估计简化 RUM 的 MCMC 算法
应用统计
2017-10-25 v1
摘要
简化 RUM（RRUM）是语言评估研究中常见的模型。本研究旨在推进一种用于贝叶斯 RRUM 的 MCMC 算法。该算法从估计相关属性开始。利用饱和模型和二进制十进制转换，算法将可能的属性模式转化为多项分布。结合属性模式的似然性，使用狄利克雷分布作为先验以从后验分布中采样。狄利克雷分布由伽马分布构建。使用逆变换采样生成考生的相关属性。模型参数通过 Metropolis within Gibbs 采样器顺序估计。进行了两项模拟研究以评估算法性能。第一项模拟使用测量 5 个属性的完整且平衡的 Q 矩阵。第二项模拟的 Q 矩阵包含 28 个题目和 9 个属性，是不完整且不平衡的。实证研究使用了从 CDM R 包获得的 ECPE 数据。展示了并比较了来自 MCMC 算法和 CDM R 包的参数估计值。本研究开发的算法已在 R 语言中实现。
引用
@article{arxiv.1710.08412,
title = {An MCMC Algorithm for Estimating the Reduced RUM},
author = {Meng-Ta Chung and Matthew S. Johnson},
journal= {arXiv preprint arXiv:1710.08412},
year = {2017}
}