GRT中的个体差异的可识别性和可测试性
摘要：Silbert和Thomas（2013年）表明，在完全参数化的$2 \times 2$高斯GRT模型中，决策可分性失败通常无法识别。最近发展了$2 \times 2$ GRT模型的一个扩展（GRTwIND），以解决这个问题，并解决了GRT模型中平均值和边际方差同时可识别的类似问题。GRTwIND能够解决这些问题的核心在于普遍感知的假设，该假设由注意力和全局缩放参数修改的共享感知分布组成（Soto等，2015）。如果普遍感知是有效的，那么GRTwIND就解决了这两个问题。在本文中，我们展示了具有普遍感知和主体特定决策可分性失败的GRTwIND在数学上以及经验上等同于具有决策可分性和普遍感知失败的模型。然后，我们提供了关于平均值和边际方差不一般同时可识别的正式证明，在$2 \times 2$ GRT模型中，包括GRTwIND。这些结果可以界定普遍感知假设必须包括什么。基于这些结果和GRT框架中的相关最新数学发展，我们提出，在要求固定子集的参数确定给定GRT模型的位置和尺度的基础上，一些子集的参数必须在GRT模型中设置，以固定建模感知维度的正交性，这是GRT框架的一个核心概念支撑。我们在讨论中总结了感知的主导作用及其与普遍感知的关系。
作者：Noah H. Silbert and Robin D. Thomas
论文ID：1606.05598
分类：Other Statistics
分类简称：stat.OT
提交时间：2016-08-01