偏正态潜在特质IRT模型Bayes推断.pdfVIP

Bayesian Inference of IRT model with Skew Normal Latent Trait A Dissertation Submitted for the Degree of Master Candidate: Wan Jingyan Supervisor: Prof. Ma Jianghong Chang’an University, Xi’an, China 摘 要 项目反应理论（Item Response Theory ，简记为IRT ）由一组统计模型构成，已广泛 地应用于许多领域，特别是关于潜在变量的研究取得了丰富的成果。当潜在变量应用于 IRT 模型时，通常被称为潜在特质。在IRT 模型参数估计中，一般假设潜在特质是服从 标准正态分布的随机变量。然而，许多研究表明，这种假设在许多情况下是不适当的。 而且，当这种假设无效时，模型的参数估计就会出现偏倚，导致错误的统计推断。因此， 建立适当的潜在特质非正态分布模型是非常必要的。 本文提出一种基于偏正态分布的潜在特质IRT 模型（简记为SN-IRT ），并讨论该模 型的参数估计问题。主要研究内容如下： 1、首先简要概述偏正态分布及IRT 模型的一些预备知识，然后基于非对称IRT 模 型，提出具有偏正态潜在特质的双参数Probit-IRT 模型。在该模型中，通过引入两个潜 在变量，给出SN-IRT 模型的分层化表示。利用数据添加算法中的Gibbs 抽样，推导出 该层次模型参数的贝叶斯后验密度，并通过模拟实验，用贝叶斯方法将SN-IRT 模型和 具有正态潜在特质的IRT 模型进行比较。 2 、将偏正态潜在特质应用到多水平IRT 模型中，采用贝叶斯推断的Gibbs 抽样算 法，导出模型参数的贝叶斯后验密度。通过对一组实际数据的模型分析，验证潜在特质 在两种先验下的可比性以及偏正态先验下模型拟合的有效性。 关键词：项目反应理论，潜在特质，偏正态分布，贝叶斯估计，Gibbs 抽样 i Abstract Item response theory (IRT) comprises a set of statistical models which are useful in many fields, especially when there is interest in studying latent variables. These latent variables are directly considered in the IRT models and they are usually called latent traits. A ususl assumption for parameter estimation of the IRT model, is to assume that the latent traits are random variables which follow a standard normal distribution. However, many works suggest that this assumption does not apply in many cases. Furthermore, when this assumption does not hold, the paremeter estimates tend to be biased and misleading inference can be obtained. Therefore, it is important to model the distribution of the latent traits properly. In this paper, we pre