Inferencia bayesiana variacional para modelos dispersos de teoría de respuesta al ítem

Área de la Ciencia:

• Psicometría
• Modelización Estadística
• Medición Psicológica

Sus antecedentes:

• La teoría de respuesta al ítem (IRT) es un marco estadístico para analizar la relación entre los rasgos latentes y las respuestas observadas.
• Las cargas factoriales en los modelos IRT pueden ser dispersas, lo que plantea desafíos para una estimación precisa.
• Los modelos IRT existentes pueden no abordar adecuadamente la dispersión de las cargas factoriales.

Objetivo del estudio:

• Desarrollar un modelo novedoso de teoría de respuesta al ítem (IRT) disperso para manejar cargas factoriales dispersas.
• Introducir un procedimiento bayesiano variacional para una inferencia posterior eficiente.
• Demostrar la utilidad del método en la evaluación psicológica de rasgos.

Principales métodos:

• Se propone un modelo IRT disperso con priors de encogimiento globales y locales sobre las cargas factoriales.
• Se desarrolla un procedimiento de inferencia bayesiana variacional.
• La función logística se representa estocásticamente, enmarcando el modelo IRT disperso como un modelo de mezcla con una distribución de Pólya-Gamma para el cálculo posterior conjugado.

Principales resultados:

• El modelo IRT disperso propuesto aborda eficazmente la dispersión de las cargas factoriales.
• El enfoque bayesiano variacional permite una computación posterior sencilla.
• Los estudios de simulación confirman el rendimiento de la nueva metodología.
• La aplicación a datos de evaluación de la personalidad ilustra la utilidad práctica.

Conclusiones:

• El modelo IRT disperso desarrollado ofrece una solución eficaz para analizar cargas factoriales dispersas.
• La inferencia bayesiana variacional proporciona una estrategia computacional eficiente.
• Esta metodología mejora la aplicación de IRT en la evaluación de rasgos psicológicos.