在本次工作坊中，胡博士将以自己博士论文中的部分实验为例，分享不同研究问题可以采用的不同模型。重点包括：假设检验中Bayes factor （贝叶斯因子）及其如何在JASP中实现、认知模型HDDM（Hierarchical drift diffusion model, 层级扩散模型）及其如何Python中实现。胡博士希望通过本次工作坊，能够激发听众思考统计模型思维在研究中的作用，同时学会如何使用JASP计算贝叶斯因子，如何使用HDDM工具包探索反应时数据。
时间：
2019年12月27日（周五）
下午 13:30–17:00；晚上 18:30–20:00
地点：
清华大学伟清楼507室（暂定，具体场地根据报名情况而定）
工作坊初步拟定大纲如下：
1. 引言：研究问题及其对应的统计模型
2. 研究问题类型I：效应是否存在？
2.1 频率主义的NHST
2.2 贝叶斯学派的贝叶斯因子 （重点）
3 研究问题类型 II：效应有多大？
3.1 频率主义的效应量及其置信区间
3.2 贝叶斯学派的估计
4 研究问题类型III：效应的异质性（略讲）
混合线性模型在估计效应异质性中的作用
5 研究问题类型IV：对机制的描述
反应时数据的扩散模型（重点）
对象及费用：
面向所有高年级本科生、研究生（方向不限）
工 作 坊 费 用：免 费
（但需要提前报名，以便主办方做准备）
报名链接：https://www.wenjuan.com/s/ZNZ3Ef/
（扫描报名工作坊）
1. Wagenmakers, E.-J., Love, J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., . . . Morey, R. D. (2018). Bayesian Inference for Psychology. Part II: Example Applications with JASP. Psychonomic Bulletin & Review, 25(1), 58-76. doi:10.3758/s13423-017-1323-7
2. Wagenmakers, E.-J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., Love, J., . . . Morey, R. D. (2018). Bayesian inference for psychology. Part I: Theoretical advantages and practical ramifications. Psychonomic Bulletin & Review, 25(1), 35-57. doi:10.3758/s13423-017-1343-3
3. Wiecki, T. V., Sofer, I., & Frank, M. J. (2013). HDDM: Hierarchical Bayesian estimation of the Drift-Diffusion Model in Python. Frontiers in Neuroinformatics, 7. doi:10.3389/fninf.2013.00014