Bachelorarbeit
1.0.0
Draxler 和 Zessin (2015) 提出了一类伪精确或条件测试，用于 Rasch 模型假设的功效计算。需要采样算法来模拟功率计算所需的数据。 Verhelst (2008) 设计了一种称为 Rasch Sampler 的相对快速的算法，该算法使用马尔可夫链蒙特卡罗过程来近似真实分布。 Miller & Harrison (2013) 开发了一种称为精确采样器的算法，可以计算和提取精确的分布。通过检查样本大小、DIF 参数和项目难度对功效计算准确性的潜在影响，比较两种采样器的准确性。此外，还检查了预烧阶段和步骤参数作为Rasch采样器的影响因素。采样器的精度没有显着差异。随着样本量的增加，功效也会增加。即使模型偏差较大，无论是正偏差还是负偏差，都可以观察到较高的功效。对于中等难度的项目，正负 DIF 参数的功效几乎相同。如果某个项目存在模型偏差，则正偏差的功效大于负偏差的功效。对于困难的项目，可以观察到相反的趋势，差异在于分散度明显更高。预烧阶段和步骤参数都不会影响 Rasch 采样器的精度。由于计算效率更高，应始终使用 Rasch 采样器。改变各种参数时功率行为的结果与 Draxler 和 Zessin (2015) 的观察相对应。
Draxler & Zessin (2015) 提出了一类伪精确或条件检验，用于 Rasch 模型假设的功效计算。需要采样算法来模拟功率计算所需的数据。 Verhelst (2008) 设计了一种相对快速的算法，称为 Rasch Sampler，它使用马尔可夫链蒙特卡罗过程来近似真实分布。 Miller & Harrison (2013) 开发了一种称为精确采样器的算法，它可以计算精确的分布并从中提取。通过检查样本大小、DIF 参数和项目难度对功效计算准确性的潜在影响，比较两个采样器的准确性。此外，还检查了预烧阶段和步骤参数作为 Rasch 采样器的影响因素。采样器的精度没有显着差异。功效随着样本量的增加而增加。此外，功效随着正负模型偏差的增大而增加。对于中等难度的项目，正负 DIF 参数的功效几乎相等。如果一个简单的项目偏离模型，则偏差为正时的功效比该项目为负时的功效更大。对于困难的项目，可以观察到对比趋势，差异在于功率值的范围相对较高。预烧阶段和步骤参数都不会对 Rasch 采样器的精度产生任何影响。由于计算效率更高，在任何情况下都应使用 Rasch 采样器。关于不同参数变化下功率行为的结果与 Draxler 和 Zessin (2015) 的观察相对应。
关键词： Rasch 模型、功效、伪精确测试、条件测试、Rasch 采样器、精确采样器
