从项目反应与作答时间的半参数因子分析中我们能学到什么?以PISA 2015数据为例
应用统计
2025-01-01 v2
摘要
人们普遍认为,对项目反应与作答时间(response time, RT)的联合因子分析可能比仅由反应常规预测的更准确的能力分数。为此,简单结构因子模型常被优先采用,因为它只需为项目水平RT额外指定一个测量模型,同时保持原有的项目反应理论(item response theory, IRT)反应模型不变。由项目水平RT指示的附加速度因子与IRT模型中的能力因子相关,使RT数据能携带关于被试能力的额外信息。然而,参数化简单结构因子模型通常限制性强且对经验数据拟合较差,这导致对简单因子结构适用性的信心不足。在本文中,我们使用半参数简单结构模型分析了2015年国际学生评估项目(Programme for International Student Assessment, PISA)数学数据。我们得出结论:在测量模型中的进一步参数假设被充分放宽后,简单因子结构可达到良好的拟合。此外,我们的半参数模型意味着,潜在能力与速度/迟缓在总体中的关联很强,但关联形式是非线性的。由此可见,基于拟合模型的评分可大幅提升能力分数的精度。
引用
@article{arxiv.2303.10079,
title = {What Can We Learn from a Semiparametric Factor Analysis of Item Responses and Response Time? An Illustration with the PISA 2015 Data},
author = {Yang Liu and Weimeng Wang},
journal= {arXiv preprint arXiv:2303.10079},
year = {2025}
}