在R中修改线性弹道累加器（LBA）仿真

“线性弹道累加器”模型（LBA）是在快速简单决策任务中用于人类行为的相当成功的模型。唐金等人（2009，PDF）提供代码，允许估计给人类行为数据模型的参数，我已经复制代码（有一些小的格式更改）的要点在这里。但是，我想对模型进行微小的修改，但是我不确定如何在代码中实现此修改。

首先从规范模型开始，LBA将每个响应替代方案表示为一个相当奇怪的比赛中的竞争者，从而使竞争者可以具有以下不同特征：

• 起始位置：根据U（0，X1）界定的均匀分布，种族之间的差异很大。
• 速度：在给定的比赛中保持恒定（无加速度），但根据N（X2，X3）定义的高斯分布，不同的比赛之间会有所不同
• 终点线位置（X4）

因此，每个竞争对手对于X1，X2，X3和X4都有自己的一组值。

比赛重复了很多次，冠军和他们的时间记录在每场比赛之后。X5常数将添加到每个获胜时间。

现在，我要进行的修改是将起点的可变性交换到终点。也就是说，我希望所有竞争者和所有种族的起点都为零，从而消除X1，但是我想添加一个参数X6，该参数指定以X4为中心的均匀分布范围的大小，每个竞争对手从每场比赛都采集终点线。这样，在此模型中，每个竞争对手的价值将分别为X2，X3，X4和X6，而我们的竞争对手价值仍为X5。

如果有人愿意为此提供帮助，我将非常感谢。

哦，并提供从上述“ X”命名参数到我链接的LBA代码使用的变量名的映射：X1 = x0max; X2 =漂移率；X3 =标准差 X4 =气; X5 = Ter。

这不是一个完整的答案。这只是尝试提供一个指针。我对LBA一无所知，我只喜欢R代码，所以您的工作量可能会有所不同。

找到合适的代码部分的关键是要知道，将Ter值简单地添加到模型计算的最终结果中（并从obj函数中进行回溯，而obj函数位于优化和参数化包装器“ fitter”中）。那把我引向了pqlba和lbameans。在lbameans中，在tmp $ mean的末尾添加Ter，这又从n1mean函数派生而来，该函数接受参数x0max，chi，drift和sdI作为x1：X4名称的合理匹配。但是，没有什么叫lbameans，导致我回到pqlba。仔细研究，我可以看到pqlba（在添加Ter之前）通过几个函数反弹-最终到达fptpdf。此时，我已陷入困境。

令人高兴的是，如果我是对的，fptpdf会吸引所有主要参与者。不好的部分是，1）需要花费更多时间查看参数是否正在做其他事情并且需要在fptpdf之前进行控制（可能），以及2）消除X1（又名x0max）是有问题的，因为该函数已被划分x0max。将其设置为0会导致明显的问题（除以0是不好的吗？）。因此，在实现目标之前，可能需要对模型的工作方式有更深入的了解。

祝好运。