Maximum Marginal Likelihood Estimation of a Monotonic Polynomial Generalized Partial Credit Model with Applications to Multiple Group Analysis.
Maximum Marginal Likelihood Estimation of a Monotonic Polynomial Generalized Partial Credit Model with Applications to Multiple Group Analysis.
复制标题
DOI：
10.1007/s11336-014-9428-7
复制
发表时间：
2016-06
期刊：
影响因子：
3
通讯作者：
Cai L
中科院分区：
文献类型：
--
作者：
Falk CF;Cai L
我们提出了一个半参数的方法来估计项目反应函数（IRF）有用时，真正的IRF不严格遵循常用的功能。我们的方法用单调多项式取代了广义部分信用模型的线性预测因子。该模型在最低阶多项式下包含正则广义部分信用模型。我们的方法扩展的二分法项目响应的情况下，polytomous数据。此外，项目参数估计实现最大边际似然使用Bock-Aitkin EM算法，从而促进多组分析在操作设置中有用。我们的方法在教育和心理数据上都得到了证明。我们目前的模拟结果比较我们的方法更标准的IRF估计方法和其他非参数和半参数的替代品。
We present a semi-parametric approach to estimating item response functions (IRF) useful when the true IRF does not strictly follow commonly used functions. Our approach replaces the linear predictor of the generalized partial credit model with a monotonic polynomial. The model includes the regular generalized partial credit model at the lowest order polynomial. Our approach extends method for dichotomous item responses to the case of polytomous data. Furthermore, item parameter estimation is implemented with maximum marginal likelihood using the Bock-Aitkin EM algorithm, thereby facilitating multiple-group analyses useful in operational settings. Our approach is demonstrated on both educational and psychological data. We present simulation results comparing our approach to more standard IRF estimation approaches and other non-parametric and semi-parametric alternatives.
登录
查看更多内容
影响因子：
3
作者：
BOCK, RD;AITKIN, M
通讯作者：
AITKIN, M
影响因子：
3
作者：
RAMSAY, JO
通讯作者：
RAMSAY, JO
影响因子：
3
作者：
MISLEVY, RJ
通讯作者：
MISLEVY, RJ
影响因子：
3
作者：
RAMSAY, JO;WINSBERG, S
通讯作者：
WINSBERG, S
影响因子：
3
作者：
Miyazaki, Kei;Hoshino, Takahiro
通讯作者：
Hoshino, Takahiro