交叉加载和模型规格的数量和规模对MIRT项目参数恢复的影响

科学领域:

• 心理测量 心理测量 心理测量
• 教育测量教育的测量
• 统计建模 统计建模

背景情况:

• 多维数据在大规模评估和心理调查中很常见.
• 多维物件响应理论 (MIRT) 模型用于分析复杂的数据结构.
• 模型的错误规范,特别是忽略交叉负载,可能会影响参数恢复.

研究的目的:

• 在MIRT模型中调查交叉负载量和大小对项目参数恢复的影响.
• 检查模型错误规范 (简单结构) 在存在交叉负载时如何影响参数估计.
• 在不同的MIRT模型条件下评估项目参数估计的精度.

主要方法:

• 一项模拟研究旨在操纵交叉载荷特性和模型规格.
• 用边际最大概率和预期最大化算法估计了项目参数.
• 为了在500次复制中进行数据模拟和校准,使用了一种具有两维和二元反应的补偿性两参数后勤-MIRT模型.

主要成果:

• 忽视交叉负载和模型规范导致不准确和偏差的项目歧视参数估计.
• 交叉负载的数量和规模增加加剧了项目歧视估计的根平均平方误差和偏差.
• 项目参数估计的精度受到未建模的交叉负载存在的负面影响.

结论:

• 通过忽视交叉负载,MIRT中的模型错误规范大大损害了项目歧视参数的准确性.
• 研究人员必须在指定MIRT模型时仔细考虑交叉负载的存在和程度,以进行准确的心理测量分析.
• 这些发现强调了适当的模型规范对于在多维IRT中可靠的项目参数恢复的重要性.