Joint Bayesian Modeling of Binomial and Rank Data for Primate Cognition
用于灵长类认知研究的二项与秩数据联合贝叶斯建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要是灵长类混合响应与潜变量建模，未涉及经济主体离散选择、结构经济模型或其他所列细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用于灵长类认知研究的二项与秩数据联合贝叶斯建模
- 研究问题
- 如何联合分析二项与秩尺度的认知任务表现，尤其处理秩数据中的并列，并比较非人灵长类的潜在认知能力？
- 方法与思路
- 作者以潜在认知能力连接两种响应，用随机效应模型描述潜变量，并施加识别限制，在十七项认知任务中应用。
- 材料陈述的贡献
- 摘要提出混合响应的联合贝叶斯模型；应用结果提示物种认知能力排序随任务变化，并据此讨论能力演化的部分独立性。
- 阅读关注点
- 核对并列秩的似然处理、潜变量尺度与识别限制、先验敏感性，以及从任务差异推及演化解释的证据边界。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要。模型细节和不确定性未说明，任务间排序差异不能单独建立演化因果结论。
原文摘要
In recent years, substantial effort has been devoted to methods for analyzing data containing mixed response types, but such techniques typically do not include rank data among the response types. Some unique challenges exist in analyzing rank data, particularly when ties are prevalent. We present techniques for jointly modeling binomial and rank data using Bayesian latent variable models. We apply these techniques to compare the cognitive abilities of nonhuman primates based on their performance on 17 cognitive tasks scored on either a rank or binomial scale. To jointly model the rank and binomial responses, we assume that responses are implicitly determined by latent cognitive abilities. We then model the latent variables using random effects models, with identifying restrictions chosen to promote parsimonious prior specification and model inferences. Results from the primate cognitive data are presented to illustrate the methodology. Our results suggest that the ordering of the cognitive abilities of species varies significantly across tasks, suggesting a partially independent evolution of cognitive abilities in primates. Supplementary materials for this article are available online.