• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Psychometrika >Restricted Recalibration of Item Response Theory Models
【24h】

Restricted Recalibration of Item Response Theory Models

机译：限制项目响应理论模型的重新校准

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

In item response theory (IRT), it is often necessary to perform restricted recalibration (RR) of the model: A set of (focal) parameters is estimated holding a set of (nuisance) parameters fixed. Typical applications of RR include expanding an existing item bank, linking multiple test forms, and associating constructs measured by separately calibrated tests. In the current work, we provide full statistical theory for RR of IRT models under the framework of pseudo-maximum likelihood estimation. We describe the standard error calculation for the focal parameters, the assessment of overall goodness-of-fit (GOF) of the model, and the identification of misfitting items. We report a simulation study to evaluate the performance of these methods in the scenario of adding a new item to an existing test. Parameter recovery for the focal parameters as well as Type I error and power of the proposed tests are examined. An empirical example is also included, in which we validate the pediatric fatigue short-form scale in the Patient-Reported Outcome Measurement Information System (PROMIS), compute global and local GOF statistics, and update parameters for the misfitting items.
机译：在项目响应理论（IRT）中，通常需要执行模型的受限重新校准（RR）：估计一组（焦点）参数，保持一组（诺斯）参数固定。 RR的典型应用包括扩展现有项目库，链接多个测试表格，并通过单独校准测试测量的构建构造。在目前的工作中，我们在伪最大似然估计框架下为IRT模型的RR提供全统计理论。我们描述了焦点参数的标准误差计算，该模型的整体契合（GOF）的评估，以及识别物品的识别。我们报告了一种仿真研究，以评估这些方法在将新项目添加到现有测试的情况下的性能。检查焦点参数的参数恢复以及I型错误和所提出的测试的电源。还包括经验示例，其中我们在患者报告的结果测量信息系统（PROMIS）中验证了小儿疲劳短尺度，计算了全局和本地GOF统计数据，以及更新误区的参数。

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