這一理論假設可以公式化如下：推理問題中的每一個刺激名詞對應於m維空間中的一點。
對任何歸納問題，在多維空間裏麵有一個理解點I，它與適宜的問題答案相對應。
某一給定的選項Xi，從Xi，X2…Xk被選擇為最佳解答答案的概率是關於點di與I距離的絕對值的單調遞減函數。
P=Pi=V／zjv，其中di表示XI與I距離的絕對值，而v則是關於自變量的一個單調遞減函數。
V=exp被試在排列一組選項時，首先根據假設選出序列中的1號元素，然後在餘下的選項中又應用假設選出2號元素，這一過程一直繼續下去，直到所有的元素都得到了排列。
在這裏假設是闡述選擇的規則。
假設進一步指出選擇某一選項作為最佳答案的概率不僅遵循單調遞減的規律，而且是一個關於該答案與理想點距離的指數衰減函數，因此在反應選擇的模型中引進了一個參數a，代表該函數的衰減斜率。
斯騰伯格和他的同事繼承了這一模型，並且將它應用於類比、係列完成和分類的情形中，這時假定反應選擇的模型是針對加工成分中的比較成分或證實成分。
下圖給出了每一種問題類型的參考圖示。
類比係列完成分類注意，在類比問題中，I位於由A、B、C三點構成的平行四邊形的第4個頂點；在係列完成中，I位於點A關於點B的對稱點上；在分類中，I位於由A、B、C三點構成的三角形的中心。
在每種問題類型中，4個答案選項均表示為離理想點一定距離的一連串的點。
歸納推理中反應選擇的模型1.在類比推理中反應選擇的模型考慮形如A：B：C：的類比問題。
如老虎：黑猩猩：狼：。
在這道題中個體的任務是根據4個答案選項和狼的關係與黑猩猩和老虎的關係的類似程度對答案選項進行排列。
像這樣的類比問題，個體必須發現一個理想點，它與狼的距離等於黑猩猩與老虎的距離。
一旦找到這個理想點，對象就可以根據4個答案選項與這一理想點的歐氏距離排列答案選項。
根據假設，選擇某一答案作為最佳答案的概率是一個指數衰減函數，因此，選擇某一答案的可能性隨著它與理想點的距離的增大而減中。
對於排列多個選項也同樣可以應用這一選擇規律。
2.在係列完成中的反應選擇模型考慮形如A：B：的係列完成問題。
例如，鬆鼠：金花鼠：。
這裏，個體必須找到一個與金花鼠的向量距離等於鬆鼠與金花鼠向量距離的一個理想點。
注意係列完成與類比問題的區別在於類比問題中的名詞在多維空間中形成一個平行四邊形，而係列完成中的名詞形成一條線段。
同樣，無論係列中有多少個名詞，都可應用這一模型。
一旦找到這樣一個理想點，個體便可以如同在類比問題中那樣，根據答案選項與理想點的距離而對它們進行排序。
3.在分類推理中的反應選擇模型最後，我們考慮形如A，B，C，的分類問題。
例如，斑馬，長頸鹿，山羊，。
這裏被試的任務是根據4個答案選項是否與前三個名詞構成一類的程度對答案進行選擇。
在這種問題中，被試必須找到一個位於由斑馬、長頸鹿和山羊構成的一個三角形的中心的理想點。
一旦發現這一理想點，被試便能根據4個答案選項與理想點的距離進行排序。
同樣，無論答案選項中的數目是多少，這一模型都適用，不過這時理想點就是位於多邊圖形的中心。
反應選擇理論的檢驗對歸納推理反應選擇理論的檢驗是通過使用動物名稱的類比、係列完成和分類問題來進行的。
30名20來歲的青年人在每種問題類型各完成了30道題。
他們的任務是對每道題的4項答案選項從最好到最差進行排序。
30道類比問題全部都采用A：B：C：的形式，例如，老虎：黑猩猩：狼：。
係列完成采用A：B：的形式，例如，鬆鼠：金花鼠：。
分類問題則采用A，B，C，的形式，例如，斑馬，長頸鹿，山羊，。
主要的因變量是被試選擇每一個答案選項作為第1好、第2好、第3好和第4好的比率。
自變量是每一選項離理想點的距離，通過它來預測這些比率。
另外為預測的負指數函數估計一個參數a。
主要的結果如下：第1，三種任務之間反應選擇的方式非常相似：對於類比和係列完成，相關係數r=0.99，標準差RMSD=0.03；對於類比和分類，r=0.97，RMSD=0.05；而對於係列完成和分類，r=0.98，RMSD=0.040。
第2，對a值的估計，類比為2.52，係列完成為2.56，分類為2.98。
第3，對每種類型的歸納推理任務，數據與模型非常吻合。
對於類比，平方相關R2=0.94，RMSD=0.05；對於係列完成，R2=0.96，RMSD=0.04；對於分類，R2=0.98，RMSD=0.03。
總之，這些結果進一步支持了任務之間歸納推理中的一些共性。
特別是被試在各種任務中選擇答案時似乎采取非常相似或相同的方式。
選擇某一選項作為最佳答案的概率是關於它與理想點距離的指數衰減函數，對剩下答案的選擇這一算法可重複運作。