×

分层线性弹道累加器模型的新估计方法。 (英语) Zbl 1442.91025号

总结:线性弹道蓄能器(LBA:[最后一位作者和A.希斯克特,“选择反应时间的最简单完整模型:线性弹道累积”,认知心理学。57,第3期,153–178(2008年;doi:10.1016/j.cogpsych.2007.12.002)])模型被用作回答应用心理学问题的测量工具。基于该模型的分析取决于所选模型及其估计参数。现代方法使用层次贝叶斯模型和马尔可夫链蒙特卡罗(MCMC)方法来估计参数的后验分布。虽然有几种方法可用于模型选择,但它们都是基于MCMC生成的后验样本,这意味着模型选择推理继承了MCMC采样器的特性。为了改进现有的LBA推断方法,我们基于粒子MCMC方法的最新进展提出了两种方法;它们既不同于现有方法,也不同于其他方法。第一种方法是粒子Metropolis-within-Gibbs;第二种方法是密度调节的序贯蒙特卡罗方法。这两种新方法都提供了非常有效的采样,并可用于估计边际似然,从而为模型选择提供贝叶斯因子。第一种方法通常更快。第二种方法提供了边际似然的直接估计,在其马尔可夫移动步骤中使用第一种方法,并且在高性能计算机上非常有效地并行。将这些新方法应用于模拟数据和实际数据,并通过伪代码对其进行了说明。实现这些方法的代码是免费的。

MSC公司:

91B06型 决策理论
91E45型 心理学中的测量和表现

软件:

化学需氧量
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Annis,J。;米勒,B.J。;Palmeri,T.J.,《与Stan的贝叶斯推断:添加自定义分布的教程》,《行为研究》,49,863-886(2017)
[2] 阿特金森,K。;Han,W.,《基本数值分析》(2004),John Wiley:John Wiley纽约
[3] Betancourt,M.,哈密顿蒙特卡罗的概念介绍(2018),arXiv:1701.02434v2
[4] 布朗,S。;Heathcote,A.,选择反应时间的弹道模型,《心理评论》,112117-128(2005)
[5] 布朗,S。;Heathcote,A.,《选择反应时间的简单完整模型:线性弹道积累》,认知心理学,57153-178(2008)
[6] Chib,S。;Greenberg,E.,《计量经济学中的马尔可夫链蒙特卡罗模拟方法》,《计量经济理论》,第12期,第409-431页(1996年)
[7] Chib,S。;Jeliazkov,I.,《Metropolis-Hastings输出的边际可能性》,《美国统计协会杂志》,96,453,270-281(2001)·Zbl 1015.62020号
[8] Del Moral,P。;Doucet,A。;Jasra,A.,《连续蒙特卡罗采样器》,《皇家统计学会杂志》。B系列,68,411-436(2006)·Zbl 1105.62034号
[9] Del Moral,P。;Doucet,A。;Jasra,A.,用于近似贝叶斯计算的自适应序贯蒙特卡罗,统计与计算,1009-1020(2012)·兹比尔1252.65025
[10] 唐金,C。;Brown,S.D.,《反应时间和决策》(Stevens的实验心理学和认知神经科学手册,方法论(2018),John Wiley&Sons),349
[11] 唐金,C。;布朗,S.D。;Heathcote,A.J.,《反应时间模型的过度约束:重新思考标度问题》,《心理学通报与评论》,第16期,第1129-1135页(2009年)
[12] Duan,J.C。;Fulop,A.,《密度调节边缘化连续蒙特卡罗采样器》,《商业与经济统计杂志》,第33、2、192-202页(2015年)
[13] 新泽西州埃文斯。;Annis,J.,《通过微分进化进行热力学积分:估计边际可能性的方法》,《行为研究方法》,51930-947(2019)
[14] 新泽西州埃文斯。;Brown,S.D.,决策的线性弹道累加器模型的贝叶斯因子,行为研究方法,50,2589-603(2018)
[15] 新泽西州埃文斯。;Steyvers,M。;Brown,S.D.,《使用认知模型建模复杂数据集的协方差结构:个体差异和认知能力遗传性的应用》,《认知科学》,42,6,1925-1944(2018)
[16] Forstmann,B.U。;Dutilh,G。;布朗,S。;Neumann,J。;von Cramon,D.Y.,Striatum和SMA之前促进了在时间压力下的决策,《美国国家科学院院刊》,105,17538-17542(2008)
[17] 弗里尔,N。;Hurn,M。;Wyse,J.,《提高统计证据的后验估计能力》,《统计与计算》,24,5,709-723(2014)·Zbl 1322.62098号
[18] 弗里尔,N。;Pettitt,A.N.,《通过功率后验估计边际似然》,《皇家统计学会杂志》。B.系列统计方法,70,3,589-607(2008)·Zbl 05563360号
[19] Gelman,A。;孟晓乐,《模拟归一化常数:从重要性抽样到桥抽样再到路径抽样》,《统计科学》,163-185(1998)·Zbl 0966.65004号
[20] 格罗诺,Q.F。;Heathcote,A。;Matzke,D.,使用warp-III桥式抽样计算证据积累模型的贝叶斯因子,行为研究方法(2019年)
[21] Gunawan,D。;卡特,C。;费比格,D.G。;Kohn,R.,《多元结果弹性面板模型的有效贝叶斯估计:生活事件对心理健康和过度饮酒的影响》(2017),arXiv预印本arXiv:1706.03953v1
[22] Gunawan,D。;霍金斯,G.E。;科恩,R。;Tran,M.N。;Brown,S.D.,《重复决策的时间演变心理过程》(2019),arXiv:1906.10838v1
[23] Hesterberg,T.,加权平均重要性抽样和防御混合分布,技术计量学,37185-194(1995)·Zbl 0822.62002号
[24] 黄,A。;Wand,M.P.,协方差矩阵的简单非信息先验分布,贝叶斯分析,8,2,439-452(2013)·Zbl 1329.62135号
[25] Kass,R.E。;Raftery,A.E.,贝叶斯因子,《美国统计协会杂志》,90,430,773-795(1995)·Zbl 0846.62028号
[26] Neal,R.,退火重要性抽样,统计与计算,1125-139(2001)
[27] 普卢默,M。;贝斯特,N。;Cowles,K。;Vines,K.,CODA:MCMC的收敛诊断和输出分析,R News,6,1,7-11(2006)
[28] Ratcliff,R.,《记忆提取理论》,《心理学评论》,85,59-108(1978)
[29] Ratcliff,R。;Rouder,J.N.,《两种选择决策的反应时间建模》,《心理科学》,第9347-356页(1998年)
[30] Ratcliff,R。;Smith,P.L.,《两种选择反应时间的序贯抽样模型比较》,《心理学评论》,111333-367(2004)
[31] Ratcliff,R。;史密斯,P.L。;布朗,S.D。;McGoon,G.,《扩散决策模型:当前问题和历史》,《认知科学趋势》,20,4,260-281(2016)
[32] 施皮盖尔哈特,D.J。;贝斯特,N.G。;卡林,B.P。;Linde,A.,《偏差信息标准:12年后》,英国皇家统计学会期刊。B系列:统计方法,76,3485-493(2014)·Zbl 1411.62027号
[33] Terry,A。;A.马利。;Barnwal,A。;Wagenmakers,E.-J。;Heathcote,A。;Brown,S.D.,《线性弹道蓄能器漂移率分布的概化》,《数学心理学杂志》,68,49-58(2015)·Zbl 1354.91044号
[34] 特纳,B.M。;Sederberg,P.B。;布朗,S.D。;Steyvers,M.,《从相关维度分布中有效抽样的方法》,《心理学方法》,18,3,368-384(2013)
[35] Usher,M。;McClelland,J.L.,《知觉选择的时间进程:泄漏竞争累加器模型》,《心理学评论》,第108期,第550-592页(2001年)
[36] 沃尔,L。;Gunawan,D。;布朗,S.D。;Tran,M.N。;科恩,R。;霍金斯,G.E.,《识别跨任务、情境和时间的认知过程之间的关系》(2019年),arXiv:1910.07185v1
[37] Watanabe,S.,Bayes交叉验证的渐近等价性和奇异学习理论中广泛适用的信息准则,机器学习研究杂志(JMLR),2010年12月11日,3571-3594(2010)·Zbl 1242.62024号
[38] 谢,W。;刘易斯,P.O。;范,Y。;郭,L。;Chen,M.H.,改进贝叶斯系统发育模型选择的边际似然估计,系统生物学,60,2,150-160(2010)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。