计算机动态测验中问题解决过程策略的分析:多水平混合IRT模型的拓展与应用

学生在完成计算机动态测验过程中,会产生大量带有时间标记的过程性数据。本研究基于5个国家(地区)3196名学生在PISA2012一道交通问题解决任务上的139990条数据,将多水平混合IRT(MMix IRT)模型进行拓展,用于探索问题解决过程策略的类别特点。结果表明,该模型不仅可以基于行为序列对不同国家(地区)学生在解决问题时策略使用情况的典型特征进行分析,还可以提供个体水平的能力估计值。拓展的MMixIRT模型可用于分析过程性数据的特征。

多水平混合IRT模型及其发展与应用

多水平混合IRT模型(MMIRTM)将IRT与潜在类别分析和阶层线性模型相结合,能够同时对嵌套在多水平下的被试分类并量化其潜在特质。它是近年来教育心理测量学的研究热点与重点之一。在梳理多水平混合IRT模型的发展由来、基本概念和原理的基础上,对多水平混合IRT模型在项目功能差异检测等领域的应用做了相关阐述,并对当前多水平混合IRT模型的应用与拓展进行了述评与展望。

利用2种非线性混合效应模型(2水平)对杉木林胸径生长量的分析

选择2种2水平非线性混合模型对杉木林胸径生长量进行分析,其中模型1为一般的2水平非线性混合模型,模型2在模型1的基础上进一步考虑固定效应参数随某一特定因子水平变化而变化。本文通过对这2种模型的分析,首先确定构建2水平非线性混合模型的基础模型,然后对模型1衍生出的665种模型及模型2衍生出的2703种模型进行计算和比较:对于模型1,有57种模型计算收敛,当形参b0同时考虑区组和样地效应、而b4和b5只考虑区组效应时,模型拟合效果最好,因此把该模型作为模型1的最佳拟合模型;对于模型2,有24种模型计算收敛,当形参b5同时考虑区组和样地效应、b1只考虑区组效应并且固定效应b0的取值与各区组水平有关时,模型拟合效果最好,因此把该模型作为模型2的最佳拟合模型。最后对传统的非线性回归模型、模型1及模型2进行比较:模型1和模型2的拟合效果都比传统的非线性回归模型好,且模型2的拟合效果最好。

两水平非线性混合模型对杉木林优势高生长量研究

利用两水平非线性混合模型对杉木(Cunninghamia lanceolata)优势高进行分析。概述了两水平非线性混合模型并简单介绍了该模型的参数估计方法;选用了5种常见的Richards和Logistic形式模型作为构建混合模型的基础模型,利用建模数据分别对这些基础模型各自衍生出的19种混合模型进行计算及比较,结果表明:这5种基础模型对应的最佳混合模型分别为模型(3-1)模型(3-5);最后把这些最佳混合模型及传统的回归模型两两进行比较,结果表明:二水平非线性混合模型拟合效果比传统的回归模型拟合效果要好,并且基础模型4对应的二水平混合模型(式3-4)拟合效果最好。

基于两水平混合模型的杂种落叶松胸径和树高生长模拟

以江山娇实验林场的16块杂种落叶松密度对比标准地为研究对象,使用非线性最小二乘法,对4种常用胸径和树高生长模型拟合优度进行比较,最终选择Schumacher方程作为混合模型的基础模型。考虑林分效应和林木效应,采用两水平嵌套混合模型的方法,通过R软件进行不同参数混合作用的模拟,选择收敛的AIC、BIC和对数似然值最小的混合模型作为最优模型,最后将其与传统模型进行拟合优度的比较。结果表明:胸径生长模型中将林分效应作用于参数a1、林木效应作用于参数a0和a1,树高生长方程中将林分效应和林木效应作用于参数a0时的混合模型最优,可将胸径和树高生长传统模型的确定系数从0.751 0和0.900 8提高到0.946 3和0.947 4,均方根误差也大幅缩小,并且较好地消除了异方差现象,说明通过构造方差协方差矩阵可以校正随机参数以反映树木之间生长的差异。

多水平多维IRT模型在学业质量监测中的应用

用多水平多维IRT(ML-MIRT)模型对学生学业情况进行分析,进而拓宽该模型的适用范围.首先采用不包含任何预测变量的零模型对项目参数和学生参数进行分析,然后使用包含学生预测变量的MLMIRT模型分析2个预测变量对学生学业能力的影响.研究结果表明:试题的难度基本上贯穿了整个能力量尺,试题也具有较好的区分度,3个能力维度的跨级相关系数均达到了显著性水平,父亲的受教育程度对学生的3个能力维度均有显著影响,而母亲的受教育程度无显著影响.因此,编制的测验较为合理,MLMIRT模型适用于监测学生学业水平,父亲的受教育程度对学生学业水平有着重要影响.

基于混合模型的多尺度水平集高分辨率SAR图像水体分割

针对高分辨率SAR图像水体分割,提出基于混合活动轮廓模型的多尺度水平集分割算法。首先利用ROEWA边缘指示函数加权的轮廓线长度能量项和区域信息项建立模型能量函数;然后引入距离正则项,避免水平集方法在演化求解时需要不断重新初始化的问题;最后采用多尺度处理策略,解决水平集分割算法收敛速度慢的缺点。实测高分辨率SAR图像实验结果表明,该算法可用于水体的精确分割。

一个可靠的水平井混合网格模型

矩形局部网格加密方法，由于在模拟区域的任何地方均使用相同的坐标体系，因而反映井眼周围的径向流动特征不精细，同时细分网格后造成节点数增大，也限制了模拟的规模和精度。为此，本文采用了一种环绕井眼的混合网格加密方法来模拟水平井井区内的流体流动，即在水平井眼附近采用柱坐标网格，而在远离井眼的模拟区域采用直角坐标网格，从而在模拟上实现了多种坐标体系的结合，既能够较为准确地反映井眼周围流体流动特征，又能大大地减小网格数目、克服常规矩形网格在模拟过程中的不足。文中推导了混合网格的差分，介绍了网格划分及网格的排序，并将这种技术应用于三维三相水平井的模拟程序中，取得了良好的效果。

Meta分析中两水平混合效应模型方法的探讨

通过对Ｍｅｔａ分析中“效应尺度”的选择以及两水平混合效应模型建模方法的探讨，表明正确拟合两水平混合效应模型既可获得总平均“效应尺度”及其可信区间的估计，亦可探讨“效应尺度”的影响因素，即获得具有不同研究特征的平均“效应尺度”及其可信区间的估计。

溢流坝段水平位移混合模型的建立

针对溢流坝段在正常高水位时,由于闸门的启闭导致大坝承受水压力发生变化,从而引起库水位与水平位移关系曲线不连续情况,在建立水平位移混合模型时引入了分段函数和阶跃函数。计算结果表明,计算方法合理有效。

混合响应类型的多水平模型在重复测量资料中的应用和实现

目的将混合响应类型的多水平模型应用到具有两个不同类型结局变量的重复测量资料的分析中。方法对原始资料的格式作适当变换,构造一个水平1虚拟变量,将2个结局变量作为水平1上的观察单位,各时间点的重复测量为水平2单位,受试者为水平3单位,用MLwiN2.25软件拟合混合响应类型的三水平模型,对试验组和对照组的疗效,以及受试者的年龄、性别、观察指标的基线值,时间、组别和时间的交互效应进行分析。结果该模型在考虑了两个不同类型的结局变量在各个水平上的相关性后,可以对两个结局变量同时进行影响因素分析,获得解释变量对两个结局变量影响的估计,且只要数据缺失随机则估计是有效且无偏的。结论由于混合响应类型的多水平模型允许结局变量具有不同类型,并且把数据间的相关性分解为重复测量相关性和结局变量间相关性两部分,可有效地进行重复测量资料的动态变化趋势分析,分析结果更为细致。

置信区间宽度等高线图在线性混合效应模型样本量规划中的应用

线性混合效应模型在分析具有嵌套结构的心理学实验数据时具有明显优势。本文提出了置信区间宽度等高线图用于该模型的样本量规划。通过等高线图,确定同时符合检验力、效应量准确性以及置信区间宽度要求的被试量和试次数。结合关注被试内实验效应和被试变量调节效应的两类典型模型,通过两个模拟研究,采用基于蒙特卡洛模拟方法,探索效应量、随机效应大小和被试变量类型对置信区间宽度等高线图及样本量规划结果的影响。

基于LGMM模型的中国老年人认知水平发展轨迹的异质性研究

目的 基于潜变量增长混合模型(latent growth mixture model, LGMM)和中国健康与养老追踪调查(China Health and Retirement Longitudinal Survey, CHARLS)3期追踪数据,考察我国老年人认知水平的发展轨迹及影响因素。方法 资料来源于CHARLS 2013年、2015年、2018年数据,共包含4662例60岁及以上老年人。采用MMSE量表对老年人的认知水平进行评估。利用Mplus工具构建适用于队列数据的LGMM模型探讨不同老年人群体的认知水平变化轨迹,考察时间恒定因素(性别、年龄、受教育程度、婚姻状况、吸烟、饮酒)和随时间变化因素(日常生活活动能力、睡眠时长、主观生活满意度)对老年人认知水平的影响。结果 根据相关指标可将老年人认知水平的发展趋势划分为3个类型,分别是C1缓慢下降组(35.2%)、C2快速下降组(20.6%)和C3稳定组(44.2%);老年人的认知水平随着时间推移呈整体下降趋势,3个组别的认知水平发展轨迹均有显著的时间效应,C2快速下降组的认知水平随时间下降较快,C1缓慢下降组的认知水平随时间缓慢降低,C3稳定组的认知水平变化不明显,呈稳定态。结论 老年人认知水平的发展轨迹具有显著的群体异质性和个体差异性,存在不同类别的发展趋势。

基于变动权值的混合水平集图像分割模型

基于局部区域的活动轮廓模型(LRAC)分割图像时对初始轮廓的严重依赖性,提出一种基于局部和全局区域结合的水平集图像分割算法。结合Chan-Vese水平集模型和LRAC模型的特点,在构造水平集函数时定义了变动的权值参数,将水平集函数的局部和全局能量泛函项结合起来,其中,权重参数由图像梯度和图像演化曲线内外局部均值定义。另外,在水平集函数演化时采用窄带法,以减小计算的时间复杂度。实验结果表明,该算法模型兼有CV模型和LRAC模型的优点,比LRAC模型对初始轮廓选取的依赖性低,收敛速度快;比窄带CV模型的对目标边缘分割效果好。

一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。

基于混合IRT的潜在转变模型研究进展

潜在转变分析是一种用于处理纵向数据的分析方法,可以估计出个体在不同时间点的潜在状态变化,从转变率的角度研究个体发展的阶段性。本文从潜在转变模型发展的角度对基于混合IRT的潜在转变模型进行了系统阐述,总结出了基于混合项目反应理论的潜在转变(LTAMix IRT)模型、多水平LTA-Mix IRT模型以及多分属性的LTA-Mix IRT模型,对LTA-Mix IRT模型形成的理论基础、转变机制、模型的特性与应用等方面的内容进行了重点论述。最后指出了该模型的发展与应用前景,为后续的研究提供参考。

大坝水平位移监测混合模型研究

大坝安全监测对可能发生险情时采取必要的防范措施具有重要意义。文章以恒仁水库大坝为研究对象,基于大坝的效应量与环境量的初步分析,建立了坝顶水平位移监测混合模型,预报结果显示,模型具有良好的预报效果,具有一定的实际应用价值。

南告大坝水平位移混合模型的建立及监控指标研究

通过混合模型分析南告水电站浆砌石重力坝坝顶水平位移的变化规律,反演坝体的弹性模量,并研究坝顶水平位移的监控指标,为今后大坝安全管理提供有益的依据。

基于流通合格率的串并联混合式生产线西格玛水平测算模型研究

本文介绍了流通合格率与西格玛水平值间的关系后,对串并联混合式生产线给出了流通合格率的测算模型,并依据两者关系,通过应用举例给出了西格玛水平测算模型,该模型包含了供应商质量和产量权重,具有较强的应用价值。

一般混合线性模型SAS的MIXED过程实现——混合线性模型及其SAS软件实现(一)

目的 系统结构数据在医学领域广泛存在 ,其统计分析方法各异 ,可统称之为混合模型。本文研讨其实现方法。方法 以多水平模型例证一般混合线性模型的SASMIXED实现过程。结果 以JSP数据为实例显示SAS的拟合结果与MLn相一致。结论 SASMIXED可灵活地拟合包括多水平模型的各类混合模型。