¿Cuál es la mejor manera de calcular una puntuación de índice en función del tiempo de reacción, la varianza y la precisión?

Digamos que tengo una tarea de continuar/no continuar y mis datos de salida incluyen 3 parámetros: tiempo de reacción promedio, variación del tiempo de reacción y número de errores. Quiero combinar todos los parámetros en una sola puntuación de índice.

¿Cuál es la mejor manera de hacerlo? Todos los parámetros son igualmente importantes para mí.

¡Bienvenido a Psicología.SE! Al leer esta pregunta, no estoy seguro de que tenga algo que ver con la psicología o la neurociencia. Esta parece ser una pregunta de estadísticas para mí que se adaptaría a CrossValidated.SE más que aquí. ¿Hay más que pueda proporcionar para mostrar que está en el tema aquí?
@ChrisRogers go/no go y las medidas de tiempo de reacción se utilizan predominantemente en psicología. Entonces, creo que está dentro del alcance.
@ChrisRogers como se dijo en meta , esto es ontópico.
Creo que la diferencia es que la forma de crear este compuesto se basa en la teoría psicológica. Es decir, no es solo una pregunta genérica sobre cómo hacer una prueba t. Se trata de cómo calificar una medida psicológica, donde la regla para calificar depende del significado psicológico de los componentes. Las presentaciones en conferencias y los artículos de revistas de psicología matemática y cognitiva están dedicados al tema de cómo compensar la velocidad y la precisión en los tiempos de reacción.

Respuestas (1)

Esto se superpone mucho con estas dos preguntas: así que échales un vistazo.

Con respecto a algunos detalles de su pregunta, la variación del tiempo de reacción a menudo estará fuertemente correlacionada con la media del tiempo de reacción. Por lo tanto, en las medidas de rutina de las diferencias individuales donde la velocidad es el enfoque principal, puede ser suficiente centrarse en el tiempo medio de reacción y la precisión. Por ejemplo, tiempo medio de reacción posiblemente con algún tipo de penalización por errores (ver las respuestas anteriores).

Si desea ser muy preciso, existe una variedad de enfoques de modelado que pueden ser relevantes (por ejemplo, esta pregunta sobre LBA y modelos de difusión ).

Con respecto a pasar-no-pasar, creo que existen procedimientos bastante estandarizados para calificar dichas pruebas.

Si desea modelar go-nogo con LBA, hay tutoriales para hacerlo aquí: osf.io/pbwx8
¿Cuál es la mejor manera de calcular una puntuación de índice en función del tiempo de reacción, la varianza y la precisión?
RespuestasAquíPolítica de privacidad1y, 0v