Bachelorarbeit
1.0.0
Draxler 和 Zessin (2015) 提出了一類偽精確或條件測試，用於 Rasch 模型假設的效能計算。需要取樣演算法來模擬功率計算所需的數據。 Verhelst (2008) 設計了一種稱為 Rasch Sampler 的相對快速的演算法，該演算法使用馬可夫鏈蒙特卡羅過程來近似真實分佈。 Miller & Harrison (2013) 開發了一種稱為精確採樣器的演算法，可以計算和提取精確的分佈。透過檢查樣本大小、DIF 參數和項目難度對功效計算準確性的潛在影響，比較兩種採樣器的準確性。此外，還檢查了預燒階段和步驟參數作為Rasch採樣器的影響因素。採樣器的精度沒有顯著差異。隨著樣本量的增加，效能也會增加。即使模型偏差較大，無論是正偏差或負偏差，都可以觀察到較高的功效。對於中等難度的項目，正負 DIF 參數的效力幾乎相同。如果某項存在模型偏差，則正偏差的效力大於負偏差的功效。對於困難的項目，可以觀察到相反的趨勢，差異在於分散度明顯較高。預燒階段和步驟參數都不會影響 Rasch 取樣器的精確度。由於計算效率更高，應始終使用 Rasch 取樣器。改變各種參數時功率行為的結果與 Draxler 和 Zessin (2015) 的觀察值相對應。
Draxler & Zessin (2015) 提出了一類偽精確或條件檢驗，用於 Rasch 模型假設的效能計算。需要取樣演算法來模擬功率計算所需的數據。 Verhelst (2008) 設計了一種相對快速的演算法，稱為 Rasch Sampler，它使用馬可夫鏈蒙特卡羅過程來近似真實分佈。 Miller & Harrison (2013) 開發了一種稱為精確採樣器的演算法，它可以計算精確的分佈並從中提取。透過檢查樣本大小、DIF 參數和項目難度對功效計算準確性的潛在影響，比較兩個採樣器的準確性。此外，還檢查了預燒階段和步驟參數作為 Rasch 採樣器的影響因素。採樣器的精度沒有顯著差異。效力隨著樣本量的增加而增加。此外，功率隨著正負模型偏差的增加而增加。對於中等難度的項目，正負 DIF 參數的效力幾乎相等。如果一個簡單的項目偏離模型，則偏差為正時的功效比該項目為負時的功效更大。對於困難的項目，可以觀察到對比趨勢，差異在於功率值的範圍相對較高。預燒階段和步驟參數都不會對 Rasch 採樣器的精確度產生任何影響。由於計算效率更高，在任何情況下都應使用 Rasch 取樣器。關於不同參數變化下功率行為的結果與 Draxler 和 Zessin (2015) 的觀察值相對應。
關鍵字： Rasch 模型、功效、偽精確測試、條件測試、Rasch 取樣器、精確採樣器
