统计百科 ·
贝叶斯 vs 频率派统计 — 社科研究者应了解的本质差异
统计百科：从哲学根基到实操细节，系统比较频率派（p值/置信区间）与贝叶斯派（后验分布/可信区间/先验）的核心差异，帮助社科研究者判断各自适用场景，给出可直接套用的论文报告句式。
论文里写 p = .032，到底在说什么？能不能说"假设成立的概率是 96.8%"？答案是不能——这是几乎所有社科研究者都踩过的经典误区，而这个误区正是贝叶斯与频率派统计哲学差异的缩影。本文从两派的根本分歧出发，厘清 p 值、置信区间、后验分布、可信区间、先验这些核心概念的准确含义，并给出社科研究者选择分析框架的实操建议。
一、两派的哲学根基：概率到底是什么
频率派（Frequentist）：概率是长期频率
频率派将概率定义为在假想的无限次重复实验中，某事件发生的相对频率。
这个定义有两个关键推论：
- 概率只能附着于可重复事件，不能附着于单个假设或参数（参数要么是真实值，要么不是，没有"概率"）
- 数据是随机的（每次实验会得到不同数据），参数是固定未知的
因此，频率派统计回答的问题是："如果零假设为真，我观察到这组数据（或更极端数据）的概率是多少？" 这就是 p 值的完整定义。
贝叶斯派（Bayesian）：概率是信念的度量
贝叶斯派将概率定义为对命题不确定性的主观信念程度，可以附着于任何命题，包括参数的取值。
这带来了一个根本性的差异：
- 参数本身可以有概率分布（先验分布，反映分析前的知识或信念）
- 观察到数据后，通过贝叶斯定理更新信念，得到后验分布
- 数据是固定的（已观测），参数是随机的（有不确定性分布）
贝叶斯派统计回答的问题是："看到这组数据后，我对参数值的信念应该如何更新？"
二、核心概念对比：四组关键差异
2.1 p 值 vs 后验概率
这是两派最被混淆的一对概念。
频率派 p 值
$p = P(\text{数据} \geq \text{观测值} \mid H_0 \text{ 为真})$
- p 值是以零假设为真为条件，观测到当前及更极端数据的概率
- p 值不是"零假设成立的概率"
- p 值不是"研究结论错误的概率"
- p < .05 只意味着：如果 H0 为真，这种数据出现的概率低于 5%
常见误读（必须避免）：
| 错误表述 | 正确理解 |
|---|---|
| "p = .032，所以假设成立的概率是 96.8%" | p 值不能告诉你假设成立的概率 |
| "p < .05，所以结论是对的" | 结论可能因效应量极小而毫无实际意义 |
| "p = .06，刚刚错过显著" | p 值不是连续证据量，.049 和 .051 在证据上几乎没有区别 |
| "p 越小，效应越大" | p 值受样本量影响极大，N=10000 时微小效应也能 p < .001 |
贝叶斯后验概率
$P(\theta \mid \text{数据}) \propto P(\text{数据} \mid \theta) \times P(\theta)$
- 后验概率直接表达参数在某区间内的概率
- "参数 theta 有 95% 的概率落在 [a, b] 之间"——这句话在贝叶斯框架下是准确的
- 后验分布会随样本量增加而收窄，反映证据积累后不确定性降低
2.2 置信区间 vs 可信区间
频率派置信区间（Confidence Interval, CI）
95% 置信区间的准确解释：如果用相同方法反复采样并构建区间，长期来看有 95% 的区间会包含真实参数值。
注意：这不是说"真实参数有 95% 的概率在这个区间里"——对于某一个具体的置信区间，真实参数要么在里面（概率=1），要么不在（概率=0）。
贝叶斯可信区间（Credible Interval, CrI）
95% 可信区间的准确解释：给定观测数据，参数落在该区间内的（后验）概率为 95%。
这正是多数人"直觉上"希望置信区间告诉他们的东西——贝叶斯可信区间允许直接说"参数有 95% 的概率在此区间内"。
两者的数值比较：当先验是无信息先验（flat prior）且样本量足够大时，95% 置信区间与 95% 可信区间在数值上通常非常接近，但含义根本不同。
2.3 先验分布（Prior）
先验分布是贝叶斯分析的核心要素，也是其最受争议之处。
先验的来源：
| 先验类型 | 定义 | 适用情形 |
|---|---|---|
| 无信息先验（Diffuse/Flat Prior） | 对参数几乎不施加约束，让数据主导 | 领域知识极少；想让结果接近频率派 |
| 弱先验（Weakly Informative） | 施加宽泛的合理约束（如"效应量不超过 10"） | 有基本领域常识；防止模型发散 |
| 信息性先验（Informative Prior） | 基于既有研究或专家判断 | 有文献积累的成熟领域；元分析背景 |
| 共轭先验（Conjugate Prior） | 后验与先验同属同一分布族 | 计算方便；部分简单模型 |
先验的争议：频率派批评者认为先验的主观性会让结论随研究者偏好变化。贝叶斯支持者则指出：频率派对显著性阈值（如 alpha = .05）的选择同样主观，且先验可以透明地报告和被他人检验，而频率派的"客观性"在大量研究中也是假象（如 p 值操纵、选择性报告）。
2.4 假设检验 vs 贝叶斯因子
频率派假设检验（NHST）
- 设定零假设 H0 和备择假设 H1
- 计算 p 值，与 alpha 比较
- 只有两种结论：拒绝 H0 / 无法拒绝 H0
- 无法直接支持 H0（无法证明"没有效应"）
贝叶斯因子（Bayes Factor, BF）
$BF_{10} = \frac{P(\text{数据} \mid H_1)}{P(\text{数据} \mid H_0)}$
- 量化数据对 H1 相对于 H0 的支持程度
- BF10 = 10 意味着数据在 H1 下出现的可能性是 H0 下的 10 倍
- 双向支持：BF10 < 1 时（如 BF10 = 0.1，即 BF01 = 10），数据支持 H0，可以主动支持"无效应"结论
- Jeffreys（1961）分类标准（常用参考）：
| BF10 值 | 对 H1 的证据强度 |
|---|---|
| 1 – 3 | 不值一提（anecdotal） |
| 3 – 10 | 中等（moderate） |
| 10 – 30 | 强（strong） |
| 30 – 100 | 非常强（very strong） |
| > 100 | 极强（extreme） |
三、社科研究中的适用场景分析
频率派更适合的场景
- 期刊审稿要求：绝大多数社科期刊（心理学、教育学、社会学、管理学）默认频率派框架，审稿人熟悉 p 值和 95% CI
- 探索性研究：没有明确的先验信息，需要"让数据说话"
- 大样本调查数据：样本量充足时，频率派检验功效有保障，先验对后验影响微弱
- 标准化考核场景：政策评估、临床试验注册等需要事先确定alpha阈值的场景
贝叶斯更适合的场景
- 小样本研究：N < 50 的实验，贝叶斯方法通过先验借助既有知识弥补样本不足，频率派在此时功效极低
- 需要量化"无效应"的研究：证明 H0 成立（如等效性检验）时，贝叶斯因子可以提供对 H0 的直接证据
- 纵向/序贯数据：贝叶斯框架允许在收集数据过程中持续更新推断，无需预先确定样本量
- 元分析与证据综合：将既有研究结果作为先验，系统地整合跨研究证据
- 复杂多层模型：混合效应模型、结构方程模型的贝叶斯扩展更灵活，特别适合嵌套数据（学生嵌套于班级，班级嵌套于学校）
- 认知/心理测量模型：项目反应理论（IRT）、信号检测论等与贝叶斯天然契合
两者都可用的场景
大多数常规量化研究（问卷调查、实验设计、回归分析）可以同时报告频率派和贝叶斯结果，互相佐证。顶刊越来越鼓励"双报告"策略——先报频率派（满足审稿人预期），再补贝叶斯因子（提供额外证据量化）。
四、APA 7th 报告句式：可直接套用的模板
频率派标准报告（APA 7th）
t 检验示例：
独立样本 t 检验结果显示，实验组（M = 78.4，SD = 9.2）显著高于对照组
（M = 71.3，SD = 8.8），t(118) = 4.23，p < .001，d = 0.78，95% CI [3.73, 10.52]，
为接近大效应的中等偏大效应（d = 0.78，接近 Cohen 大效应阈值 0.80；Cohen，1988）。
关键格式细节：
- p 值精确至三位小数，不加前导零：p = .032（非 p = 0.032）
- p = .000 改写为 p < .001
- 置信区间用方括号：95% CI [下限, 上限]
- 效应量与 CI 并列报告
贝叶斯报告句式
贝叶斯 t 检验示例：
贝叶斯独立样本 t 检验（采用 Cauchy 先验，scale = 0.707）显示，
BF10 = 18.4，表明数据对 H1（存在组间差异）的支持为强证据（Jeffreys，1961）。
后验均值差的 95% 可信区间为 [3.41, 10.82]，参数在该区间内的后验概率为 95%。
关键格式细节：
- 必须说明先验类型和参数（让读者可重现）
- 贝叶斯因子精确到一位小数：BF10 = 18.4
- 可信区间（Credible Interval）不可与置信区间（Confidence Interval）混用
- 说明 BF 所对应的证据分类标准来源（Jeffreys 1961 / Kass & Raftery 1995 等）
方法章节说明贝叶斯分析
本研究采用贝叶斯推断对主要假设进行检验，以贝叶斯因子（BF10）量化数据
对备择假设相对于零假设的支持程度（Jeffreys，1961；Rouder et al.，2009）。
所有贝叶斯 t 检验采用默认 Cauchy 先验（scale = 0.707），贝叶斯相关分析
采用 beta(1,1) 先验，均通过 JASP（Version 0.19；JASP Team，2024）完成。
显著性水平设为 alpha = .05；贝叶斯因子证据强度参照 Jeffreys（1961）分类。
五、在 ChatSRS 一键运行贝叶斯与频率派对比分析
打开 chatsrs.com，上传数据后输入：
"对实验组和对照组的前后测成绩差值做独立样本 t 检验，同时输出贝叶斯 t 检验结果（Cauchy 先验，scale=0.707）；报告 t 值、自由度、p 值、Cohen's d、95% 置信区间、BF10 及 95% 贝叶斯可信区间，给出符合 APA 7th 格式的完整比较表格和报告段落。"
ChatSRS 的 R 引擎（调用 BayesFactor 包）会同时输出频率派和贝叶斯结果，并自动判断 BF 的证据分类，报告段落可直接复制进论文方法/结果章节。（注：贝叶斯分析依赖 R 生态的 BayesFactor / brms 包，本节所述功能均由 R 引擎提供，SPSS 引擎不支持原生贝叶斯因子计算。）
若需要贝叶斯回归或贝叶斯层次模型，在指令中说明模型结构（如"多层线性模型，学生嵌套于班级，添加贝叶斯先验"），ChatSRS 自动切换至 brms 引擎并报告后验分布摘要。
六、常见误区速查：频率派与贝叶斯都会犯的错
| 误区 | 所属框架 | 正确做法 |
|---|---|---|
| "p = .032 意味着假设成立概率 96.8%" | 频率派误读 | p 值是数据极端程度，不是假设概率 |
| "95% CI 内参数以 95% 的概率存在" | 频率派 CI 误读 | CI 是长期覆盖率，对单个区间无概率解释 |
| "p > .05 证明 H0 成立" | 频率派误用 | 无法拒绝 H0 不等于证明 H0；用 BF 或等效性检验 |
| "BF = 2 说明 H1 成立" | 贝叶斯误读 | BF < 3 属于无充分证据，不可下结论 |
| "先验选弱信息就是客观" | 贝叶斯误用 | 弱信息先验同样是主观选择，需在方法章节说明并做敏感性分析 |
| "贝叶斯方法样本量越小越好" | 贝叶斯误用 | 小样本时后验高度依赖先验，需透明报告先验并做稳健性检验 |
| "两者 CI 数值相近所以含义相同" | 混淆概念 | 频率 CI 与贝叶斯 CrI 含义根本不同，不可互换表述 |
常见 FAQ
Q：我的社科论文能直接换成贝叶斯统计吗？
A：完全可以，但需要注意几点：（1）目标期刊是否接受贝叶斯报告——顶刊如 Psychological Science、Journal of Experimental Psychology 已明确欢迎；传统教育学/社会学期刊有时审稿人不熟悉，可并排报告频率派结果；（2）方法章节必须明确说明所用先验及其依据；（3）软件工具首选 JASP（界面友好，与 SPSS 类似）或通过 ChatSRS 的 R 引擎（brms/BayesFactor）。切换成本低于想象，JASP 的 Bayesian t-test 只需一个界面选项即可。
Q：p = .051 和 p = .049 实质区别有多大？
A：从统计证据的角度几乎没有区别——两者提供的证据量极为接近，但一个"显著"一个"不显著"。这正是频率派 NHST 框架的核心批评之一。贝叶斯因子在这一点上更连续、更合理：BF10 = 2.8（弱证据）和 BF10 = 3.1（中等证据）的区别，远比 p = .049 vs p = .051 的区别更清晰地反映实际证据量的差异。APA 7th 也因此建议始终报告精确 p 值而非仅报告"是否 < .05"，以避免二元化思维。
Q：贝叶斯方法需要会编程吗？
A：不一定。JASP 是免费的图形界面软件，操作逻辑与 SPSS 几乎相同，涵盖贝叶斯 t 检验、贝叶斯 ANOVA、贝叶斯回归，适合不会编程的社科研究者。ChatSRS 的 R 引擎可通过自然语言指令（无需写代码）运行 BayesFactor 包和 brms 包，直接输出 APA 格式报告。需要高度定制化先验或复杂层次模型时，才需要直接使用 R（brms）或 Python（PyMC）。
Q：贝叶斯因子和 p 值能同时报告吗？
A：不仅可以，而且推荐。两者回答不同问题，互补而非竞争：p 值回答"如果 H0 为真，这组数据有多极端"；BF 回答"数据对哪个假设更支持、支持多少倍"。联合报告策略：先用频率派检验满足期刊基本要求，再用贝叶斯因子提供更丰富的证据量化。当两者结论一致时（如 p < .001 且 BF10 > 100），结论的可信度大幅提升；当两者分歧时（如 p = .04 但 BF10 = 2），则提示证据尚弱，需要更大样本量。
Q：置信区间和可信区间数值很接近，可以用频率派的 CI 但写成"参数有 95% 概率落在此区间"吗？
A：不可以。这是最常见的混淆，即使数值相同，含义也根本不同。频率派 CI 的概率含义附着于"采样程序"（长期 95% 覆盖率），而非"参数落在某个具体区间的概率"。若想写"参数以 95% 概率落在 [a, b]"，必须在贝叶斯框架下计算可信区间（CrI），并在方法章节注明使用了贝叶斯推断。
相关阅读
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。