Generalized processing tree models: Jointly modeling discrete and continuous variables


Heck, Daniel W. ; Erdfelder, Edgar ; Kieslich, Pascal J.



DOI: https://doi.org/10.1007/s11336-018-9622-0
URL: https://link.springer.com/article/10.1007/s11336-0...
Weitere URL: https://www.researchgate.net/publication/325022582...
Dokumenttyp: Zeitschriftenartikel
Erscheinungsjahr: 2018
Titel einer Zeitschrift oder einer Reihe: Psychometrika
Band/Volume: 83
Heft/Issue: 4
Seitenbereich: 893-918
Ort der Veröffentlichung: New York, NY
Verlag: Springer Science + Business Media
ISSN: 0033-3123 , 1860-0980
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Sozialwissenschaften > Kognitive Psychologie u. Differentielle Psychologie (Erdfelder 2002-2019)
Außerfakultäre Einrichtungen > GESS - CDSS (SOWI)
Fachgebiet: 150 Psychologie
Abstract: Multinomial processing tree models assume that discrete cognitive states determine observed response frequencies. Generalized processing tree (GPT) models extend this conceptual framework to continuous variables such as response times, process-tracing measures, or neurophysiological variables. GPT models assume finite-mixture distributions, with weights determined by a processing tree structure, and continuous components modeled by parameterized distributions such as Gaussians with separate or shared parameters across states. We discuss identifiability, parameter estimation, model testing, a modeling syntax, and the improved precision of GPT estimates. Finally, a GPT version of the feature comparison model of semantic categorization is applied to computer-mouse trajectories.




Dieser Eintrag ist Teil der Universitätsbibliographie.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Aufruf-Statistik

Aufrufe im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen