IRT模型参数估计的新方法——MCMC算法

被引：17

作者：

涂冬波 ^{[1
]}

漆书青 ^{[1
]}

蔡艳 ^{[2
]}

戴海琦 ^{[1
]}

丁树良 ^{[3
]}

机构：

[1] 江西师范大学教育学院

[2] 江西师范大学数学与信息科学学院

[3] 江西师范大学计算机信息工程学院

来源：

心理科学 | 2008年 / 01期

关键词：

马尔可夫链蒙特卡洛; Logistic模型; E-M算法;

D O I：

10.16719/j.cnki.1671-6981.2008.01.001

中图分类号：

O213 [应用统计数学];

学科分类号：

摘要：

本研究主要探讨MCMC算法在IRT模型参数估计中的实现及其估计精度。通过模拟多种实验条件(人少题少、人题适中、人多题多、被试数及其参数固定情况下项目数变化、项目数及其参数固定情况下人数变化),考察两参数和叁参数Logistic模型的MCMC算法对其参数估计的精度,并与国际通用测量程序-Bilog程序(E-M算法)进行比较研究。模拟实验研究表明,上述各种实验条件下,MCMC算法均可用于IRT模型参数估计,且其估计的精度均较Bilog程序(E-M算法)高,值得推广。

引用

页码：177 / 180

页数：4

共 7 条

[1] “马尔可夫链蒙特卡洛”(MCMC)方法在估计IRT模型参数中的应用
王权
[J]. 考试研究, 2006, (04) : 45 - 63
[2] Higher-order latent trait models for cognitive diagnosis
De la Torre, J
Douglas, JA
[J]. PSYCHOMETRIKA, 2004, 69 (03) : 333 - 353
[3] A Bayesian random effects model for testlets
Bradlow, ET
Wainer, H
Wang, XH
[J]. PSYCHOMETRIKA, 1999, 64 (02) : 153 - 168
[4] BAYESIAN-ESTIMATION OF NORMAL OGIVE ITEM RESPONSE CURVES USING GIBBS SAMPLING
ALBERT, JH
[J]. JOURNAL OF EDUCATIONAL STATISTICS, 1992, 17 (03): : 251 - 269
[5] 高等数理统计.[M].茆诗松;王静龙;濮晓龙编著;.高等教育出版社.2006,
[6] 应用随机过程教程.[M].龚光鲁;钱敏平著;.清华大学出版社.2004,
[7] 现代测量理论在考试中的应用.[M].漆书青著;.华中师范大学出版社.2003,

← 1 →