不同参数分布形态下GIRM方法和传统GT方法的对比研究

GIRM(Generalizability in Item Response Modeling)是一种将概化理论GT和项目反应理论IRT相结合后计算概化理论中方差分量的一种方法。当GIRM方法下θp和βi的抽样分布与GIRM方法中的MCMC先验分布一致时,GIRM方法对方差分量估计具有较高的准确性。为了进一步检验GIRM方法对IRT参数分布形态的敏感性,研究在将MCMC先验分布固定的情况下,探讨不同IRT参数分布形态下GIRM方法的适用性,并将所得结果与传统GT方法相比较。结果表明:(1)在各种参数分布形态下,采用GIRM方法估计IRT模型的参数是可行的;(2)GIRM方法在被试能力参数为标准正态分布时对σ2(p)估计的准确性高于传统GT方法,但在均匀分布和偏态分布下略差于传统GT方法;(3)GIRM方法在题目难度参数为偏态分布情况下对σ2(i)的估计准确性显著差于传统GT方法;(4)两种方法对于σ2(pie)估计的准确性在任何参数分布形态下都大致相当,优劣并无统一规律。

GIRM方法与传统GT方法的比较

文章在GIRM模型框架下采用题组GIRM模型方差分量估计方法的技术称之为GIRM方法,并通过模拟将其与传统GT方法进行比较研究。结果表明:在θp和βi为标准正态分布下,GIRM方法和传统GT方法均能够准确的估计方差分量、概化系数以及可靠性指数;GIRM方法在bias值和RMSD值上与传统GT方法相当,但在标准误估计上不足取。建议研究者在需要处理缺失数据或者分离交互效应和残余效应的情况下使用GIRM方法,而当研究者要求精确的标准误时采用传统GT方法。