测量个体层面和群体层面数值表征的层次贝叶斯模型
应用统计
2017-10-24 v1
摘要
索引数值表征的一种流行方法是计算反应时效应的个体估计值，例如 SNARC 效应或数值距离效应。经典做法是估计个体线性回归斜率，然后要么合并斜率以获得群体层面的斜率估计，要么将个体斜率作为其他现象的预测变量。在本文中，我开发了一种层次贝叶斯模型，用于同时估计群体层面和个体层面的斜率参数。我展示了使用该建模框架评估数值认知中两种常见效应（SNARC 效应和数值距离效应）的示例。最后，我证明了贝叶斯方法可以比经典方法获得更好的测量保真度，特别是在小样本情况下。
引用
@article{arxiv.1710.08171,
title = {A hierarchical Bayesian model for measuring individual-level and group-level numerical representations},
author = {Thomas J. Faulkenberry},
journal= {arXiv preprint arXiv:1710.08171},
year = {2017}
}