Análisis conjunto de los datos de tiempo de recuento disperso utilizando un modelo bivariado de factores latentes

Área de la Ciencia:

• Psicometría
• Modelado estadístico
• Análisis de datos

Sus antecedentes:

• La medición precisa de la precisión y la velocidad es crucial en varios campos.
• Es posible que los modelos existentes no reflejen plenamente la complejidad de los datos conjuntos de tiempo de conteo.
• La dispersión excesiva en los datos de recuento es común y requiere distribuciones especializadas.

Objetivo del estudio:

• Desarrollar y evaluar un modelo conjunto de datos de tiempo de conteo con una estructura de rasgos latentes de dos factores.
• Implementar la estimación de parámetros utilizando el método de momentos (MOM) y la estimación de probabilidad máxima (MLE) a través de la maximización de expectativas de Monte Carlo (MCEM).
• Evaluar el rendimiento de los métodos estándar de estimación de errores, en particular el resamplamiento de arranque.

Principales métodos:

• Utilizó una distribución beta-binomial para las variables de recuento y una distribución log-normal para las variables de tiempo.
• Momentos marginales derivados para estimadores basados en el método de los momentos (MOM).
• Empleado Monte Carlo Expectation-Maximization (MCEM) para la estimación de la probabilidad máxima (MLE).
• Los errores estándar estimados utilizando la matriz de información observada y el resamplamiento de arranque.

Principales resultados:

• Los estudios de simulación demostraron la precisión y la eficiencia computacional de los estimadores propuestos.
• El nuevo muestreo de arranque mostró un rendimiento superior para la estimación del error estándar, especialmente para los parámetros de dispersión.
• El análisis de los datos de fluidez de lectura oral (ORF, por sus siglas en inglés) reveló variaciones significativas de dispersión a nivel de artículo.
• El modelo beta-binomial proporcionó un ajuste mejorado en comparación con los modelos estándar, confirmado por los valores SRMSR.

Conclusiones:

• El modelo de tiempo de conteo conjunto desarrollado captura efectivamente los rasgos latentes relacionados con la precisión y la velocidad.
• La distribución beta-binomial es ventajosa para modelar datos de recuento excesivamente dispersos en este contexto.
• El resampling de arranque es un método robusto para estimar errores estándar en modelos complejos.
• La metodología ofrece una herramienta valiosa para analizar datos de medición complejos, como se muestra con los datos de ORF.