[筆記] Rasch model in WINSTEPS

五月 20, 2010 | | [筆記] Rasch model in WINSTEPS 已關閉迴響。

前情題要:Rasch analysis in medical field現代測驗理論古典測驗理論

不同於古典測驗理論問卷分析方法對於受試者能力的評估是利用各題分數加總

IRT的概念是分別去看各題目與受試者,討論之間的關係。

 

Rasch分析的應用是透過一組題目(測驗)與一群人,操作model data-fit、poor data-fit下

檢驗題目與受試者,而WINSTEPS提供fit分析建構於圖形與fit的指標(INFIT與OUTFIT MNSQ)

當Rasch model-data fit後,即建立一個測量單一latent trait(潛在變項)的scale

然而測量題目困難度與受試者能力的方法很多,

其中一種用來「同步」估計受試者與題目的方式是JMLE…

我使用的軟體是WINSTEPS,由Dr. Linacre於2001年所發展

(http://www.winsteps.com/winsteps.htm)

WINSTEPS裡面使用的方法與BIGSTEPS(Linacre & Wright, 2001)、

FACETS(Linacre,2001)、QUEST(Adams & Khoo, 1996)一樣。

不同的軟體可能估計方法不同,需查閱該手冊。

 

首先資料排序+拿掉極端反應

利用PROX作preprocessing step,粗估出受試者能力提供給JMLE,

接著利用Newton’s method (一種iteration方法)到收斂後成為題目參數估計值

而這些題目參數估計值去求受試者能力,同樣也是用Newton’s method到收斂。

我們可以利用MLE得到一個maximum的數值!來做我們的受試者能力與題目困難度~

至於收斂到甚麼情況下為止,研究者可以自訂。

 

值得注意的是,使用JMLE估計法,無法處理極端值(perfect scores or zero scores)

也是缺點之一。

Dr. Linacre提供一個Mark Moulton’s學者利用Excel去作demo,參考資料如下:

Mark Moulton’s Excel spreadsheet
http://www.eddata.com/resources/publications/EDS_Rasch_Demo.xls

淺顯易懂,希望對有興趣的讀者有所幫助!

也謝謝Dr. Linacre的指點 😀

名詞縮寫:

  • PROX: normal approximation estimation procedure
  • JMLE: joint maximum likelihood parameter estimation

Comments



You must be logged in to post a comment.

Name (required)

Email (required)

個人網站

Speak your mind

total of 4146105 visits