如何在復雜模型的情況下得到比較精確的模型參數(shù)估計結(jié)果是測量學一個經(jīng)典的研究方向。本研究將一種比較新的馬爾科夫鏈蒙特卡洛抽樣方法:漢密爾頓蒙特卡洛算法（Hamiltonian Monte Carlo,HMC）引入到了項目反應理論模型的參數(shù)估計中。以往研究表明,相較其他MCMC算法,HMC能對概率空間進行更有效的探索。對于該算法,本研究擬解決1)作為一種MCMC方法,在對項目反應理論模型進行參數(shù)估計時,HMC達到穩(wěn)健的收斂標準的鏈長設(shè)置;2)該方法較以往的方法是否有好的返真性;3)該方法是否可以得到穩(wěn)健的參數(shù)估計結(jié)果;本研究通過三個模擬研究證明了1)較以往的馬爾科夫鏈蒙特卡洛方法能夠更快的達到收斂標準,并給出了建議的鏈長設(shè)置;2)通過對比幾種常見的參數(shù)估計方法,HMC方法在多維項目反應理論模型的參數(shù)估計的表現(xiàn)尚可。在對三參數(shù)邏輯斯蒂模型的上漸近線參數(shù)估計表現(xiàn)優(yōu)秀;3)該方法受先驗信息的影響不大,小于目前主流方法。在驗證性分析中,該算法也表現(xiàn)出了較為穩(wěn)定的表現(xiàn)。綜合所有特性,評價HMC方法是一種較為的項目反應理論模型參估計方法。有進一步研究和使用的價值。 

【文章來源】：江西師范大學江西省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

Rasch模型的項目特質(zhì)曲線(Kim,Kim,&Lee,2015)

圖 2. 1 二維邏輯斯蒂模型項目特質(zhì)曲面M3PLM 的較之單維模型優(yōu)勢在于能夠更好的描述潛在特質(zhì)分因為其引入了潛在特質(zhì)空間向量。但是該向量是若干個孤立的值向量整體如何影響被試的作答。因此，Reckase 和 McKinley(198

圖 2.2 使用 MCMC 方法估計 beta1 參數(shù)的收斂情況1.2.3 項目反應理論參數(shù)估計方法新進展傳統(tǒng)的項目反應理論參數(shù)估計方法基本能夠解決一般項目反應理論模型的要。對于單維模型貝葉斯期望-極大算法能夠快速得到精確的參數(shù)估計結(jié)果，是此類方法也同時存在一定的缺點，即對先驗信息依賴較高，當模型中的參數(shù)

【參考文獻】：
期刊論文
[1]抑郁-焦慮-壓力量表信效度研究述評[J]. 李小玲,唐海波,郭鋒,何浩宇.  中國臨床心理學雜志. 2012(03)
[2]測驗信度估計:從α系數(shù)到內(nèi)部一致性信度[J]. 溫忠麟,葉寶娟.  心理學報. 2011(07)
[3]現(xiàn)代測量理論下四大認知診斷模型述評[J]. 涂冬波,蔡艷,戴海崎,漆書青.  心理學探新. 2008(02)
[4]“馬爾可夫鏈蒙特卡洛”（MCMC）方法在估計IRT模型參數(shù)中的應用[J]. 王權(quán).  考試研究. 2006(04)

碩士論文
[1]潛混合模型視野下的M3PLM參數(shù)估計[D]. 郭少陽.江西師范大學 2018



本文編號：2979399