Testing the Drift-Diffusion Model
漂移扩散模型的检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究二元选择的漂移扩散行为模型，并明确涉及漂移与边界的结构识别和估计。
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…
漂移扩散模型的检验
- 研究问题
- 能否根据二元选择概率检验具有一般停止边界的漂移扩散模型，并从可观测选择信息中唯一识别漂移参数与边界？
- 方法与思路
- 作者给出选择概率由某个漂移扩散模型生成的充要条件，证明漂移与边界唯一识别，再据此非参数估计并构造检验统计量。
- 材料陈述的贡献
- 摘要称提供了适用于一般边界的模型刻画、唯一识别结果及统计检验，将关于选择行为的理论限制转化为可检验内容。
- 阅读关注点
- 应核对刻画条件中的可观测对象、响应时间如何进入分析，以及唯一识别所需限制、非参数估计方式和检验的有效性条件。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要未展开充要条件和边界限制，无法判断具体数据是否满足检验要求。
原文摘要
The drift diffusion model (DDM) is a model of sequential sampling with diffusion (Brownian) signals, where the decision maker accumulates evidence until the process hits a stopping boundary, and then stops and chooses the alternative that corresponds to that boundary. This model has been widely used in psychology, neuroeconomics, and neuroscience to explain the observed patterns of choice and response times in a range of binary choice decision problems. This paper provides a statistical test for DDM's with general boundaries. We first prove a characterization theorem: we find a condition on choice probabilities that is satisfied if and only if the choice probabilities are generated by some DDM. Moreover, we show that the drift and the boundary are uniquely identified. We then use our condition to nonparametrically estimate the drift and the boundary and construct a test statistic.