多层信号检测论模型改进无意识加工研究的假设检验

为检验无意识加工，研究者通常会将某一刺激对行为影响的测量与该刺激意识水平的测量进行比较。常被检验的三种常见假设是：影响显著而意识不显著（组水平分离）、两个测量在被试间相互独立（相关）、或当意识被外推为零时影响仍然存在（回归截距）。传统分析存在三个众所周知的方法学局限：第一，两个测量在量尺和试次数上常不相同，使对其相对敏感性的有意义比较变得困难。第二，基于被试水平敏感性的分析忽略了测量误差，这会衰减相关并夸大回归截距，从而导致支持无意识加工的误导性证据。第三，相关假设需要无关联的证据，但传统显著性检验对效应缺失提供的证据有限。为解决这些问题，我们引入一个多水平信号检测论（SDT）模型，该模型联合分析来自两个测量的试次水平反应，并允许在考虑测量误差的同时直接检验全部三种假设。该模型支持频率学派和贝叶斯估计，使研究者能够进行非优效性检验，并使用贝叶斯因子量化支持零假设的证据。我们通过对三项已发表的无意识加工研究进行再分析来说明该方法。{uSDT} R 包提供了一种便捷方式来拟合联合多水平 SDT 模型，并更严格地评估全部三种假设。

中文由 AI 翻译，仅供参考，以原文为准。