基于 Knockoffs 的潜回归 IRT 模型变量选择：在国际大规模教育评估中的应用
统计方法学
2023-11-16 v2 应用统计
摘要
国际大规模评估（ILSAs）在教育研究与政策制定中发挥着重要作用。它们收集了许多教育体系中关于教育质量与成绩发展的宝贵数据，使各国得以分享已被证明高效且成功的技巧、组织结构和政策。为从 ILSA 数据中获取洞见，我们识别与学生学业表现相关的非认知变量。该问题存在三个分析挑战：1）学业表现由矩阵抽样设计下的认知题项测量；2）非认知变量中存在大量缺失值；3）由于非认知变量数量庞大而导致多重比较。我们考虑将该方法应用于国际学生评估项目（PISA），旨在识别与学生科学表现相关的非认知变量。我们将其表述为一般潜变量模型框架下的变量选择问题，并进一步提出一种以受控错误率进行变量选择的 knockoff 方法。
引用
@article{arxiv.2208.07959,
title = {Variable Selection in Latent Regression IRT Models via Knockoffs: An Application to International Large-scale Assessment in Education},
author = {Zilong Xie and Yunxiao Chen and Matthias von Davier and Haolei Weng},
journal= {arXiv preprint arXiv:2208.07959},
year = {2023}
}