依赖 Dirichlet 过程评级模型 (DDP-RM)

典型的项目反应理论 (IRT) 评级量表模型假设评级类别阈值参数在所有受试者中是相同的。然而，可以认为许多评级数据集违反了这一假设。为了解决这一实际心理测量学问题，我们引入了一种新颖的、用于评级量表项目的贝叶斯非参数 IRT 模型。该模型是基于局部化依赖 Dirichlet 过程 (DDP) 的 Rasch 部分信用模型的无限混合。该模型将评级阈值视为服从混合的随机参数，并具有依赖于协变量的（stick-breaking）混合权重。因此，该新颖模型允许评级类别阈值在项目和受试者之间灵活变化，并允许类别阈值的分布作为协变量的函数灵活变化。我们通过分析一个模拟数据集和一个在心理测量学文献中众所周知的真实评级数据集来说明新模型。结果显示，与其他常用的 IRT 评级模型相比，该模型具有更好的预测拟合性能。