...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Testing: Official Journal of the International Test Commission >Spurious Latent Class Problem in the Mixed Rasch Model: A Comparison of Three Maximum Likelihood Estimation Methods under Different Ability Distributions
【24h】

Spurious Latent Class Problem in the Mixed Rasch Model: A Comparison of Three Maximum Likelihood Estimation Methods under Different Ability Distributions

机译：混合Rasch模型中的虚假潜在问题：不同能力分布下三种最大似然估计方法的比较

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recent research has shown that over-extraction of latent classes can be observed in the Bayesian estimation of the mixed Rasch model when the distribution of ability is non-normal. This study examined the effect of non-normal ability distributions on the number of latent classes in the mixed Rasch model when estimated with maximum likelihood estimation methods (conditional, marginal, and joint). Three information criteria fit indices (Akaike information criterion, Bayesian information criterion, and sample size adjusted BIC) were used in a simulation study and an empirical study. Findings of this study showed that the spurious latent class problem was observed with marginal maximum likelihood and joint maximum likelihood estimations. However, conditional maximum likelihood estimation showed no overextraction problem with non-normal ability distributions.
机译：最近的研究表明，当能力分布非正常时，可以在混合Rasch模型的贝叶斯估计中观察到潜在类的过度提取。 本研究检测了当估计最大似然估计方法时（条件，边际和关节）估计时，检查了非正常能力分布对混合RASCH模型中的潜伏等级的数量的影响。 在模拟研究和实证研究中使用了三个信息标准FIT指标（Akaike信息标准，贝叶斯信息标准和样本尺寸）。 本研究的结果表明，伪潜类问题是以边际最大可能性和关节最大似然估计的影响。 然而，有条件的最大似然估计显示了非正常能力分布的过度表现出问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号