论文部分内容阅读
在项目反应理论框架下,我们提出一个新的具有时间效应的广义三参数Lo-gistic 模型。这个模型的优势在于它能够同时考虑时间效应、被试潜在能力和项目困难三方面因素对于作答反应概率的影响。相比于传统的教育心理测量研究中反应时间的建模方法,时间效应在我们的新模型中将直接影响反应概率而不是像Van der Linden(2007)[121]构建的层级结构模型通过潜在的能力参数和速度参数作为桥梁将反应时间和作答反应概率联系起来。在模型参数估计方面,应用Metropolis-Hastings结合吉布斯抽样算法估计模型中的参数,基于马尔科夫蒙特卡洛后验(MCMC)输出。偏差信息准则(Deviance information criterion;DIC)和伪边际似然对数(Logarithm of the pseudomarignal likelihood;LPML)两个贝叶斯模型评估准则用于评估不同模型之间的拟合情况。最后,我们给出两个模拟和一个实际数据分析用于进一步解释新模型相比于传统的三参数Logistic模型的优势。我们将题组区分度参数引入到二参数Logistic模型中得到一个新的二参数Logistic题组效应项目反应理论模型来解释题组内部存在的局部相依结构关系。另外,我们引入基于辅助变量的贝叶斯抽样算法来估计上述题组效应模型。这种算法不仅避免了 Metropolis-Hastings算法不厌其烦的调节建议分布来达到一个合理的接受概率,而且克服了像吉布斯抽样算法那样对于共轭先验分布的依赖。通过采用各种不同类型先验分布来分析比较新算法与传统贝叶斯算法的优势所在。采用DIC和伪贝叶斯因子(Pseudo-Bayes factor;log-PsBF)两种贝叶斯模型评估准则用于评估模型拟合情况。最后,通过三个模拟研究和一个实证例子的分析进一步解释我们所提出的新题组效应模型的优势以及贝叶斯算法的有效性。缺失反应在教育心理学测验中是普遍存在的。在不可忽略缺失框架下如果缺失反应没有得到恰当的建模将导致统计推断的结果出现严重的偏差。在本研究中,从参数估计和模型评估的角度,我们研究了不同的缺失机制(可忽略的缺失和不可忽略的缺失)下所构建的模型是否适用于缺失无反应数据的分析。在参数估计方面,我们采用切片Metroplis-Hastings算法来估计模型中的参数,基于马尔科夫蒙特卡罗后验输出。同样的,DIC和LPML被用于比较不同的缺失机制模型的拟合情况。最后,通过四个模拟研究和一个PISA科学实际数据的分析进一步阐述该模型。