Geri Dön

Estimation of mixture irt models from skewed distributions

Karışık madde tepki kuramı modellerinin asimetrik dağılımlarda kestirimi

  1. Tez No: 712686
  2. Yazar: TUĞBA KARADAVUT
  3. Danışmanlar: PROF. DR. ALLAN S COHEN
  4. Tez Türü: Doktora
  5. Konular: Eğitim ve Öğretim, İstatistik, Education and Training, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: The University of Georgia
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
  13. Sayfa Sayısı: 189

Özet

Karışık MTK modelleri geleneksel olarak her bir gizli sınıf içerisinde normal yetenek dağılımını varsaymaktadır. Ancak, daha önceki araştırmalar normallik varsayımının genellikle karşılanmadığını göstermiştir. Yetenek dağılımlarındaki asimetrinin, normallik varsayıldığında, karışık MTK modellerinde sahte gizli sınıfların kestirilmesine neden olduğu gösterilmiştir. Alternatif olarak, bir çarpık-t dağılımı varsayımının gizli sınıf modellerinde sahte sınıfların kestirilmesini azalttığın gösterilmiş, ancak bu, karışık MTK modelleri için çalışılmamıştır. Bu çalışmada, karışık MTK modellerinde sahte gizli sınıfların ve madde parametrelerinin kestirimi için yetenek dağılımıyla ilgili olarak yapılan normal ve çarpık-t dağılımı varsayımlarının bir simülasyon çalışması ile karşılaştırılması yapılmıştır. Sahte sınıf çıkarımı oranlarına ilişkin sonuçlar, karışık 3PL modelinin dağılımla ilgili varsayımlara karşı dayanıklı olduğunu göstermiştir. Karışık Rasch modeli, 30 maddelik test ve 600 veya 2.000 kişilik örneklem için dağılım varsayımlarına karşı dayanıklılık göstermiştir. Karışık Rasch modelinde çarpık-t dağılımı varsayımı, yetenek dağılımı yüksek oranda çarpık olduğunda oranları önemli oranda azaltmıştır, ancak bu etki daece10 maddelik test ve 2.000 kişilik örneklem için gerçekleşmiştir. Karışık 2PL modeli, 30 maddelik test ve 600 kişilik örneklem dışındaki durumlar için dağılım varsayımlarına duyarlılık göstermiştir. Karışık 2PL modeli için çarpık-t varsayımı, yetenek dağılımının yüksek düzeyde çarpık olduğu durumların bazılarında önemli ölçüde düşük oranlar vermiştir. Ancak dağılım platykurtic olduğunda, 30 maddelik test ve 2000 kişilik örneklem için çarpık-t varsayımı oranlarda artmaya neden olmuştur. Rasch modeli için çarpık-t varsayımı, küçük örnekleme uzun test uygulanması ve yetenek dağılımının yüksek çarpıklığa ve yüksek pozitif basıklığa sahip olması durumu dışında madde parametrelerinin kestirimi ile ilgili olarak bir gelişim sağlamamıştır. Öte yandan, çarpık-t varsayımı, yetenek dağılımı yüksek düzeyde çarpık olduğunda ve örneklem büyüklüğünden bağımsız olarak madde sayısı 10 olduğunda 2PL modeli için madde parametrelerinin kestirimini iyileştirmiştir. Benzer şekilde, yüksek oranda çarpık yetenek dağılımları için, 10 maddelik test ve 2000 kişilik örneklemde 3PL modeli için çarpık-t varsayımı madde parametrelerinin kestirimini iyileştirmiştir. Her bir MTK modeli için kalan koşullarda, normallik varsayımı ya daha doğru ya da çarpık-t varsayımı ile benzer parametrelerin kestirilmesini sağlamıştır.

Özet (Çeviri)

Mixture IRT models conventionally assume normal ability distribution within each latent class. Previous research has shown that the assumption of normality is often unmet. The asymmetry in the ability distributions has been shown to cause extraction of spurious latent classes in mixture IRT models when normality was assumed. Alternatively, assuming a skew-t distribution was shown to reduce extraction of spurious classes in latent class models, however, this had not studied for mixture IRT models. In this study, a simulation study was conducted to compare normal and skew-t priors for ability distribution in mixture IRT models for extraction of spurious classes and for estimation of item parameters. Results for the rates of spurious class extraction indicated that mixture 3PL model was robust to distributional assumptions. The mixture Rasch model was robust to distributional assumptions for a 30-item test for 600 and 2,000 samples. Assuming a skew-t prior in mixture Rasch model significantly reduced the rates, when the ability distribution was highly skewed but only for 10-item tests when sample was 2,000. A mixture 2PL model was sensitive to distributional assumptions, except for the 30-item test in the 600 sample. Assuming a skew-t prior for the mixture 2PL model yielded some significantly lower rates when the ability distribution was highly skewed. However, when the distribution was platykurtic, rates increased for the skew-t assumption for the 30-item test with a 2,000 sample. Item parameter recovery analyses did not indicate an improvement in item parameter estimates for the Rasch model with a skew-t prior, except for the long tests when sample was small and when the ability distribution had a large skewness and large positive kurtosis. Assuming a skew-t prior, on the other hand, improved recovery for the 2PL model for the 10-item test regardless of the sample size, when the ability distribution was highly skewed. Similarly, for the highly skewed ability distributions, a skew-t prior improved recovery for the 3PL model for the 10-item test when sample was 2,000. For the remaining conditions for each IRT model, a normal prior either improved the recovery or yielded similar results compared to a skew-t prior.

Benzer Tezler

  1. Karma MTK modellerinin farklı koşullarda parametre kestirimine ve sınıflama doğruluğuna etkisinin simülatif ve gerçek veri ile incelenmesi

    Investigation of the effect of mixture IRT models under different conditions on parameter recovery and classification accuracy with simulative and real data

    FATIMA MÜNEVVER SAATÇİOĞLU

    Doktora

    Türkçe

    Türkçe

    2021

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. HAKAN YAVUZ ATAR

  2. Derecelendirme ölçeklerindeki tepki stillerinin karma MTK ve çoklu süreç MTK yöntemlerine göre incelenmesi

    Investigation of response styles in rating scales according to mixture and multi-process IRT methods

    HALİME YILDIRIM HOŞ

    Doktora

    Türkçe

    Türkçe

    2022

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitimde Ölçme ve Değerlendirme Ana Bilim Dalı

    PROF. DR. NİLÜFER KAHRAMAN

  3. Robustness of mixture irt models to violations of latent normality

    Başlık çevirisi yok

    SEDAT ŞEN

    Doktora

    İngilizce

    İngilizce

    2014

    Eğitim ve ÖğretimThe University of Georgia

    DR. ALLAN S. COHEN

    DR. SEOCK-HO KIM

  4. Karma Rasch model ile değişen madde fonksiyonunun belirlenmesinde kovaryant (ortak) değişkenin etkisi

    The effect of covariant variable on determination of differential item functioning using mixture Rasch model

    GÖZDE SIRGANCI

    Doktora

    Türkçe

    Türkçe

    2019

    Eğitim ve ÖğretimAnkara Üniversitesi

    Ölçme ve Değerlendirme Ana Bilim Dalı

    PROF. DR. ÖMAY ÇOKLUK BÖKEOĞLU

  5. Karma Rasch modele ortak değişken ekleme yaklaşımlarının sınıflama ve kestirim doğruluğu açısından karşılaştırılması

    Comparison of covariate including approaches to Mixture Rasch Model in terms of classification and estimation accuracy

    MENEKŞE UYSAL SARAÇ

    Doktora

    Türkçe

    Türkçe

    2022

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitimde Ölçme ve Değerlendirme Ana Bilim Dalı

    PROF. DR. HAKAN YAVUZ ATAR