问了这个问题四年后,我学到了一些东西,所以也许我应该添加一些想法。
我认为贝叶斯分层建模为解决此问题提供了一种灵活的方法。
软件:jags,stan,WinBugs等工具可能与它们各自的R接口包(例如rjags,rstan)结合使用,可以更轻松地指定此类模型。
人为误差的变化:
贝叶斯模型使将人为误差的方差指定为人与人之间变化的随机因素变得容易。
ÿ我= 1 ,。。。,nĴ = 1 ,。。。Ĵ
ÿ我Ĵ〜ñ(μ一世,σ2一世)
μ一世= γ
γ〜ñ(μγ,σ2γ)
σ一世〜ģ 一米米一个(α ,β)
因此,每个人的标准差可以建模为伽马分布。我发现这是许多心理领域的重要参数,在这些领域中,人们随时间变化的程度各不相同。
潜在的曲线类别:
我还没有对此概念进行过充分的探索,但是直接为每个个体指定两个或更多可能的数据生成函数,然后让贝叶斯模型为给定的个体选择最可能的模型是相对简单的。因此,通常您将获得关于每个个体的后验概率,有关哪个函数形式描述了个体数据。
作为模型构想的草图,您可能会遇到以下类似情况:
ÿ我Ĵ〜ñ(μ我Ĵ,σ2)
μ我Ĵ= γ一世λ(1 )我Ĵ+ (1 - γ一世)λ(2 )我Ĵ
λ(1 )我Ĵ= θ(1 )1 我+ θ(1 )2 我经验值(- θ(1 )3 我)
λ(2 )我Ĵ= θ(2 )1 我+ θ(2 )2 我X我Ĵ+ θ(2 )3 我X2我Ĵ
γ一世= 乙Ë ř Ñ Ò ù 升升我(π一世)
X我Ĵλ(1 )我Ĵλ(2 )我Ĵπ一世λ(1 )我Ĵ