Bachelorarbeit

Дисперсия мощности псевдоточных или условных проверок предположений модели Раша

Сравнение пробоотборника Rasch с пробоотборником Exact

Краткое содержание:

Дракслер и Зессин (2015) предложили класс псевдоточных или условных тестов для расчета мощности предположений модели Раша. Алгоритмы выборки необходимы для моделирования данных, необходимых для расчета мощности. Верхелст (2008) разработал относительно быстрый алгоритм под названием Rasch Sampler, который аппроксимирует истинное распределение с использованием процедур Монте-Карло для цепей Маркова. Миллер и Харрисон (2013) разработали алгоритм под названием Exact Sampler, который может подсчитывать и извлекать точное распределение. Точность двух пробоотборников сравнивается путем изучения потенциального влияния размера выборки, параметров DIF и сложности задания на точность расчета мощности. Кроме того, фаза приработки и параметр шага проверяются как влияющие факторы на пробоотборнике Rasch. Точность пробоотборников существенно не отличается. По мере увеличения размера выборки мощность увеличивается. Даже при больших отклонениях модели, как положительных, так и отрицательных, можно наблюдать более высокую мощность. При умеренной сложности задания мощность практически одинакова для положительных и отрицательных параметров DIF. Если есть незначительное отклонение модели, мощность для положительного отклонения больше, чем для отрицательного отклонения. Со сложным предметом можно наблюдать противоположную тенденцию, с той лишь разницей, что разброс существенно выше. Ни фаза приработки, ни параметр шага не влияют на точность пробоотборника Rasch. Для более эффективных вычислений всегда следует использовать Rasch Sampler. Результаты, касающиеся поведения мощности при изменении различных параметров, соответствуют наблюдениям Дракслера и Зессина (2015).

Абстрактный:

Дракслер и Зессин (2015) предложили класс псевдоточных или условных тестов для расчета мощности предположений модели Раша. Алгоритмы выборки необходимы для моделирования данных, необходимых для расчета мощности. Верхельст (2008) разработал относительно быстрый алгоритм под названием Rasch Sampler, который аппроксимирует истинное распределение с помощью процедур Монте-Карло для цепей Маркова. Миллер и Харрисон (2013) разработали алгоритм под названием Exact Sampler, который может рассчитывать точное распределение и делать на его основе выводы. Точность двух пробоотборников сравнивается путем изучения потенциального влияния размера выборки, параметров DIF и сложности задания на точность расчета мощности. Кроме того, фаза приработки и параметры шага проверяются как влияющие факторы на Rasch Sampler. Точность пробоотборников существенно не отличается. Мощность увеличивается с увеличением размера выборки. Также мощность увеличивается при больших положительных и отрицательных отклонениях модели. При умеренной сложности задания мощность положительных и отрицательных параметров DIF практически одинакова. Если простой предмет отклоняется от модели, мощность больше, если отклонение положительное, чем если предмет отрицательный. В случае сложного предмета можно наблюдать противоположную тенденцию с той разницей, что диапазон значений мощности существенно выше. Ни фаза приработки, ни параметр шага не влияют на точность пробоотборника Rasch. В целях более эффективного расчета в любом случае следует использовать Rasch Sampler. Результаты, касающиеся поведения мощности при изменении различных параметров, соответствуют наблюдениям Дракслера и Зессина (2015).

Ключевые слова: модель Раша, мощность, псевдоточные критерии, условные тесты, пробоотборник Раша, точный пробоотборник.