认知建模中模型比较的方法

摘要

认知建模近年来在科学心理学获得广泛应用, 而模型比较是认知建模中关键的一环 研究者需要通过模型比较选择出最优模型, 才能进行后续的假设检验或潜变量推断。模型比较不仅要考虑模型对数据的拟合(平衡过拟合与欠拟合), 也需要考虑模型的复杂度。然而, 模型比较指标众多, 纷繁复杂, 给研究者的选用带来困难。本文将认知建模常用的模型比较指标分为三大类并介绍其计算方法及优劣, 包括拟合优度指标(包括均方误差、决定系数、ROC 曲线等)、基于交叉验证的指标(包括 AIC、DIC 等)和基于边际似然的指标。结合正交 Go/No-Go 范式的公开数据, 本文展示各指标在 R 语言中如何实现。在此基础上, 本文探讨各指标的适用情境及模型平均等新思路.