诊断分类模型的修正指数
统计方法学
2022-03-03 v2
摘要
诊断分类模型 (DCMs) 是基于学生对一组测试题目的作答来评估其对某内容领域中核心技能掌握情况的心理测量模型。当前，诊断模型及/或 Q 矩阵设定偏误是一个已知问题，且可供补救的途径有限。为解决该问题，本文定义了一种单侧得分统计量，作为一种计算高效的方法，用于检测分析中所选特定 DCM 的 Q 矩阵与模型参数的设定不足。该方法类似于结构方程模型中广泛使用的修正指数。一项模拟研究的结果表明，当采用适当的混合卡方参考分布时，DCM 修正指数的第一类错误率可接受的接近于名义显著性水平。模拟结果显示，修正指数在检测设定不足的 Q 矩阵方面非常有效，并且在大样本或题目具有高区分度时，有足够能力检测模型参数的遗漏。将 DCM 修正指数应用于某大规模诊断测试作答数据的分析，展示了它们在诊断模型精炼中的效用。
引用
@article{arxiv.2003.05880,
title = {Modification Indices for Diagnostic Classification Models},
author = {Christy Brown and Jonathan Templin},
journal= {arXiv preprint arXiv:2003.05880},
year = {2022}
}
备注
This article has been accepted for publication in Multivariate Behavioral Research published by Taylor & Francis