有关docker HDDM的疑问

[linraining]

Hi Experts，
我最近在测试docker HDDM，它是很好用的工具。但我对python和HDDM的基本算法均了解不多。在使用过程中有如下疑问，请专家解惑。

 1、run_sample中的burn-in和sample，以及chain的选择。在保持burn-in和sample不变的情况下，增加chain数会提高估计的准确性吗？比如，方案A中，sample=10000，burn=5000，chain=4；方案B中，sample=5000，burn=1000，chain=5；方案C中，sample=5000，burn=3000，chain=10。按照2025年的文章的介绍，上述方案用于参数估算的样本数均为20000。那上面的方案推荐哪种？

  2、经过run_sample计算得到的m1，可以通过随后的hddm.load命令重新加载。请问，m1_infdata（推测数据）如何从硬盘中读取？我试了hddm.load命令，似乎不能读取。

  3、实验设计中，如果被估计的参数取值范围不是在传统的HDDM推荐的先验分布中（如实验过程中所有试次的RT均比较长，平均6s以上），则是否需要在命令中作额外设定？我尝试根据2025年文中Box 3的内容，在hddm.HDDMRegressor命令中增加informative=False参数，但在随后的run_sample中，程序报错。请问，在RT普遍比较长的实验中，是否需要对命令作额外的修正？

  感谢回答！

Nan Li

[panwanke]

Thank you for your thoughtful questions — I’m glad dockerHDDM has been helpful! Here are brief answers based on current best practices:

1. Burn-in, samples, and chains: While all three schemes yield 20,000 post-burn-in samples, Scheme A (chain=4, sample=10,000, burn=5,000) is generally preferred. More chains improve convergence diagnostics (e.g., $\hat{R}$) and robustness to poor initialization. Chains < 4 risk under-detecting non-convergence; chains > 4 offer diminishing returns unless parallel resources are abundant. Aim for effective sample size (ESS) > 400 per parameter (check via m1.get_traces().ess()), rather than just total samples.

2. Loading InferenceData: hddm.load() currently only restores the model object, not the full InferenceData. To reload m1_infdata, save it directly using ArviZ:

   import arviz as az
   az.to_netcdf(m1_infdata, "m1_infdata.nc")  # save
   m1_infdata = az.from_netcdf("m1_infdata.nc")  # load

   (This works if return_infdata=True was used in .sample().)

3. Long RTs & priors: When mean RTs are ~6 s, the default priors are inappropriate and may lead to sampling difficulties. Rather than using the informative=False, it specifies broader priors explicitly and set p_outlier=0.05 to account for potential outliers within the mixture-model framework.

Hope this helps! Happy to clarify further.

Best regards,
Wanke

[linnanzi]

感谢回复！
关于问题3，我的实验平均RT大概在5s。在HDDM中使用的代码是：
m=hddm.HDDMRegressor(df, 【自设model】, include=【自设变量】, gorup_only_regressors=False, keep_regressor_trace=True, p_outliers=0.1)
m.find_starting_values()
m_infdata=m.sample(10000, burn=8000, chain=10)

上述代码是否合适？

[panwanke]

感谢回复！ 关于问题3，我的实验平均RT大概在5s。在HDDM中使用的代码是： m=hddm.HDDMRegressor(df, 【自设model】, include=【自设变量】, gorup_only_regressors=False, keep_regressor_trace=True, p_outliers=0.1) m.find_starting_values() m_infdata=m.sample(10000, burn=8000, chain=10)

上述代码是否合适？

p_outliers=0.1 有点大了，这个时候需要确保 trial 数量最好比较多，比如100以上。此外chain 一般4就可以了，多了没太多实际意义。

[linnanzi]

感谢回复！

我还有一个问题。模型结果中的a_std和z_std分别代表什么含义？
我在模型中只设置了[a, v, t, z]这四个自由参数，但在gen_stats()显示的变量有a_std, z_std，并且，这些行还各自有对应的名称为std的列。这个名称为“std”的列，又代表什么含义？