| CUSUM | CPA | | 主要思想 | 按照题目顺序依次将各题上观察与期望得分间的残差累积求和。 | 找到某个可将序列划分为具有不同统计学属性两部分的点。 | | PFS | 基于题目平均加权残差的单侧指标$C_{j}^{+}$, $C_{j}^{-}$和双侧指标${{C}^{T}}$。 | 双侧指标：基于似然比检验的${{L}_{\max }}$, 基于Wald检验的${{W}_{\max }}$, 基于得分检验的${{S}_{\max }}$和基于加权残差的${{R}_{\max }}$, 以及各自的单侧形式。 | | 单双侧指标 | 在侦测前已明确目标效应时用单侧指标, 未明确目标效应或对目标效应不作具体要求时用双侧指标。 | | 优点 | 输出图像, 可用于过程监控。 | 自动精确定位变点。 | | 缺点 | 需人工检查图像来定位变点, 准确性较低。 | 当变点位于序列最前或最后几题时难以定位。 | | 适用情境 | 变点前后模型参数已知。 | 变点前后模型参数未知。其中${{L}_{\max }}$、${{W}_{\max }}$和${{S}_{\max }}$适用于高风险(教育)测验, ${{R}_{\max }}$适用于低风险(心理)测验。 |
|