आइटम प्रतिक्रिया थ्योरी बनाम पुष्टिकारक कारक विश्लेषण

Question

मैं सोच रहा था कि आइटम रिस्पांस थ्योरी और कन्फर्मेटरी फैक्टर एनालिसिस के बीच मुख्य, सार्थक अंतर क्या हैं।

मैं समझता हूं कि गणना में भिन्नताएं हैं (आइटम बनाम सह-व्यवस्था पर अधिक ध्यान केंद्रित करना; लॉग-रैखिक बनाम रैखिक)।

हालांकि, मुझे नहीं पता कि उच्च-स्तरीय परिप्रेक्ष्य से इसका क्या मतलब है - क्या इसका मतलब यह है कि आईआरटी कुछ परिस्थितियों में सीएफए से बेहतर है? या थोड़े अलग अंत-उद्देश्यों के लिए?

शोध साहित्य की एक स्कैन के रूप में कोई भी शोध उपयोगी होगा, जिससे आईआरटी और सीएफए का वर्णन होता है, जो उनके बीच के मूल अंतर की किसी भी उपयोगी तुलना से अधिक है।

Answer 1

@Philchalmers उत्तर बिंदु पर है, और यदि आप क्षेत्र में एक नेता, मुथेन (Mplus के निर्माता) से एक संदर्भ चाहते हैं, तो आप यहां जाएं: (सीधे उद्धरण शामिल करने के लिए संपादित)

एक MPlus उपयोगकर्ता पूछता है: मैं अपने शोध के लिए बाइनरी CFA और IRT के बीच वर्तमान समानता और अंतर का वर्णन और वर्णन करने की कोशिश कर रहा हूं। श्रेणीबद्ध CFA के लिए Mplus में डिफ़ॉल्ट अनुमान विधि WLSMV है। आईआरटी मॉडल चलाने के लिए, आपके मैनुअल में उदाहरण एमएलआर का आकलन विधि के रूप में उपयोग करने का सुझाव देता है। जब मैं MLR का उपयोग करता हूं, तो क्या डेटा इनपुट अभी भी टेट्राकोरिक सहसंबंध मैट्रिक्स है या मूल प्रतिक्रिया डेटा मैट्रिक्स का उपयोग किया जाता है?

बेंगट मुथेन ने जवाब दिया: मुझे नहीं लगता कि सीएफए के श्रेणीबद्ध चर और आईआरटी के बीच कोई अंतर है। यह कभी-कभी दावा किया जाता है लेकिन मैं सहमत नहीं हूं। आमतौर पर किस अनुमानक का उपयोग किया जाता है, वह अलग हो सकता है, लेकिन यह आवश्यक नहीं है। MLR कच्चे डेटा का उपयोग करता है, न कि एक नमूना टेट्राकोरिक सहसंबंध मैट्रिक्स का। ... एमएल (आर) दृष्टिकोण "सीमांत एमएल (एमएमएल)" दृष्टिकोण के समान है, जैसे कि बॉक के काम में वर्णित। इसलिए कच्चे डेटा का उपयोग करना और संख्यात्मक एकीकरण का उपयोग करके कारकों पर एकीकरण करना। एमएमएल का उपयोग "सशर्त एमएल" के साथ किया जा रहा है, जैसे कि रसच दृष्टिकोण के साथ।

सामान्य कारकों, प्रोबेट (सामान्य ऑगिव) मद-कारक संबंधों और सशर्त स्वतंत्रता को मानते हुए, एमएल और डब्ल्यूएलएसएमवी के लिए धारणाएं समान हैं, जहां बाद वाले टेट्राचोरिक्स का उपयोग करते हैं। इसका कारण यह है कि उन मान्यताओं के अनुरूप परिणाम के पीछे बहुभिन्नरूपी सामान्य अंतर्निहित सतत अव्यक्त प्रतिक्रिया चर के अनुरूप हैं। तो WLSMV केवल 1- और 2-क्रम की जानकारी का उपयोग करता है, जबकि ML सभी उच्चतम क्रम तक जाता है। जानकारी का नुकसान छोटा लगता है, हालांकि। एमएल इन नमूना टेट्राचोरिक्स के मॉडल को फिट नहीं करता है, इसलिए शायद कोई कह सकता है कि डब्ल्यूएलएसएमवी एक अलग तरीके से हाशिए पर है। यह मॉडल अंतर के बजाय अनुमानक मतभेदों की बात है।

हमारे पास हमारी वेब साइट पर एक IRT नोट है:

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

लेकिन फिर से, एमएल (आर) दृष्टिकोण आईआरटी एमएमएल में उपयोग किए जाने वाले कार्यों से अलग नहीं है।

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

Comments

क्या आप शायद मुथेन के कुछ प्रासंगिक उद्धरणों को अपने उत्तर में कॉपी-पेस्ट कर सकते हैं? लिंक-केवल उत्तर आम तौर पर विशेष रूप से क्योंकि लिंक सड़ने के लिए करते हैं पर frowned हैं।

— अमीबा का कहना है कि मोनिका

मुझे यकीन नहीं है कि मैं यहां मुथेन के बयान से सहमत हूं, क्योंकि वह आईआरटी को बहुत ही संकीर्ण तरीके से परिभाषित कर रहा है। हां, 2PL और ग्रेडेड रिस्पॉन्स मॉडल को SEM फ्रेमवर्क में समझा जा सकता है, क्योंकि उनके पास अच्छा कैन्यनिकल लिंकिंग फंक्शंस हैं, और इसलिए अन्य पर्याप्त आंकड़ों (जैसे पॉलीकोरिक सहसंबंध) का उपयोग करके फिर से तैयार किया जा सकता है। लेकिन 3PL मॉडल, आदर्श बिंदु मॉडल, आंशिक रूप से प्रतिपूरक मॉडल, आदि जैसे अन्य अधिक सामान्य आईआरटी मॉडल क्या हैं? निश्चित रूप से, कुछ मॉडल को SEM फ्रेमवर्क में समझा जा सकता है, लेकिन मुझे लगता है कि आईआरटी के बारे में मेरी बात अभी भी बनी हुई है।

— दार्शनिकों

Answer 2

कुछ मायनों में आप सही हैं, सीएफए और आईआरटी एक ही कपड़े से काटे जाते हैं। लेकिन यह कई मायनों में वे काफी अलग भी हैं। सीएफए, या अधिक उचित रूप से आइटम सीएफए, विशिष्ट वस्तुओं के बीच एक विशेष प्रकार के सहसंयोजन के लिए खाते में संरचनात्मक समीकरण / सहसंयोजक मॉडलिंग ढांचे का एक रूपांतर है। IRT सीधे वेरिएबल में केवल पहले और दूसरे क्रम की जानकारी का उपयोग किए बिना श्रेणीबद्ध चर संबंधों को मॉडलिंग करने के बारे में अधिक है (यह पूरी जानकारी है, इसलिए इसकी आवश्यकताएं आमतौर पर उतनी सख्त नहीं हैं)।

आइटम सीएफए के कई लाभ हैं जो एसईएम ढांचे के भीतर आते हैं, और इसलिए अन्य चर के लिए रिश्तों की बहुभिन्नरूपी प्रणालियों के लिए बहुत व्यापक अनुप्रयोग है। दूसरी ओर, आईआरटी, मुख्य रूप से स्वयं परीक्षण पर केंद्रित है, हालांकि कोवरिएट को सीधे परीक्षण में भी शामिल किया जा सकता है (उदाहरण के लिए, व्याख्यात्मक आईआरटी पर विषय देखें)। मैंने यह भी पाया है कि उस गैर-मोनोटोनिक, गैर-पैरामीट्रिक या आईआर सादे ढांचे में आइटम मॉडलिंग के संबंध कहीं अधिक सामान्य हैं, या केवल सादे अनुकूलित आइटम प्रतिक्रिया मॉडल का सामना करना आसान है क्योंकि किसी को पर्याप्तता के बारे में चिंता करने की ज़रूरत नहीं है पॉलीकोरिक सहसंबंध मैट्रिक्स का उपयोग कर।

दोनों रूपरेखाओं में उनके पेशेवरों और विपक्ष हैं, लेकिन सामान्य तौर पर सीएफए अधिक लचीला होता है जब मॉडलिंग अमूर्त / इंजेक्शन का स्तर चर की एक प्रणाली के भीतर संबंधों पर केंद्रित होता है, जबकि आईआरटी को आमतौर पर पसंद किया जाता है यदि परीक्षण स्वयं (और उसमें आइटम) रुचि का ध्यान।

Comments

अद्भुत - यह एक प्यारा और स्पष्ट अवलोकन है। धन्यवाद फिल

— सिमॉनशस

यह स्वीकृत उत्तर होना चाहिए।

— व्लादिस्लाव्स डोवलगेक्स

Answer 3

मेरा मानना ​​है कि यवेस रोज़सेल ने अपनी 2014 की कार्यशाला में 91-93 की स्लाइड्स में इसकी संक्षिप्त चर्चा की: http://www.personality-project.org/r/tutorials/summerschool.14/rosseel_sem_cat.pdf

रोससेल से लिया गया (2014, ऊपर लिंक):

पूर्ण जानकारी दृष्टिकोण: सीमांत अधिकतम संभावना

मूल: IRT मॉडल (जैसे Bock & Lieberman, 1970) और GLMMs

...

आईआरटी के साथ कनेक्शन

• SEM और IRT के बीच सैद्धांतिक संबंध अच्छी तरह से प्रलेखित किया गया है:

टेकाने, वाई।, और डी लीउव, जे (1987)। आइटम प्रतिक्रिया सिद्धांत और विवेकाधीन चर के कारक विश्लेषण के बीच संबंध पर। साइकोम- ट्राइका, 52, 393-408।

कामता, ए।, और बाउर, डीजे (2008)। कारक विश्लेषणात्मक और आइटम प्रतिक्रिया सिद्धांत मॉडल के बीच संबंध पर एक नोट। संरचनात्मक समीकरण मॉडल- आईएनजी, 15, 136-153।

जोर्सकोग, केजी, और मोवात्की, आई (2001)। कारक विश्लेषण- क्रमिक चर के सीस: तीन दृष्टिकोणों की तुलना। बहुभिन्नरूपी व्यवहार अनुसंधान, 36, 347-387।

वे बराबर कब हैं?

• प्रोबिट (सामान्य-ऑगिव) बनाम लॉजिट: दोनों मेट्रिक्स व्यवहार में उपयोग किए जाते हैं

• बाइनरी आइटम पर एक एकल-कारक सीएफए 2-पैरामीटर आईआरटी मॉडल (बिरनबाम, 1968) के बराबर है:

CFA में: ... IRT में: ... (स्लाइड देखें)

• पॉलीकोटोमस (क्रमिक) वस्तुओं पर एकल-कारक CFA श्रेणीबद्ध प्रतिक्रिया मॉडल (समानिमा, 1969) के बराबर है

• 3-पैरामीटर मॉडल (एक अनुमान पैरामीटर के साथ) के लिए कोई सीएफए समकक्ष नहीं है

• रास मॉडल द्विआधारी वस्तुओं पर एकल-कारक सीएफए के बराबर है, लेकिन जहां सभी कारक लोडिंग समान होने के लिए विवश हैं (और प्रोबेट मीट्रिक को लॉजिक मीट्रिक में बदल दिया जाता है)