高妍测量学作业译文.docx

《高妍测量学作业译文.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、贵州师范大学作业（论文）题目：混合Rasch模型中参数的恢复和模型选择课程名称：教育测量与评价任课教师姓名：赵守盈研究生姓名：高妍学号：4201220000127年级：2012级专业：学科教学（语文）学院（部、所）：文学院任课教师评分：评阅意见：任课教师签名：年月日12DavidPreinerstorfer奥地利维也纳大学统计及运筹学，AntonK.Formann维也纳大学，心理学系，基本心理研究。2可悲的是，安顿K.Formann安在这篇文章发表之前的2010年去世，应联系大卫Preinersto

2、rfer，统计及营运部A-1010维也纳，维也纳，atsstrasse5/3/9大学研究，奥地利（电子邮箱：david.preinerstorfer@univie.ac.at）。混合Rasch模型中参数的恢复和模型选择DavidPreinerstorferAntonK.Formann摘要：本研究探讨有条件的最大似然估计的精度，模型选择方法的质量基于混合罗序模型中的信息标准（AIC和BIC）。蒙特卡罗模拟研究的设计包括四个测试长度（10，15，25，40），3个样品的尺寸（500，1000，2500）

3、，两个模拟混合条件（一和两组），和人口的同质性（同样大小的亚组）或异质性（一个子群比其他大三倍）。结果表明：在同质人群中增加的样本大小和越来越多的项目资料会指向更高的精度;中程参数估计比极端的参数更加精确、在综合流行部分精度较高。最小BIC方法比基于模型选择的AIC导致几乎完美的效果和更可靠。这个结果是与发现李，科恩，金，和CHO（2009年）和实用指南中所提供的相比来得出的。1、介绍混合Rasch模型（罗斯特，1990年，1991年）被引入来形容RASCH综合亚组（罗序，1960年，1961年）有

4、限数量的反应类型常规组成。主要的想法是将潜伏类的优势（拉扎斯菲尔德，1950年，亨利·拉扎斯菲尔德，1968年）和罗序型分析结合起来，并使其可以同时学科分类和量化自己通过引入混合Rasch模型泛化的能力。从一个潜在的类建模的角度来看，模式是与结构潜类模型（Formann科尔曼，1998;Formann，2007年）密切相关的。通常情况下，混合Rasch模式典型的应用在一个心理测试的情况，该测试通过应用不同的策略（例如，Machat，Jirasko罗莱特，2001;Bonnefon，Eid，Vauti

5、er，JMEL公司，2008年）来解决。由于问题的关键难度是基于用来解决这个问题的策略，在群体之间会有所不同。该模型已经被应用到测试Rasch模式的拟合优度（例如：罗斯特和冯，1995Davier;高谈阔论，GittlerSirsch＆GL¨UCK，1997年）以及与分类测试校准（例如，卡斯滕森罗斯特，冯Davier的，1997年，宏和敏，2007年；舒尔茨-拉森，Kreiner＆Lohmholt，2007年Meiser＆Machunsky的，2008年）。近日，Bonnefon和Vautier12

6、（2010）讨论了其心理实验中的应用。它也可以使用混合罗序模型来用于检测不同反应类型，假设人格问卷（Zickar，吉比，罗比，2004;Eid＆Zickar的，2007年）。在混合Rasch建模中，则假定一个正确的答案的概率，给定一个人V和他所属的类别C，就可以通过一个二分Rasch模型所描述：其中表示被观察的项目反应和参数。个人参数通过来表示，项目参数参数用来表示，相关的类尺寸通过来表示，组由C和样本尺寸由N来表示。当假设类是互斥的，式（2）成立。相关的等级尺寸必须满足在Rasch模型中，基于不同

7、的似然估计方法都可应用（莫莱纳，1995年）。我们将限制我们的讨论（cMLE）在基于Rasch模型的参数估计方法的选择的条件下，因为这是一种基于Rasch模型参数的评估。这部分是由于Rasch模型（菲舍尔，1974）测量的理论基础的密切关系。它也可以通过渐近一致和非公正的方法显示（安德森，1970），这是不是Rasch模式中无条件最大似然估计（莫莱纳，1995年）的案例。为了找出个人参数条件，得分概率这是被引入的模型参数本身，其中Xi表示组件的随机响应向量。重要的是要指出：类别的数量不是模型参数的数

8、量，因此必须满足在参数估计过程之前。如果由n表示被观察到的响应矢量的数目等于x，而X通过n(x)和表示。那么给定的可能：当在C类项目参数中表示初等对称函数的阶数r，罗斯特（1990）通过EM型算法（登普斯特，莱尔德，鲁宾，1977）讨论了可否获得有条件的项目参数的最大似然估计。详细描述可以在罗斯特（1990）二分的情况下和罗斯特（1991）多歧情况下找到。这些算法在WINMIRA（冯Davier，2001）这里一直被应用。当然，参数估计也可以通过应用技术得到，如贝叶斯