Terinspirasi oleh pertanyaan ini, dan "Masalah 3" tertentu:
Distribusi posterior agak lebih sulit untuk dimasukkan ke dalam meta-analisis, kecuali deskripsi parametrik distribusi yang sering diberikan.
Saya telah berpikir banyak baru-baru ini tentang menggabungkan meta-analisis ke dalam model Bayesian - terutama sebagai sumber prior - tetapi bagaimana cara melakukannya dengan arah lain? Jika analisis Bayes memang menjadi lebih populer, dan menjadi sangat mudah untuk dimasukkan ke dalam kode yang ada (pernyataan BAYES dalam SAS 9.2 dan di atas terlintas dalam pikiran), kita harus lebih sering mendapatkan perkiraan Bayesian tentang efek dalam literatur.
Mari kita berpura-pura sejenak bahwa kita memiliki peneliti terapan yang telah memutuskan untuk menjalankan analisis Bayesian. Menggunakan kode simulasi yang sama yang saya gunakan untuk pertanyaan ini , jika mereka pergi dengan kerangka kerja frequentist, mereka akan membuat estimasi frequentist berikut:
log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633
Dengan menggunakan analisis laporan BAYES prior, all-default dan uninformative, tidak ada alasan untuk memiliki interval kepercayaan simetris yang bagus atau kesalahan standar. Dalam hal ini posterior cukup mudah digambarkan oleh distribusi normal, jadi orang bisa menggambarkannya seperti itu dan "cukup dekat", tetapi apa yang terjadi jika seseorang melaporkan perkiraan efek Bayesian dan interval kredibel asimetris? Apakah ada cara mudah untuk memasukkannya ke dalam meta-analisis standar, atau apakah estimasi tersebut perlu disuruh kembali ke distribusi yang dideskripsikan secara parametrik yang sedekat mungkin? Atau sesuatu yang lain?