rRUM中Q矩阵错误标定对参数估计及分类精度的影响

发布时间：2021-03-01 03:25

　　本文以认知诊断模型中简化的重参数化一致模型（rRUM）为基础,讨论在Q矩阵正确标定和存在部分错误标定时项目参数的估计与被试分类的精度。为提高估计的精度和分类的准确性,本文对EM估计方法与用Gibbs抽样的MCMC估计方法进行模拟比较。文章首先介绍了rRUM,以及上述两种方法的估计步骤和被试分类精度分析方法,之后对Q矩阵正确标定情况用多种模拟条件去判断两种估计结果是否能得到相似的结论,对Q矩阵错误标定情况考查不同错误标定类型将会对参数估计和被试分类精度造成的影响。结果显示:Q矩阵正确标定且属性个数少时,两种算法得到基本相似的结论,但随着属性个数增加,样本量却不大时,EM算法能得到略优的参数估计。Q矩阵存在0变1类错误标定时,EM估计方法失效,MCMC方法仍能保持良好的参数估计效果与被试正确分类率。Q矩阵存在1变0类错误标定时,两种方法均得到偏小的项目参数估计,MCMC方法得到的分类精度更高。 

【文章来源】：东北师范大学吉林省 211工程院校 教育部直属院校

【文章页数】：43 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
2 rRUM模型
    2.1 rRUM模型介绍
    2.2 rRUM模型的估计方法
        2.2.1 用EM算法估计rRUM模型
        2.2.2 用MCMC方法估计rRUM模型
    2.3 被试分类精度分析方法
3 Q矩阵正确标定时的分析
    3.1 模拟过程及条件的设定
    3.2 参数估计过程
    3.3 模拟结果
4 Q矩阵存在错误标定时的分析
    4.1 Q矩阵错误标定介绍
    4.2 模拟过程和条件设定
    4.3 模拟结果
        4.3.1 对项目参数估计的影响
        4.3.2 对被试分类的影响
5 结论
参考文献
致谢



本文编号：3056892