基于IRT若干参数估计方式的比较

在项目反应理论(IRT)框架下,就目前流行的若干能力参数和项目参数的估计方法进行分析比较,阐述了它们各自适用的范围和不足之处,为选用估计方法提供依据.

项目反应理论中潜在心理特质“填补”的参数估计方法及其演变

在心理与教育测量中,项目反应理论(Item Response Theory,IRT)模型的参数估计方法是理论研究与实践应用的基本工具。最近,由于IRT模型的不断扩展与EM(expectation-maximization)算法自身的固有问题,参数估计方法的改进与发展显得尤为重要。这里介绍了IRT模型中边际极大似然估计的发展,提出了它的阶段性特征,即联合极大似然估计阶段、确定性潜在心理特质"填补"阶段、随机潜在心理特质"填补"阶段,重点阐述了它的潜在心理特质"填补"(data augmentation)思想。EM算法与Metropolis-Hastings Robbins-Monro(MH-RM)算法作为不同的潜在心理特质"填补"方法,都是边际极大似然估计的思想跨越。目前,潜在心理特质"填补"的参数估计方法仍在不断发展与完善。

基于Rasch模型的参数估计方法比较研究

本研究的目的是基于Rasch模型,比较联合极大似然估计法、边际极大似然估计法和EM算法、边际贝叶斯估计法参数估计结果的准确程度。实验数据为2 185名被试在HSK试卷170道试题中的作答矩阵,考虑到初值和收敛精度对参数估计结果的影响,将三种参数估计方法按照初值设置和收敛精度不同分别进行参数估计,然后通过计算项目参数估计标准误判断参数估计方法的准确度。

基于Bootstrap抽样技术的部分信息不可观测模型估计量比较

针对处理部分信息不可观测模型通常采用的边际极大似然估计和矩估计仅在大样本下是等价的,而在实际问题中样本相对较小的情形下两个估计量的性质并不明确的问题,我们有必要研究这两个估计量在小样本下的性质.本文基于Bootstrap抽样技术,借助模拟技术分析了两种估计的有限样本性质,其结果表明:边际极大似然估计的精度更高,拥有更小的样本偏差和样本方差,但这一方法耗时较长.因此,在拥有高性能计算机的条件下,该方法是一个较好的选择.

重复测量计数资料的随机效应ZIP模型

目的探索重复测量0过多计数资料的统计模型。方法将重复测量中的个体当作随机效应引进ZIP模型,建立随机效应ZIP模型。结果模拟研究和实例分析表明,由于随机效应ZIP模型既考虑了个体不同测量值的相关性,又考虑了0过多的问题,结果优于随机效应Poisson回归和固定效应ZIP模型。结论在重复测量计数资料0过多时,宜采用随机效应ZIP模型。

含右删失数据的ZIP模型及其应用

零膨胀Poisson回归(ZIP)是处理零频数过多计数资料的有效模型,而计数数据一般含有删失或不精密的特点.本文将删失数据引入到ZIP模型中来,分别建立含右删失数据的固定效应ZIP模型,随机效应ZIP模型,通过极大边际似然函数估计法对模型进行参数估计.最后,利用实例分析验证了上述模型的可行性.