本文關(guān)鍵詞：序約束下混合模型的能力的加權(quán)估計方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：大多數(shù)考試的試卷通常由客觀試題和主觀試題混合組成。主觀試題往往包含考生更多的信息。對由二級項目和多級項目組成的混合測試模型,本文考慮了當(dāng)權(quán)重與項目信息成正比,且滿足某種擬序約束時的能力參數(shù)的加權(quán)極大似然估計問題。由保序回歸的理論和知識,我們對擬序及給定的函數(shù)求保序回歸的算法,并完成了證明。利用該方法,在歐氏距離下且滿足給定擬序的權(quán)函數(shù)中,與項目信息函數(shù)距離最近的權(quán)函數(shù),以此作為權(quán)重進行模擬研究。結(jié)果顯示,這種方法比極大似然估計有更小的絕對偏差,在能力的估計上有更大的優(yōu)勢。
【關(guān)鍵詞】：項目反應(yīng)理論 極大似然估計 加權(quán)極大似然估計 混合模型 保序回歸
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：C81
【目錄】：

• 摘要4-5
• Abstract5-7
• 第一章 引言7-10
• 1.1 研究背景及意義7
• 1.2 研究現(xiàn)狀7-8
• 1.3 研究目標(biāo)與內(nèi)容8-10
• 第二章 能力估計方法10-15
• 2.1 極大似然估計10-12
• 2.2 加權(quán)極大似然估計12-15
• 第三章 信息函數(shù)15-17
• 3.1 測驗信息函數(shù)15-17
• 第四章 權(quán)重的確定17-25
• 4.1 保序回歸的基本知識17-19
• 4.2 常用算法19-20
• 4.3 新算法20-24
• 4.4 權(quán)重的調(diào)節(jié)方法24-25
• 第五章 模擬25-28
• 5.1 模擬方法25-26
• 5.2 模擬結(jié)果26-28
• 第六章 總結(jié)28-29
• 參考文獻29-31
• 致謝31

【參考文獻】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張繼威;在GPCM下的序貫設(shè)計對能力估計的漸近正態(tài)性研究[D];東北師范大學(xué);2010年

  本文關(guān)鍵詞：序約束下混合模型的能力的加權(quán)估計方法，由筆耕文化傳播整理發(fā)布。

本文編號：324414