IRT除了传统的全息法估计项目参数,还可以使用基于结构方程(因子分析)的有限信息法估计项目参数,有限信息法的优势是计算量小。
首先,克隆下面的项目
然后安装
然后运行demo
测试数据使用的是LSAT
结构方程技术和传统算法的结果比较
区分度
| 结构方程 | EM算法 |
| 0.684 | 0.826 |
| 0.763 | 0.723 |
| 0.936 | 0.891 |
| 0.684 | 0.688 |
| 0.587 | 0.657 |
难度
| 结构方程 | EM算法 |
3.84 | 2.773 |
1.346 | 0.99 |
0.276 | 0.249 |
1.92 | 1.285 |
3.455 | 2.053 |
结果显示,LSAT数据下的参数估计,结构方程与传统EM算法的差距还是有点大。结构方程技术估计IRT参数通常应用于那些传统全息算法无法解决的问题,例如瑟斯顿IRT的参数估计。
若想了解结构方程与结构方程如何估计IRT参数,可以参考我的下面两篇文章
Python,心理测量和自适应学习(四):结构方程模型上篇
https://zhuanlan.zhihu.com/p/32531377
二分数据、有序数据与结构方程模型
https://zhuanlan.zhihu.com/p/33272168