In addition to the above approach,

In addition to the above approach, we also chose to perform an additional statistical analysis using a Bayesian framework. Within the Bayes framework it is possible to quantify the degree of evidence provided by the data for one hypothesis over another, including evidence for there being no difference, i.e. evidence for the null hypothesis (Kass & Raftery, 1995). For the experiment presented here our aim was to quantify the strength of the data in support of either (i) the hypothesis that there is a relationship between our personality factors (Cognitive Complexity & Blame Externalization) and inhibitory performance (PCIT), or (ii) for the null, that there are no personality related effects on inhibitory performance. This evidential value is presented as a Bayes Factor (BF) and is the ratio of the likelihood that the data support the experimental hypothesis over the null, with a ratio value of 3 taken as meaningful support for the hypothesis (Kass & Raftery, 1995). A Bayesian linear regression of PCIT with Cognitive Complexity yielded a BF of 86.72. We therefore have strong evidence in support of the hypothesis that Cognitive Complexity and PCIT are related. The remaining subscales of the BIS-11 showed no significant relationship to response inhibition in the PGNG

結果 (繁體中文) 1:

除了上面的方法，我們也選擇了執行使用貝葉斯框架額外的統計分析。在貝葉斯框架，可以通過量化的數據假設一個比另一個提供證據的程度，包括對那裡是沒有區別的，即證據的零假設（卡斯＆拉夫特里，1995年）的證據。對於該實驗這裡介紹我們的目的是量化的數據的強度，以支持或者（i）的假設的（ii我們的個性因子（認知複雜＆歸咎於外部化）和抑制性能（PCIT）之間的關係，或）為空，有關於抑制性能沒有個性相關的影響。這個證據值被表示為貝葉斯因子（BF），並且是似然度的比率，該數據支持了實驗的假設在零，以作為有意義的支持的假設的3:1的比例值（卡斯＆拉夫特里，1995） 。貝葉斯與認知複雜PCIT的線性回歸產生的86.72 BF一個。因此，我們在支持這一假設的強有力的證據表明認知的複雜性和PCIT是相關的。的BIS-11的剩餘分量表顯示，在PGNG到反應抑制無顯著關係 因此，我們在支持這一假設的強有力的證據表明認知的複雜性和PCIT是相關的。的BIS-11的剩餘分量表顯示，在PGNG到反應抑制無顯著關係 因此，我們在支持這一假設的強有力的證據表明認知的複雜性和PCIT是相關的。的BIS-11的剩餘分量表顯示，在PGNG到反應抑制無顯著關係

結果 (繁體中文) 2:

除了上述方法外，我們還選擇使用貝葉斯框架執行額外的統計分析。在貝葉斯框架內，可以量化資料為一種假設提供的證據程度，包括無差異的證據，即零假說的證據（Kass & Rofy，1995年）。對於這裡介紹的實驗，我們的目標是量化資料的強度，以支援 （i） 假設，即我們的個性因素（認知複雜性 + 指責外化）與抑制性能 （PCIT） 之間存在關係。，或（ii）為null，對抑制性表現沒有人格相關影響。此證據值以貝葉斯因數 （BF） 的形式呈現，是資料支援實驗假說與 null 的可能性之比，比率值 3 被視為對該假設的有意義的支援（Kass & Raftery，1995 年）。具有認知複雜性的 PCIT 的貝葉斯線性回歸產生了 86.72 的 BF。因此，我們有強有力的證據支援認知複雜性和PCIT相關這一假設。BIS-11的其餘子尺度顯示，在PGNG中，與反應抑制沒有顯著關係

結果 (繁體中文) 3:

除上述方法外，我們還選擇使用貝葉斯框架執行額外的統計分析。在Bayes框架內，可以量化一個假設的數據相對於另一個假設提供的證據的程度，包括沒有差异的證據，即無效假設的證據（Kass&Raftery，1995）。對於這裡提出的實驗，我們的目的是量化數據的强度，以支持（i）假設我們的人格因素（認知複雜性和責備外化）和抑制效能（PCIT）之間存在關係，或（ii）對於零，人格因素對抑制行為沒有影響。該證據值以Bayes因數（BF）表示，是數據支持實驗假設的可能性與空值的比率，比率值為3作為對假設的有意義支持（Kass&Raftery，1995）。PCIT與認知複雜性的貝葉斯線性回歸得到的BF為86.72。囙此，我們有有力的證據支持認知複雜性與PCIT相關的假設。BIS-11的其餘子量表與PGNG的反應抑制無明顯關係