側頭選択モデルの予測精度

より早く利用可能なより小さな報酬と、後で利用可能なより大きな報酬をどのように選択しますか？過去の研究では、適合性の良さを測定するか、どの意思決定の異常が対応できるかを識別することにより、時代間選択のモデルを評価しています。これらの標準基準に部分的に反対であるモデル品質の代替基準は、予測精度です。交差検証を使用して、10の10のモデルの間隔の選択が、100審査のバイナリ決定タスクでの動作を予測できるかを調べました。多くのモデルは、トレーニングセットが小さい場合でも、85％の精度の見かけの天井を達成しました。ただし、トレーニングセットにノイズが追加された場合、単純なロジスティック回帰モデルで、差異モデルを特にうまく実行します。多くの状況では、予測精度のモデル間の違いは小さい場合がありますが、時代間選択に関する研究におけるモデリングの質問に関する長年の論争に反していますが、差異モデルのシンプルさと堅牢性は将来の使用に推奨されます。

How do people choose between a smaller reward available sooner and a larger reward available later? Past research has evaluated models of intertemporal choice by measuring goodness of fit or identifying which decision-making anomalies they can accommodate. An alternative criterion for model quality, which is partly antithetical to these standard criteria, is predictive accuracy. We used cross-validation to examine how well 10 models of intertemporal choice could predict behaviour in a 100-trial binary-decision task. Many models achieved the apparent ceiling of 85% accuracy, even with smaller training sets. When noise was added to the training set, however, a simple logistic-regression model we call the difference model performed particularly well. In many situations, between-model differences in predictive accuracy may be small, contrary to long-standing controversy over the modelling question in research on intertemporal choice, but the simplicity and robustness of the difference model recommend it to future use.