আইটেম রেসপন্স থিওরি বনাম কনফার্ম্যাটরি ফ্যাক্টর বিশ্লেষণ

Question

আমি ভাবছিলাম আইটেম রেসপন্স তত্ত্ব এবং কনফার্ম্যাটরি ফ্যাক্টর বিশ্লেষণের মধ্যে মূল, অর্থপূর্ণ পার্থক্যগুলি কী।

আমি বুঝতে পারি যে গণনাগুলির মধ্যে পার্থক্য রয়েছে (আইটেম বনাম কোভেরিয়েন্সগুলিতে আরও ফোকাস করা; লগ-লিনিয়ার বনাম লিনিয়ার)।

তবে, উচ্চ-স্তরের দৃষ্টিকোণ থেকে এর অর্থ কী তা আমার কোনও ধারণা নেই - এর অর্থ কী এই আইআরটি কিছু পরিস্থিতিতে সিএফএর চেয়ে ভাল? অথবা কিছুটা আলাদা-শেষের উদ্দেশ্যে?

গবেষণা সাহিত্যের স্ক্যান হিসাবে কোনও মিউজিকই দরকারী হবে যেহেতু তাদের মধ্যে মূল পার্থক্যগুলির তুলনায় কোনও দরকারী তুলনা করার চেয়ে আইআরটি এবং সিএফএ-র আরও বেশি বিবরণ নিয়েছিল।

Answer 1

@ ফিলিচামার্স উত্তরটি ঠিক আছে, এবং আপনি যদি মাঠে থাকা কোনও নেতা মুথেন (এমপ্লাসের স্রষ্টা) এর একটি রেফারেন্স চান তবে আপনি এখানে যান: (সরাসরি উদ্ধৃতি অন্তর্ভুক্ত করার জন্য সম্পাদিত)

একজন এমপ্লাস ব্যবহারকারী জিজ্ঞাসা করেছেন: আমি আমার থিসিসের জন্য বাইনারি সিএফএ এবং আইআরটি-র মধ্যে বর্তমান মিল এবং পার্থক্য বর্ণনা ও বর্ণনা করার চেষ্টা করছি। বিভাগীয় সিএফএর জন্য এমপ্লাসে ডিফল্ট অনুমান পদ্ধতিটি হ'ল ডাব্লুএলএসএমভি। আইআরটি মডেল চালানোর জন্য, আপনার ম্যানুয়ালটিতে উদাহরণটি এমএলআরকে অনুমানের পদ্ধতি হিসাবে ব্যবহার করার পরামর্শ দেয়। আমি যখন এমএলআর ব্যবহার করি তখন কি ডেটা ইনপুটটি এখনও টেট্রাকোরিক পারস্পরিক সম্পর্ক ম্যাট্রিক্স হয় বা মূল প্রতিক্রিয়া ডেটা ম্যাট্রিক্স ব্যবহৃত হয়?

ব্যাংট মুথেন জবাব দেয়: আমি মনে করি না শ্রেণিবদ্ধ ভেরিয়েবলের সিএফএ এবং আইআরটির মধ্যে কোনও পার্থক্য রয়েছে। এটি কখনও কখনও দাবি করা হয় তবে আমি তাতে রাজি নই। সাধারণত কোন অনুমানক ব্যবহৃত হয় তা ভিন্ন হতে পারে তবে এটি অত্যাবশ্যক নয়। এমএলআর কাঁচা ডেটা ব্যবহার করে, নমুনা টেট্রাকোরিক পারস্পরিক সম্পর্ক ম্যাট্রিক্স নয়। ... এমএল (আর) পদ্ধতির উদাহরণ যেমন "বোকের কাজ বর্ণিত" প্রান্তিক এমএল (এমএমএল) "পদ্ধতির মতোই। সুতরাং কাঁচা ডেটা ব্যবহার করে এবং সংখ্যার একীকরণ ব্যবহার করে ফ্যাক্টরগুলির সাথে একীকরণ করা। এমএমএল "শর্তসাপেক্ষ এমএল" এর সাথে বিপরীত হচ্ছে যেমন রাশ পদ্ধতির সাথে ব্যবহার করা হয়।

সাধারণ কারণগুলি, প্রবিট (সাধারণ ওগিভ) আইটেম-ফ্যাক্টর সম্পর্ক এবং শর্তাধীন স্বাধীনতা ধরে নিলে এমপি এবং ডাব্লুএলএসএমভি-র ক্ষেত্রে অনুমানগুলি সমান, যেখানে পরবর্তীতে টেট্রাকোরিক্স ব্যবহার করা হয়। কারণ এই অনুমানগুলি শ্রেণিবদ্ধ ফলাফলগুলির পিছনে মাল্টিভারিয়েট স্বাভাবিক অন্তর্নিহিত ধারাবাহিক সুপ্ত প্রতিক্রিয়া ভেরিয়েবলগুলি ধরে নেওয়ার সাথে সম্পর্কিত। সুতরাং ডাব্লুএলএসএমভি কেবলমাত্র প্রথম এবং দ্বিতীয় তৃতীয়-অর্ডার সম্পর্কিত তথ্য ব্যবহার করে, যেখানে এমএল সর্বাধিক অর্ডার পর্যন্ত যায়। তথ্যের ক্ষতি খুব কম দেখা যায়। এমএল এই নমুনা টেট্রাকোরিক্সের সাথে মডেলটিকে ফিট করে না, তাই সম্ভবত কেউ বলতে পারেন যে ডাব্লুএলএসএমভি অন্যভাবে প্রান্তিক হয়ে যায়। এটি মডেল পার্থক্যের চেয়ে অনুমানের পার্থক্যের বিষয়।

আমাদের ওয়েবসাইটে আইআরটি নোট রয়েছে:

http://www.statmodel.com/download/MplusIRT2.pdf

তবে আবার, এমএল (আর) পদ্ধতির আইআরটি এমএমএলে যা ব্যবহৃত হয় তার থেকে আলাদা কিছু নয়।

সূত্র: http://www.statmodel.com/discussion/messages/9/10401.html?1347474605

Comments

আপনি কি মুথেনের উত্তর সম্পর্কিত কোনও প্রাসঙ্গিক উক্তি কপি-পেস্ট করতে পারবেন? লিংক-কেবলমাত্র উত্তরগুলি সাধারণত ফাউন্ড করা হয়, বিশেষত কারণ লিঙ্কগুলি পচে যেতে থাকে।

— অ্যামিবা বলছেন

আমি মুথেনের বক্তব্যের সাথে এখানে একমত হওয়ার বিষয়ে নিশ্চিত নই, যেহেতু মনে হচ্ছে তিনি খুব সংকীর্ণভাবে আইআরটি সংজ্ঞা দিচ্ছেন। হ্যাঁ, 2 পিএল এবং গ্রেড প্রতিক্রিয়া মডেলগুলি একটি এসইএম কাঠামোর মধ্যে বোঝা যায় কারণ তাদের দুর্দান্ত ক্যানোনিকাল লিঙ্কিং ফাংশন রয়েছে এবং তাই অন্যান্য পর্যাপ্ত পরিসংখ্যান (যেমন পলিকোরিক সংযোগ) ব্যবহার করে এক্সপ্রেস করা যেতে পারে। তবে আরও সাধারণ আইআরটি মডেলগুলির কী, যেমন 3PL মডেল, আদর্শ পয়েন্ট মডেল, আংশিক ক্ষতিপূরণকারী মডেল ইত্যাদি? অবশ্যই, কিছু মডেল একটি এসইএম কাঠামোটিতে বোঝা যায় তবে আমি মনে করি আইআরটি সম্পর্কে আমার বক্তব্য এখনও দাঁড়িয়ে আছে।

— ফিলাচামাররা

Answer 2

কিছু উপায়ে আপনি ঠিক বলেছেন, সিএফএ এবং আইআরটি একই কাপড় থেকে কাটা হয়েছে। তবে এটি বিভিন্ন উপায়ে পাশাপাশি তারা বেশ আলাদা। সিএফএ, বা আরও যথাযথ আইটেম সিএফএ হ'ল শ্রেণিবদ্ধ আইটেমগুলির মধ্যে নির্দিষ্ট ধরণের কোভেরিয়েশন হিসাবে অ্যাকাউন্টে কাঠামোগত সমীকরণ / কোভারিয়েন্স মডেলিং কাঠামোর একটি রূপান্তর। আইআরটি ভেরিয়েবলগুলিতে কেবল প্রথম এবং দ্বিতীয়-আদেশের তথ্য ব্যবহার না করেই শ্রেণিবদ্ধ পরিবর্তনশীল সম্পর্কের মডেলিং সম্পর্কে আরও সরাসরি (এটি সম্পূর্ণ তথ্য, সুতরাং এর প্রয়োজনীয়তাগুলি সাধারণত কঠোর নয়)।

আইটেম সিএফএর বিভিন্ন সুবিধা রয়েছে যে এটি এসইএম কাঠামোর মধ্যে আসে এবং তাই অন্যান্য ভেরিয়েবলের সাথে সম্পর্কের সিস্টেমগুলি মাল্টিভারিয়েট করার জন্য খুব বিস্তৃত প্রয়োগ রয়েছে। অন্যদিকে আইআরটি মূলত পরীক্ষার দিকে মনোনিবেশ করে, যদিও কোভেরিয়েটরাও সরাসরি পরীক্ষায় অন্তর্ভুক্ত হতে পারে (যেমন, ব্যাখ্যামূলক আইআরটি সম্পর্কিত বিষয়গুলি দেখুন)। আমি আরও জানতে পেরেছি যে আইআরটি কাঠামোতে আইটেম মডেলিং সম্পর্কগুলি আরও সাধারণ, নন-মোনটোনিক, নন-প্যারাম্যাট্রিক বা কেবল সাধারণ কাস্টমাইজড আইটেম প্রতিক্রিয়া মডেলগুলির সাথে মোকাবেলা করা সহজ কারণ কারও একজনকে পর্যাপ্ততার বিষয়ে চিন্তা করতে হবে না cope পলিচোরিক পারস্পরিক সম্পর্ক ম্যাট্রিক্স ব্যবহারের।

উভয় কাঠামোর তাদের উপকারিতা এবং মতামত রয়েছে, তবে সাধারণভাবে সিএফএ আরও নমনীয় হয় যখন মডেলিং বিমূর্ততা / অনুক্রমের স্তরটি ভেরিয়েবলের ব্যবস্থার মধ্যে সম্পর্কের দিকে কেন্দ্রীভূত হয়, যখন আইআরটি সাধারণত অগ্রাধিকার দেওয়া হয় যদি পরীক্ষা নিজেই হয় (এবং এতে আইটেম থাকে) আগ্রহের ফোকাস।

Comments

আশ্চর্যজনক - এটি একটি সুন্দর এবং স্পষ্ট ওভারভিউ। তোমাকে ধন্যবাদ ফিল

— সিমোনসচুস

এটি গ্রহণযোগ্য উত্তর হওয়া উচিত।

— ভ্লাদিস্লাভস ডোভলেলেকস

Answer 3

আমার বিশ্বাস ইয়ভেস রোসেল তার 2014 এর কর্মশালার 91-93 স্লাইডগুলিতে এটি সংক্ষেপে আলোচনা করেছেন: http://www.personality-project.org/r/tutorials/summerschool.14/rosseel_sem_cat.pdf

রোসিল থেকে নেওয়া (2014, উপরের লিঙ্ক):

সম্পূর্ণ তথ্য পদ্ধতির: প্রান্তিক সর্বাধিক সম্ভাবনা

উত্স: আইআরটি মডেল (উদাঃ বক ও লাইবারম্যান, 1970) এবং জিএলএমএস

...

আইআরটির সাথে সংযোগ

SE এসইএম এবং আইআরটি-র মধ্যে তাত্ত্বিক সম্পর্ক ভালভাবে নথিভুক্ত করা হয়েছে:

টাকানে, ওয়াই, এবং ডি লিউউ, জে। (1987)। আইটেম প্রতিক্রিয়া তত্ত্ব এবং বিযুক্ত ভেরিয়েবলের ফ্যাক্টর বিশ্লেষণের মধ্যে সম্পর্কের বিষয়ে। সাইকোম-ট্রিকা, 52, 393-408।

কামতা, এ।, এবং বাউয়ার, ডিজে (২০০৮)। ফ্যাক্টর অ্যানালিটিক এবং আইটেম প্রতিক্রিয়া তত্ত্ব মডেলগুলির মধ্যে সম্পর্কের উপর একটি নোট। কাঠামোগত সমীকরণ মডেল- 15, 136-153।

জোরেস্কোগ, কেজি, এবং মৌস্তাকি, আই (2001)। অর্ডিনাল ভেরিয়েবলের ফ্যাক্টর বিশ্লেষণ: তিনটি পদ্ধতির তুলনা। মাল্টিভিয়ারেট আচরণমূলক গবেষণা, 36, 347-387।

তারা কখন সমতুল্য?

Bit প্রবিট (সাধারণ-ওগাইভ) বনাম লগইট: উভয় মেট্রিক ব্যবহারে ব্যবহৃত হয়

B বাইনারি আইটেমগুলিতে সিঙ্গেল ফ্যাক্টর সিএফএ একটি 2-প্যারামিটার আইআরটি মডেলের সমতুল্য (বার্নবাম, 1968):

সিএফএ-তে: ... আইআরটিতে: ... (স্লাইড দেখুন)

Poly বহুচোষী (অর্ডিনাল) আইটেমগুলিতে একটি একক-উপাদান সিএফএ গ্রেড রেসপন্স মডেলের সমতুল্য (সামেজিমা, 1969)

3 3-প্যারামিটার মডেলের (অনুমানের প্যারামিটার সহ) কোনও সিএফএ সমতুল্য নেই

Ras রাশ মডেলটি বাইনারি আইটেমগুলিতে সিঙ্গেল ফ্যাক্টর সিএফএর সমান, তবে যেখানে সমস্ত ফ্যাক্টর লোডিং সমান হতে বাধ্য হয় (এবং প্রবিট মেট্রিক একটি লজিট মেট্রিকে রূপান্তরিত হয়)