基于逐步搜索EMS算法的M2PL模型潜变量选择

介绍了基于期望模型选择(EMS)算法的多维双参数Logistic(M2PL)模型的潜变量选择方法,并采用逐步搜索的方式对模型选择(MS)步的计算做出了改进.与传统的MS步相比,改进方法计算的子模型个数更少,能够有效提升计算效率.模拟比较显示,改进方法用时更短,且在潜变量选择和参数估计方面具有良好的表现.

应用多维项目反应理论模型探索分数减法测验的维度识别

多维项目反应理论(MIRT)模型是国际教育统计与心理测量学研究的热点模型.在简要介绍一种常见的MIRT模型和数理统计学热门的变量筛选方法的基础上,针对教育统计研究者常用的分数减法测验数据进行测验题目的维度识别.通过分别使用传统的因子分析法、LASSO方法和弹性网方法分析测验数据,获得了测验题目的维度识别结果,并对它们的识别准确率进行比较.研究表明使用变量筛选方法尤其是LASSO方法能够较好地识别该测验的题目维度间隶属关系,为多维测验的维度识别提供可靠的信息.