心理測定モデリングによる評価尺度データを含む回帰分析における減衰バイアスの軽減

科学分野:

• 心理学
• 教育科学
• 測定理論

背景:

• 心理学および教育における観察研究では、マルチアイテム評価尺度を使用することがよくあります。
• 項目や評価者からの測定誤差は、回帰係数を減衰させ、統計的検出力を低下させます。
• 既存の（階層的な）線形モデルは、この誤差分散の影響を受けやすいです。

研究 の 目的:

• 測定誤差による減衰を軽減するための新しいモデリング手順を提示すること。
• 観察研究における統計分析の精度と検出力を向上させること。
• 測定を強化するために項目応答理論（IRT）と一般可能性理論（GT）を統合すること。

主な方法:

• 離散的な項目応答を連続的な潜在尺度に変換するために項目応答理論（IRT）モデルを利用しました。
• 関心のある成分と迷惑な成分に潜在的な測定分散を分割するために一般可能性理論（GT）モデルを採用しました。
• IRT-GT測定を予測変数または基準変数として（階層的な）線形モデルに統合しました。

主要な成果:

• 迷惑な効果に起因する誤差分散を効果的に部分的に除去する手順を実証しました。
• 教育測定の文脈におけるIRT-GT混合モデルの適用を示しました。
• この高度なモデリング技術を実装するために汎用ソフトウェアを使用できることを確認しました。

結論:

• 提案されたIRT-GTモデリング手順は、観察研究における測定誤差を効果的に低減します。
• このアプローチは、心理学および教育研究における（階層的な）線形モデルの妥当性と検出力を向上させます。
• この方法は実用的であり、容易に入手可能な統計ソフトウェアを使用して実装できます。