Bachelorarbeit
1.0.0
Draxler & Zessin (2015) は、Rasch モデルの仮定の検出力計算のための擬似正確テストまたは条件付きテストのクラスを提案しました。電力計算に必要なデータをシミュレートするには、サンプリング アルゴリズムが必要です。 Verhelst (2008) は、マルコフ連鎖モンテカルロ手順を使用して真の分布を近似する、Rasch Sampler と呼ばれる比較的高速なアルゴリズムを設計しました。 Miller & Harrison (2013) は、正確な分布を数えて抽出できる Exact Sampler と呼ばれるアルゴリズムを開発しました。 2 つのサンプラーの精度は、サンプル サイズ、DIF パラメーター、アイテムの難易度が検出力計算の精度に及ぼす潜在的な影響を調べることによって比較されます。さらに、Rasch サンプラーに影響を与える要因として、バーンイン フェーズとステップ パラメーターがチェックされます。サンプラーの精度には大きな違いはありません。サンプルサイズが増加すると、検出力も増加します。モデルの偏差が大きくても、正と負の両方で、より高い検出力が観察されます。アイテムの難易度が中程度であれば、DIF パラメータが正の場合も負の場合も威力はほぼ同じです。わずかな項目のモデル偏差がある場合、マイナスの偏差よりもプラスの偏差の方がパワーが大きくなります。難しい項目では、逆の傾向が観察されますが、ばらつきが大幅に高くなるという違いがあります。バーンインフェーズもステップパラメータも、Rasch サンプラーの精度には影響しません。計算がより効率的になるため、常に Rasch Sampler を使用する必要があります。さまざまなパラメーターを変化させたときのパワーの挙動に関する結果は、Draxler & Zessin (2015) の観察に対応しています。
Draxler & Zessin (2015) は、Rasch モデルの仮定の検出力計算のための擬似正確テストまたは条件付きテストのクラスを提案しました。電力計算に必要なデータをシミュレートするには、サンプリング アルゴリズムが必要です。 Verhelst (2008) は、マルコフ連鎖モンテカルロ手順を使用して真の分布を近似する、Rasch Sampler と呼ばれる比較的高速なアルゴリズムを設計しました。 Miller & Harrison (2013) は、正確な分布を数えてそこから引き出すことができる Exact Sampler と呼ばれるアルゴリズムを開発しました。 2 つのサンプラーの精度は、サンプル サイズ、DIF パラメーター、アイテムの難易度がパワー計算の精度に及ぼす潜在的な影響を調べることによって比較されます。さらに、Rasch Sampler に影響を与える要因として、バーンイン フェーズとステップ パラメーターがチェックされます。サンプラーの精度には大きな違いはありません。検出力はサンプルサイズが大きくなるほど増加します。また、正および負のモデル偏差が大きくなると検出力も増加します。アイテムの難易度が中程度の場合、正の DIF パラメータと負の DIF パラメータのパワーはほぼ等しくなります。簡単な項目がモデルから逸脱する場合、その偏差が負の場合よりも正の場合の検出力が大きくなります。難しい項目では、パワー値の範囲が相対的に高くなるという違いが見られ、対照的な傾向が観察されます。バーンインフェーズもステップパラメータも、Rasch Sampler の精度には影響しません。より効率的に計算できるため、いかなる場合でも Rasch Sampler を使用する必要があります。さまざまなパラメーターの変化下でのパワーの挙動に関する結果は、Draxler & Zessin (2015) の観察に対応しています。
キーワード: Rasch モデル、検出力、疑似正確テスト、条件付きテスト、Rasch サンプラー、正確なサンプラー
