Bayessche hierarchische Modellierung: Eine Einführung und Neubewertung

Mit der jüngsten Entwicklung benutzerfreundlicher Werkzeuge für die bayessche Analyse haben Psychologen begonnen, die bayessche hierarchische Modellierung zu übernehmen. Bayessche hierarchische Modelle bieten ein intuitives Verständnis für inter- und intraindividuelle Variabilität und sind besonders geeignet zur Bewertung von Messwiederholungsdesigns. Hier geben wir Anleitungen zur Modellspezifikation und -interpretation in der bayesschen hierarchischen Modellierung und beschreiben häufige Fallstricke, die im Prozess der Modellanpassung und -bewertung auftreten können. Unsere Einführung legt besonderen Wert auf die Spezifikation von Priors und die Sensitivität gegenüber Priors sowie auf die Berechnung von Bayes-Faktoren für Modellvergleiche. Wir veranschaulichen die Verwendung modernster Softwareprogramme wie Stan und brms. Das Ergebnis ist ein Überblick über bewährte Praktiken in der bayesschen hierarchischen Modellierung, von dem wir hoffen, dass er Psychologen helfen wird, die bayessche hierarchische Modellierung optimal zu nutzen.