因子分析和项目反应理论的潜变量估计

David Thissen, Anne Thissen-Roe
{"title":"因子分析和项目反应理论的潜变量估计","authors":"David Thissen, Anne Thissen-Roe","doi":"10.59863/zgux5045","DOIUrl":null,"url":null,"abstract":"本文对项目反应理论 (item response theory; IRT) 和因子分析 (factor analysis) 模型潜变量 (latent variable) 得分估计方法的历史发展进行综述,指出两种理论中常用的因子得分估计本质上是相同的,只是计算方法不同而已。不同的程序已经被用于推导因子得分和IRT潜变量的估计,并且产生了不同的计算过程。由于潜变量得分的使用情况不同,IRT和因子分析解决挑战的方案不同。对偏差纠正的需求不同,两种理论体系提出了不同的纠正方法。尽管IRT模型不具有因子分析模型的高斯似然,但采用正态近似方法使得IRT与因子分析模型的得分计算在很多情况下是非常相似的。最后,尽管两种理论因子得分估计问题上是相同的,但因子分析多年一直处于因子得分不确定性 (factor score indeterminacy) 的争议之中,而IRT却没有。这是历史的产物,也是IRT和因子分析文章中模型表达方式不同的结果。此外,IRT不存在不确定性问题的争议,有利于阐明以下立场,即不确定性并不是一个问题。","PeriodicalId":72586,"journal":{"name":"Chinese/English journal of educational measurement and evaluation","volume":"29 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-12-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Chinese/English journal of educational measurement and evaluation","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.59863/zgux5045","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

本文对项目反应理论 (item response theory; IRT) 和因子分析 (factor analysis) 模型潜变量 (latent variable) 得分估计方法的历史发展进行综述,指出两种理论中常用的因子得分估计本质上是相同的,只是计算方法不同而已。不同的程序已经被用于推导因子得分和IRT潜变量的估计,并且产生了不同的计算过程。由于潜变量得分的使用情况不同,IRT和因子分析解决挑战的方案不同。对偏差纠正的需求不同,两种理论体系提出了不同的纠正方法。尽管IRT模型不具有因子分析模型的高斯似然,但采用正态近似方法使得IRT与因子分析模型的得分计算在很多情况下是非常相似的。最后,尽管两种理论因子得分估计问题上是相同的,但因子分析多年一直处于因子得分不确定性 (factor score indeterminacy) 的争议之中,而IRT却没有。这是历史的产物,也是IRT和因子分析文章中模型表达方式不同的结果。此外,IRT不存在不确定性问题的争议,有利于阐明以下立场,即不确定性并不是一个问题。
因子分析和项目反应理论的潜变量估计
本文对项目反应理论 (item response theory; IRT) 和因子分析 (factor analysis) 模型潜变量 (latent variable) 得分估计方法的历史发展进行综述,指出两种理论中常用的因子得分估计本质上是相同的,只是计算方法不同而已。不同的程序已经被用于推导因子得分和IRT潜变量的估计,并且产生了不同的计算过程。由于潜变量得分的使用情况不同,IRT和因子分析解决挑战的方案不同。对偏差纠正的需求不同,两种理论体系提出了不同的纠正方法。尽管IRT模型不具有因子分析模型的高斯似然,但采用正态近似方法使得IRT与因子分析模型的得分计算在很多情况下是非常相似的。最后,尽管两种理论因子得分估计问题上是相同的,但因子分析多年一直处于因子得分不确定性 (factor score indeterminacy) 的争议之中,而IRT却没有。这是历史的产物,也是IRT和因子分析文章中模型表达方式不同的结果。此外,IRT不存在不确定性问题的争议,有利于阐明以下立场,即不确定性并不是一个问题。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信