该技能用于从反应时（RT）与正确率数据中估计漂移扩散模型（DDM）参数，包括漂移率 v、边界分离 a、非决策时间 t，以及完整模型中的起始点偏置与跨试次变异参数。适用于二元决策实验建模、速度—准确率权衡分解、序贯抽样模型变体比较，以及通过参数恢复模拟验证拟合流程。
输入需包含逐试次的 RT、正确/错误标签、被试与条件标识，并选择模型变体（基础 3 参数、完整 7 参数或分层 HDDM），可选先验分布、恢复模拟数据集数量（默认 100）与 RT 过滤范围（默认 0.1–5.0 秒）。
流程分六步：一，清洗数据，按边界过滤离群 RT，检查每个被试—条件单元至少 40 个试次；二，根据试次数、被试数和研究目标选择模型变体；三，使用 pyddm 做最大似然估计，或用 HDDM 做贝叶斯估计并检查收敛（Gelman-Rubin R-hat < 1.1）；四，通过分位数—概率图与卡方拟合统计评估拟合；五，用 BIC/AIC 或 DIC/WAIC 比较模型；六，用参数恢复模拟验证估计质量（相关系数 r > 0.85，偏差小于参数范围的 5%）。
限制与常见问题：DDM 对数据量要求高，每单元试次不足会导致估计不稳定；忽略错误反应时会丢失边界与起始点信息；低于 100ms 的快速猜测需过滤；完整 7 参数模型在稀疏数据上易过拟合，模型选择建议用 BIC；未做参数恢复无法区分估计偏差与真实效应。公开资料未提供具体收费、平台支持或运行环境要求。