用于检验题目功能差异的惩罚化EM算法的统计推断
统计方法学
2023-06-13 v1 应用统计
摘要
近年来在检验题目功能差异（DIF）方面的进展大大放宽了传统多组项目反应理论（IRT）模型在分组变量数量以及预定义无DIF锚题假设方面的限制。将惩罚应用于DIF检测，在无需锚题先验知识的情况下识别DIF题目，同时允许对多个分组变量进行同步研究，已展现出良好的前景。最小绝对收缩与选择算子（LASSO）被直接加入损失函数以鼓励变量稀疏性，从而使得锚题的DIF参数被惩罚为零。因此，无需预定义锚题。然而，使用LASSO进行DIF检测需要非平凡的模型选择一致性假设，且难以进行统计推断。鉴于在测验开发中识别DIF题目的重要性，本研究旨在应用去相关得分检验（decorrelated score test）在采用惩罚方法后检验DIF。与现有无法检验LASSO所选DIF题目统计显著性的正则化DIF方法不同，去相关得分检验所需假设更弱，且能够提供渐近有效的推断以检验DIF。此外，去相关得分函数可通过一步校正用于构造渐近无偏、正态且高效的DIF参数估计。所提出的去相关得分检验与一步估计量的性能通过蒙特卡洛模拟研究进行了评估。
引用
@article{arxiv.2306.06726,
title = {Statistical inference for the penalized EM algorithm to test differential item functioning},
author = {Weimeng Wang and Yang Liu and Jeffrey R. Harring},
journal= {arXiv preprint arXiv:2306.06726},
year = {2023}
}
备注
There are in total 47 pages including the title page, main document, references, figures, and tables. The paper will be presented at the ICSA 2023 at Anna Arbor