Modeling Issues with Eye Tracking Data

技术摘要：眼动追踪数据的建模问题

问题陈述
由于序列观测中固有的自相关性，二元眼动追踪（ET）数据的分析面临显著的统计挑战。标准的逻辑混合模型往往无法解释由伯努利观测值（注视目标“在”或“不在”）组成的序列数据中的时间依赖性，这可能会导致标准误和参数估计的偏差。虽然之前的方法（如通过引入滞后-1阶预测变量来增强广义线性混合模型 [GLMM]）已被用于解决此问题，但这些方法会引入多重共线性以及潜在的模型不稳定问题，尤其是在区分随机效应与自回归参数时。此外，高频眼动追踪数据（例如从 1000Hz 到 0.01s 间隔）的压缩过程会产生大量相同的状态序列（0 或 1），这需要高效的建模策略，以在不丢失信息的前提下保留底层的停留时间（dwell-time）结构。

研究方法
本研究分析了由 Ryskin 等人 (2015) 收集的眼动追踪数据，重点关注跨对话试验的受试者与项目（subjects and items）的交叉分类设计。通过排除每个受试者的重复项目呈现并移除缺乏足够注视数据的序列，对数据集进行了预处理。分析比较了应用于原始（未压缩）和压缩数据的五种不同建模方法：

1. GLM（广义线性混合模型）： 基准逻辑混合模型，包含实验变量（Contrast、Privoked 及其与 Time 的交互作用）的固定效应，以及受试者和项目的随机效应。它没有显式地对自相关进行建模。
2. LAG 模型： GLM 的扩展，将观察到的滞后-1阶结果（$y_{t-1}$）作为预测变量，以解释序列递归，并伴有随机效应。
3. AR1（广义估计方程）： 一种边际回归模型，使用具有 AR(1) 工作相关结构的广义估计方程 (GEE)。该方法直接将自回归系数（$\phi_A$）纳入方差结构中，而非使用观察到的滞后预测变量。
4. COX（循环两状态生存模型）： 利用行程长度编码 (RLE) 将二元时间序列压缩为离散的注视片段（runs）。该方法利用分层 Cox 比例风险框架对状态间的转换风险（0 $\to$ 1 和 1 $\to$ 0）进行建模，将状态持续时间视为生存时间。
5. ON-OFF 生存模型： 生存分析方法的变体，将二元序列视为一系列状态片段，将处于“ON”或“OFF”状态的时间作为生存结局，并采用分层基准风险模型。

研究使用 R 包 lme4、glmtoolbox 和 survival 进行估计。通过 RLE 实现的数据压缩被证明是无损的，在将数据集从约 646,000 条记录减少到约 15,000 条的同时，保留了生存分析所需的时间结构。

核心贡献
本文介绍了两种处理二元眼动追踪数据中序列相关性的新颖方法，且无需依赖观察到的滞后-1阶预测变量：

• 具有 AR(1) 结构的 GEE： 展示了在边际模型框架内将一阶自回归误差结构应用于 ET 数据的应用。
  （注：此处原文为 GEE with AR(1) Structure）
• 循环两状态生存模型： 提出将 RLE 压缩后的数据置于 Cox 比例风险框架内，将状态转换（0 $\to$ 1 和 1 $\to$ 0）建模为离散生存事件。

研究通过对比分析，展示了这些不同的结构性假设如何影响固定效应估计、标准误和方差分量。研究强调了生存模型的计算效率以及建模状态转换而非瞬时概率的可解释性。

结果

• 固定效应： GLM、AR1 和生存模型（COX/ON-OFF）产生的实验效应（Privileged 和 Contrast）估计值相似，表明在检测核心认知效应方面，不同的自相关处理方法具有稳健性。相比之下，LAG 模型得出的系数明显不同，特别是在 Time 和 Contrast 变量上，且 Privileged 的系数更高。
• 标准误： GLM 和 LAG 模型产生的标准误最小。AR1 和生存模型产生的标准误约为 GLM 的两倍。作者指出，这部分归因于生存模型中有效样本量的减少（由于缺少转换指示器，每个序列的最后一个行程被舍弃）。
• 自相关与方差： AR1 模型估计出的残差相关性极高（$\phi \approx 0.95$），这与中位行程长度 35 个观测值一致。LAG 模型的伪 $R^2$ 较大，这是由滞后-1阶系数驱动的。
• 模型拟合： ON-OFF 生存模型的一致性指数（concordance coefficient）为 0.574，高于 COX 模型的 0.512，表明其在按时间切换进行排序方面的表现更好。
• 识别问题： 结果强化了在层次化时间序列模型中同时识别自回归参数和随机效应的难度，尤其是在较短的时间序列中。LAG 模型中滞后-1阶预测变量的引入似乎重新分配了方差和效应，可能掩盖了随机截距的真实贡献。

意义与主张
本文声称其贡献在于为建模二元时间序列中自回归效应的替代方法提供了处于“萌芽阶段”的探索。它并未声称解决了所有建模问题，而是强调了尚未解决的问题：

1. 方法的等价性： AR1 与生存模型在实验效应估计上的相似性，暗示了自回归误差结构与离散时间两状态转换模型之间存在更深层的理论联系。
2. 模型选择： 研究认为，虽然带有滞后系数的自回归模型是有效的探索工具，但由于多重共线性和与随机效应的识别问题，它们在长序列中可能并不实用。生存模型被提议作为避免近奇异性（near-singularities）的一种可行替代方案。
3. 结局定义： 本文强调了选择正确结局进行建模的实质重要性。研究认为，建模向“目标内注视”的转换（生存分析法）可能比建模某一特定时刻“目标内注视”的概率更具信息量，特别是考虑到眼动数据基于“行程”（run）的特性。
4. 未来方向： 作者谦逊地总结道，基于单一数据集的研究表明，马尔可夫转换模型（Markov transition models）是未来研究的一个有前景的方向，前提是软件能够处理不完整的“受试者-项目”设计及聚类问题。

本文承认使用了 AI 工具进行参考文献格式化、文献综述、代码生成和文本修订，并保持了关于准备过程的透明度。