MPTinR公司

MPTinR:分析多项式处理树模型。MPTinR为多项式处理树(MPT)模型的分析提供了一种用户友好的方法(例如,Riefer,D.M.,和Batchelder,W.H.[1988]。多项式建模与认知过程的测量。《心理学评论》,95318-339)。主要功能是进行模型拟合和模型选择。模型选择可以使用AIC、BIC或基于最小描述长度(MDL)框架的Fisher信息近似(FIA)度量进行。模型和限制可以在外部文件中指定,也可以在R脚本中以直观的语法指定,或者使用MPTs的上下文无关语言。还支持模型文件的“经典”.EQN文件格式。除了MPTs,MPTinR还可以适用于其他各种认知模型,如SDT模型(见fit.model)。MPTinR支持使用snowfall包进行多核拟合和FIA计算。MPTinR可以从模型中生成数据,例如模拟或参数引导,并绘制预测与观测数据。


zbMATH参考文献(15篇文章引用)

显示第1到15个结果,共15个。
按年份排序(引用)

  1. Groß,Julia;Pachur,Thorsten:多项式处理树模型的参数估计方法:记忆和判断模型的比较(2020)
  2. Jobst,Lisa J.;Heck,Daniel W.;Moshagen,Morten:多项式处理树模型的相关和回归方法比较(2020)
  3. Kellen,David;Klauer,Karl Christoph:在多项式模型中选择:归一化最大似然的道歉(2020)
  4. Schnuerch,Martin;Erdfelder,Edgar;Heck,Daniel W.:多项式处理树模型的序列假设检验(2020)
  5. Richard Schweickert,Richard;Dhir,Pritha;Zheng,Xiaofang;Poirier,Marie:从年龄相关记忆错误概率推断出的多项式处理树:如果有响应时间,推断更多的可能性(2020年)
  6. Gronau,Quentin F.;Wagenmakers,Eric Jan;Heck,Daniel W.;Matzke,Dora:一种比较复杂模型的简单方法:使用Warp III桥抽样对分层多项式处理树模型进行贝叶斯模型比较(2019年)
  7. 西蒙·塞格特(Segert),戴维斯·斯托伯(Davis Stober),克林丁·P.:先验转换的一般方法(2019)
  8. Udo Boehm;Annis,Jeffrey;Frank,Michael J.;Hawkins,Guy E.;Heathcote,安德鲁;Kellen,David;Krypotos,Angelos Miltiadis;Lerche,Veronika;Logan,Gordon D.;Palmeri,Thomas J.;van Ravenzwaaij,Don;仆人Mathieu;Singmann,Henrik;Starns,Jeffrey J.;Voss,Andreas;Wiecki,Thomas V.;Matzke,Dora;Wagenmakers,Eric Jan:评估扩散决策模型的跨试验变异性参数:专家建议和建议(2018)
  9. Heck,Daniel W.;Erdfelder,Edgar;Kieslich,Pascal J.:广义处理树模型:离散和连续变量的联合建模(2018)
  10. Richard Schweickert;Zheng,Xiaofang:树推断:多项式处理树中的选择性影响,以及响应时间等辅助措施(2018)
  11. Heck,Daniel W.;Wagenmakers,Eric Jan:涉及重新参数化订单约束的Bayes因子调整优先权(2016年)
  12. Kellen,David;Erdfelder,Edgar;Malmberg,Kenneth J.;Dubé,Chad;Criss,Amy H.:被忽视的选择:Luce低阈值模型在识别记忆中的应用(2016)
  13. Klauer,Karl Christoph;Kellen,David:识别记忆模型的灵活性:信心评级案例(2015)
  14. Klauer,Karl Christoph;Singmann,Henrik;Kellen,David:多项式处理树模型中的参数顺序约束:Knapp和Batchelder(2004)的扩展(2015)
  15. Heck,Daniel W.;Moshagen,Morten;Erdfelder,Edgar:最小描述长度的模型选择:Fisher信息近似的下限样本量(2014)