項目応答モデルの価値を二分法でコード化された項目で理解（および定量化）するためのレンズとしてのインターモデルビゴア

科学分野:

• 心理測定学
• 統計モデリング

背景:

• 統計モデリング、項目応答理論（IRT）を含む、特定のデータに対する適合性を評価するための指標を必要とします。
• 既存の指標は、非ネストモデルの比較やコンテキストをまたいだ一般化において限界がある可能性があります。

研究 の 目的:

• 二値項目応答モデルの精度を定量化するための新しい指標としてインターモデルビゴア（IMV）を導入および評価すること。
• IMVの有用性を、多様なシミュレーションおよび経験的データセットにわたるモデル予測パフォーマンスの比較において実証すること。

主な方法:

• インターモデルビゴア（IMV）は、2つの予測セット間の予測改善に基づいて精度を定量化するために開発されました。
• IMVとAICおよびRMSEAなどの一般的な指標との比較のために、シミュレーションデータを使用した比較分析が実施されました。
• 経験的検証には、89の二値項目応答データセットにIMVを適用することが含まれていました。

主要な成果:

• IMVは、移植性と一般化可能性を含む望ましい特性を示し、非ネストモデルの比較に適しています。
• IMVと他の一般的な指標との間に、振る舞いの質的な違いが観察されました。
• 経験的応用は、IMVの実用的な有用性を確認し、そのパフォーマンスに関する主張を裏付けました。

結論:

• インターモデルビゴア（IMV）は、統計モデルの精度を評価するための心理測定学における価値ある新しい指標です。
• さまざまなコンテキストにわたる予測の簡単な比較を容易にするその能力は、研究者にとっての有用性を高めます。
• IMVは、項目応答モデルを評価および比較するための堅牢な尺度を提供します。