IRT框架下的不可忽略缺失過(guò)程建模及Bayes估計(jì)研究.pdf

1、項(xiàng)目反應(yīng)理論（IRT）是克服了經(jīng)典測(cè)驗(yàn)理論（CTT）的局限，在潛在特質(zhì)理論基礎(chǔ)上發(fā)展起來(lái)的，主要是探討被試在測(cè)驗(yàn)項(xiàng)目上的反應(yīng)與被試潛在特質(zhì)之間的關(guān)系，因此項(xiàng)目反應(yīng)理論的核心問(wèn)題是參數(shù)估計(jì)問(wèn)題。參數(shù)估計(jì)過(guò)程中，常常要求數(shù)據(jù)完整，對(duì)于缺失數(shù)據(jù)的項(xiàng)目參數(shù)估計(jì)引起了國(guó)內(nèi)外廣大學(xué)者的重視。
　　由于不可忽略缺失的廣泛存在，缺失數(shù)據(jù)的處理方法是項(xiàng)目反應(yīng)理論的一個(gè)研究熱點(diǎn)。本文主要研究教育與心理測(cè)量中的不可忽略缺失數(shù)據(jù)的建模和估計(jì)問(wèn)題。利用項(xiàng)目

2、反應(yīng)模型來(lái)擬合缺失指標(biāo)，對(duì)觀測(cè)數(shù)據(jù)和缺失數(shù)據(jù)聯(lián)合建模，基于數(shù)據(jù)擴(kuò)充技術(shù)的Gibbs抽樣方法，同時(shí)給出對(duì)觀測(cè)數(shù)據(jù)模型和缺失指標(biāo)模型的后驗(yàn)估計(jì)。
　　第一章對(duì)項(xiàng)目反應(yīng)理論的發(fā)展，當(dāng)前國(guó)內(nèi)外的研究現(xiàn)狀及本篇論文的主要工作進(jìn)行了簡(jiǎn)要的介紹；第二章介紹了相對(duì)于經(jīng)典測(cè)驗(yàn)理論項(xiàng)目反應(yīng)理論的優(yōu)勢(shì)，本文采用的項(xiàng)目反應(yīng)模型，MCMC估計(jì)方法以及一些基本概念、基本理論。第三章研究了二級(jí)評(píng)分模型下不可忽略缺失數(shù)據(jù)的Bayes估計(jì)問(wèn)題，采用二級(jí)評(píng)分模型來(lái)擬

3、合觀測(cè)數(shù)據(jù)，用Rasch擬合缺失指標(biāo)，對(duì)觀測(cè)數(shù)據(jù)和缺失數(shù)據(jù)的聯(lián)合建模，進(jìn)而采用Gibbs抽樣方法，給出對(duì)觀測(cè)數(shù)據(jù)模型和缺失指標(biāo)模型的后驗(yàn)估計(jì)。第四章研究了等級(jí)評(píng)分模型下不可忽略缺失數(shù)據(jù)的Bayes估計(jì)問(wèn)題，用等級(jí)評(píng)分模型擬合觀測(cè)數(shù)據(jù)，Rasch擬合缺失指標(biāo)，通過(guò)聯(lián)合建模，利用Gibbs估計(jì)方法對(duì)模型進(jìn)行參數(shù)估計(jì)。
　　每章均通過(guò)模擬研究驗(yàn)證了所用方法有效的減小了由于忽略缺失數(shù)據(jù)估計(jì)參數(shù)時(shí)產(chǎn)生的偏差，論文最后給出了階段性總結(jié)，提出未