探索的項目因子分析のための正則化変分推定

科学分野:

• 心理測定学
• 統計モデリング
• 教育測定

背景:

• 多次元項目応答理論（MIRT）は、潜在特性と項目応答の関係をモデル化します。
• 項目因子負荷構造の正確な仕様は、MIRTの妥当性にとって重要です。
• 既存の手法は、高次元データや正確な構造回復に苦労する可能性があります。

研究 の 目的:

• MIRTにおける項目因子負荷構造を推論するための、新しい正則化されたガウス変分期待値最大化（GVEM）アルゴリズムを提案すること。
• 高次元MIRTアプリケーションに適した計算効率の高い手法を開発すること。
• データから直接、項目因子負荷構造を正確に回復すること。

主な方法:

• L1型ペナルティを組み込んだ正則化GVEMアルゴリズムを開発しました。
• このペナルティは、一部の項目因子負荷をゼロに縮小し、構造の特定を支援します。
• このアルゴリズムは、高次元MIRTのためのGVEMの計算効率を活用します。

主要な成果:

• シミュレーション研究は、負荷構造の正確な回復を示しています。
• 提案手法は、著しい計算効率を示しています。
• アルゴリズムの有効性は、実世界の教育評価データ（NELS:88）で実証されています。

結論:

• 正則化GVEMアルゴリズムは、MIRT項目因子負荷構造を推論するための効率的かつ正確なアプローチを提供します。
• この手法は、複雑で高次元の心理測定および教育測定アプリケーションに非常に適しています。
• この発見は、MIRTにおける項目パラメータ較正と潜在特性推定の改善に貢献します。