スパース項目応答理論モデルのための変分ベイズ推論

科学分野:

• 心理測定学
• 統計モデリング
• 心理測定

背景:

• 項目応答理論（IRT）は、潜在特性と観測された応答の関係を分析するための統計的枠組みです。
• IRTモデルにおける因子負荷量はスパースである可能性があり、正確な推定に課題をもたらします。
• 既存のIRTモデルは、因子負荷量のスパース性を適切に扱えない場合があります。

研究 の 目的:

• スパースな因子負荷量を扱うための新しいスパース項目応答理論（IRT）モデルを開発すること。
• 効率的な事後推論のための変分ベイズ手順を導入すること。
• 心理測定評価における手法の有用性を実証すること。

主な方法:

• 因子負荷量にグローバルおよびローカルなシュリンケージ事前分布を持つスパースIRTモデルを提案します。
• 変分ベイズ推論手順を開発します。
• ロジスティック関数を確率的に表現し、スパースIRTモデルをPólya-Gamma分布を用いた混合モデルとして定式化し、共役事後計算を可能にします。

主要な成果:

• 提案されたスパースIRTモデルは、因子負荷量のスパース性を効果的に扱います。
• 変分ベイズアプローチにより、事後計算が容易になります。
• シミュレーション研究は、新しい方法論の性能を確認します。
• 性格評価データへの応用は、実用的な有用性を示しています。

結論:

• 開発されたスパースIRTモデルは、スパースな因子負荷量の分析に効果的なソリューションを提供します。
• 変分ベイズ推論は、効率的な計算戦略を提供します。
• この方法論は、心理的特性評価におけるIRTの応用を強化します。