iif_JPH {lazy.irt} | R Documentation |
この関数は、テスト情報関数 (tif), 項目情報関数 (iif) ならびに
項目カテゴリ情報関数 (icif) を計算する
English help file: (iif)
iif( param, theta=NULL, npoints=31, thmin=-4, thmax=4
, legend=1, maxinfo=0, numderiv=0, smallP=1e-9
, print=1, plot=0, debug=0 )
param |
項目パラメタデータフレーム |
theta |
特性値 theta の離散点 |
smallP |
確率の最小値 |
thmin |
特性値 theta の最小値 |
thmax |
特性値 theta の最大値 |
npoints |
離散点の数 |
numderiv |
= 1 irf の1次の数値微分を用いる。 |
print |
= 1 要約の出力 |
plot |
= 1 tif のプロット |
legend |
= 0 レジェンドの印刷をしない。 |
maxinfo |
= プロットにおける情報関数の最大値. |
debug |
= 1 中間結果を出力する |
項目カテゴリ情報関数 icif は以下のように定義されている。
I_{kj}(\theta) = (P'_{kj}(\theta))^2 / P_{kj}(\theta) -
P''_{kj}(\theta)
ただし、icrf を P_{kj}(\theta)
とすれば、
P'_{kj}(\theta)
は icrf の1次微分、P'_{kj}(\theta)
は
2次微分である。
なお、
P''_{kj}(\theta)
は dicrf_num
関数において
lazy.mat::JacobianMat
を用いて数値的に計算されている。.
項目情報関数 (iif) とテスト情報関数 (tif) は以下のように定義されている。
I_j(\theta) = \sum_k I_{kj}(\theta)
= \sum_k (P'_{kj}(\theta))^2 / P_{kj}(\theta)
I(\theta) = \sum_j I_j(\theta)
= \sum_j \sum_k (P'_{kj}(\theta))^2 / P_{kj}(\theta)
.
なお、これらの情報関数は info_func
や obscore
が出力する
局所的最適重み LO を用いた情報関数と一致している。.
以下の要素からなるリスト
theta: 特性値 theta の値 TRF: テスト反応関数 (trf) icrf: 項目カテゴリ反応関数 (icrf) dicrf: icrf の1次微分 info: テスト情報関数 (tif)\cr info_item: 項目情報関数 (iif) \cr info_item_cat:項目カテゴリ情報関数 (icif) fromP, toP: icrf や info_item_cat の列中の各項目(のカテゴリ)の位置
Birnbaum, A.(1968) Some Latent Traint Models. In F. M. Lord and M. R. Novick, Statistical Theories of Mental Test Scores. Reading, Mass.: Addison-Wesley.
前川眞一 (2023) 項目反応理論におけるモデル変換. 日本テスト学会誌 19(1) 35-58.
Samejima, F. (2010). The General Graded Response Model. (p79-80) In Nering, M. L. and Ostini, R. Eds. Handbook of Polytomous Item Response Theory Models. NY, NY: Routledge
Samejima, F. (1969). Estimation of a latent ability using a response pattern of graded scores. (Eq 6-6 in p39) Psychometrika Monographs, 34 (Suppl. 4).
resInfo <- iif( paramA1, plot=4, print=4 )
# @keywords internal