ISSN 1671-3710
CN 11-4766/R
主办：中国科学院心理研究所
出版：科学出版社

心理科学进展 ›› 2014, Vol. 22 ›› Issue (6): 1036-1046.doi: 10.3724/SP.J.1042.2014.01036

• 研究方法 • 上一篇    

项目反应理论中潜在心理特质“填补”的参数估计方法及其演变

田伟;辛涛;康春花   

  1. (1北京师范大学教育学部; 2北京师范大学发展心理研究所, 北京 100875) (3浙江师范大学教育学院, 金华 321004)
  • 收稿日期:2012-11-13 出版日期:2014-06-15 发布日期:2014-06-15
  • 通讯作者: 辛涛
  • 基金资助:

    中央高校基本科研业务费专项资金资助(SKZZX2013028)、国家自然科学基金(31371047)、浙江省哲学社会科学规划基金(10CJY15YBB)、浙江省教育厅课题(Y2010117786)支持。

The Data-augmentation Techniques in Item Response Modeling: Current Approaches and New Developments

TIAN Wei;XIN Tao;KANG Chunhua   

  1. (1 Faculty of Education, Beijing Normal University, Beijing 100875, China) (2 Institute of Developmental Psychology, Beijing Normal University, Beijing 100875, China) (3 College of Teacher Education, Zhejiang Normal University, Jinhua 321004, China)
  • Received:2012-11-13 Online:2014-06-15 Published:2014-06-15
  • Contact: XIN Tao

PDF (PC)

1951

摘要：

在心理与教育测量中, 项目反应理论(Item Response Theory, IRT)模型的参数估计方法是理论研究与实践应用的基本工具。最近, 由于IRT模型的不断扩展与EM (expectation-maximization)算法自身的固有问题, 参数估计方法的改进与发展显得尤为重要。这里介绍了IRT模型中边际极大似然估计的发展, 提出了它的阶段性特征, 即联合极大似然估计阶段、确定性潜在心理特质“填补”阶段、随机潜在心理特质“填补”阶段, 重点阐述了它的潜在心理特质“填补” (data augmentation)思想。EM算法与Metropolis-Hastings Robbins-Monro (MH-RM)算法作为不同的潜在心理特质“填补”方法, 都是边际极大似然估计的思想跨越。目前, 潜在心理特质“填补”的参数估计方法仍在不断发展与完善。

关键词: 项目反应理论, 潜在心理特质, “填补”, 边际极大似然函数估计, EM算法, MH-RM算法

Abstract:

The parameter estimation techniques in item response theory modeling are indispensable to theoretical researches and real applications. This paper focused on its data augmentation techniques and described its historical development from the Bock and Aitkin’s (1981) deterministic EM algorithm to the Cai’s (2010) Metropolis-Hastings Robbins-Monro (MH-RM) algorithm (the integration of Markov Chain Monte Carlo and maximum marginal likelihood estimation, known as the stochastic data augmentation). Currently, the statistical computing still needs to be developed in new applications.

Key words: item response theory, latent trait, data augmentation, maximum marginal likelihood estimation, EM algorithm, MH-RM algorithm