读《项目反应理论基础》摘记与总结.docx

读项目反应理论基础摘记与总结1. IRT理论基础。1）基本假设（只有满足了这些假设，才可以使用IRT）（P13）a) 作答反应反映了个体真实的行为表现。b) 局部独立性c) 模型潜在特质空间维度有限性假设。d) 项目特征曲线的形式假设e) 非速度测量假设。2）假设校验（验证是否可以使用项目反应理论）（P21）a) 项目反应理论假设检验个体作答行为真实性检验a 测验中是否存在大量未作答的题目b被试总体得分分部偏离预先c 答案形式上的规律 ABC-ABC-ABCd 回访e 效度校验应用被试拟合统计量（PFS）项目观察分数对数似然统计量b) 局部独立性假设校验Q3统计量c) 特征空间维度检验一种测验单维性检验的非参数方法d) 项目特质曲线形式检验拟合性程度指标：皮尔逊卡方统计量：e) 测验速度性检验3）项目反应理论模型4）项目反应理论参数估计（P38）极大似然估计牛顿-拉夫逊迭代贝叶斯估计解决项目反应理论中参数、能力值的计算。5）等值？（P67）等值是将测量同一心理特质的不同测验分数或项目参数，通过一定的设计和数据模型，转换到同一的单位系统中去的过程。解决测试同一能力不能任务参数的初值？能力分数的对比等等值设计（P69）描述了测验已经任务的设计原则。6）垂直量表化（P80）垂直量表化或垂直链接，指的是在某个特质领域内，在纵向发展的不同水平（如年龄、年级）群体之间，建立关于全体和个体特质水平发展状况的评价参考体系的过程。可以评价和发现个体或者群体的动态发展水平和趋势。7）信息量、信息函数（P91）2. 0，1题目类型使用联合极大似然估计的流程JAVA MIRT库：/meyerjp3/psychometrics1） 题库初始以及参数估计其中参数的初始，如果选取3参数模型，是默认题目试测数据为标准正太分布，被试能力初值为标准分T，初始难度为该题目的通过率，初始区分度为经典理论中项目的区分度，猜测系统为试题可选选项数的倒数。其中也可以参考书P45页中参数的初始值设定。网上其他系统的初始值：在java的IRT的程序库中参数初始过程ItemResponseVector responseData = fileSummary.getResponseVectors(f, true);ItemResponseModel irm = new ItemResponseModel5;Irm3PL pl3 = null;for (int j = 0; j 5; j+) / 3PLpl3 = new Irm3PL(1.0, 0.0, 1.702);pl3.setName(new VariableName(item + (j + 1);irmj = pl3;double quadPoints = 41;double min = -.8 * Math.sqrt(quadPoints);double max = -1 * min;ContinuousDistributionApproximation latentDistribution = new ContinuousDistributionApproximation(int) quadPoints, min, max, 0, 1);StartingValues startingValues = new StartingValues(responseData, irm);irm = startingVputeStartingValues();其中联合极大似然估计的流程P45在java的IRT库中使用联合极大似然估计/ estimate parametersMarginalMaximumLikelihoodEstimation mmle = new MarginalMaximumLikelihoodEstimation(responseData, irm,latentDistribution);DefaultEMStatusListener emStatus = new DefaultEMStatusListener();mmle.addEMStatusListener(emStatus);mmle.setVerbose(true);mmle.estimateParameters(1e-2, 500);puteItemStandardErrors();数据示例item1,item2,item3,item4,item51,1,1,1,10,0,1,1,01,1,1,0,01,1,0,0,01,1,1,1,11,1,1,1,10,1,1,1,01,1,1,1,11,1,0,0,0初始参数（使用的2参数）区分度|难度0.68|-1.080.87|-1.410.68|-1.080.43|-0.944.1|0.03极大似然估计之后：区分度|难度0.14|-5.310.12|-9.9319.88|-0.779.18|-0.4620.4|0.12） 测评过程java中通过参数以及作答，求出能力IrtExaminee iVec = new IrtExaminee(irm);double mle = 0.0;double se = 0.0;iVec.setResponseVector(responseData0);mle = iVec.maximumLikelihoodEstimate(-9, 9);se = iVec.mleStandardErrorAt(mle);System.out.println(mle);System.out.println(iVec.getTheta();Python的示例程序的测试流程是将题目分为3个级别，然后每个级别出3道题目，3道题目是从未出过的题目中随机出。答题的流程较为简单。以下部分是另一个程序的实现流程。/stevenMevans/AdaptiveTest0. Request next candidate: Set D=0, L=0, H=0, and R=0.1. Find next item near difficulty (D).2. Set D at the actual calibration of that item.3. Administer that item.4. Obtain a response.5. Score that response.6. Count the items taken: L = L + 17. Add the difficulties used: H = H + D If response not correct,8. Target next item difficulty: D = D - 2/L If response correct,9. Count right answers: R = R + 110. Target next item difficulty: D = D + 2/L If not ready to decide to pass/fail,11. Go to step 1. If ready to decide pass/fail,12. Calculate wrong answers: W = L - R13. Estimate measure: B = H/L + loge(R/W)If W = 0 then B = H/L + loge(R-0.5 / W+0.5)If R = 0 then B = H/L + loge(R+0.5 / W-0.5)For a more precise estimate of B, see Estimating Measures with Known Item Difficulties 14. Estimate Error: S = sqrtL/(R*W)If W = 0 then S = sqrtL/(R-