, और विशेष रूप से "समस्या 3":
जब तक कोई वितरणवादी, वितरण का पैरामीट्रिक विवरण प्रदान नहीं किया गया है, तब तक वितरण में कुछ हद तक मेटा-विश्लेषण शामिल करना मुश्किल है।
मैं हाल ही में एक बायेसियन मॉडल में मेटा-विश्लेषण को शामिल करने के बारे में बहुत कुछ सोच रहा हूं - मुख्य रूप से पुजारियों के स्रोत के रूप में - लेकिन इसके बारे में दूसरी दिशा में कैसे जाना है? यदि बायेसियन विश्लेषण वास्तव में अधिक लोकप्रिय हो जाता है, और मौजूदा कोड (एसएएस 9.2 और इसके बाद के संस्करण में BESES बयान) को शामिल करना बहुत आसान हो जाता है, तो हमें साहित्य में बेयसियन प्रभाव का अधिक बार अनुमान लगाना चाहिए।
आइए एक पल के लिए दिखावा करते हैं कि हमारे पास एक अनुप्रयुक्त शोधकर्ता है जिसने बायेसियन विश्लेषण चलाने का फैसला किया है। इस सिमुलेशन कोड का उपयोग मैंने इस प्रश्न के लिए किया था , यदि वे एक निरंतर रूपरेखा के साथ गए थे, तो वे निम्नलिखित अक्सर अनुमान लगाते हैं:
log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633
मानक, ऑल-डिफॉल्ट और अनइनफॉर्मेटिव पियर्स BAYES स्टेटमेंट विश्लेषण का उपयोग करना, एक अच्छा, सममित आत्मविश्वास अंतराल या मानक त्रुटियों का कोई कारण नहीं है। इस मामले में सामान्य रूप से वितरण द्वारा पोस्टीरियर को बहुत आसानी से वर्णित किया जाता है, इसलिए कोई इसे केवल इस तरह से वर्णित कर सकता है और "पर्याप्त रूप से बंद" हो सकता है, लेकिन क्या होता है अगर कोई बायेसियन प्रभाव के अनुमान और एक विषम विश्वसनीय अंतराल की रिपोर्ट करता है? वहाँ एक मानक मेटा-विश्लेषण में शामिल करने के लिए एक सीधा तरीका है, या अनुमान के रूप में संभव के रूप में करीब है कि एक पैरामीट्रिक रूप से वर्णित वितरण में वापस जूता करने की आवश्यकता है? या कुछ और?