認(rèn)知診斷項目功能差異檢驗的新方法：廣義多層線性模型的應(yīng)用

1、 I 分 類 號： B84 密級： 無 學(xué)校代碼： 10414 學(xué)號：2013010302 碩士研究生學(xué)位論文 碩士研究生學(xué)位論文 認(rèn)知診斷項目功能差異檢驗的新方法： 認(rèn)知診斷項目功能差異檢驗的新方法： 廣義多層線性模型的應(yīng)用 廣義多層線性模型的應(yīng)用 Using HGLM as a New

2、 approach for Cognitive Diagnosis Model DIF Analysis 張 龍 院 所：心理學(xué)院 導(dǎo)師姓名：涂冬波 學(xué)科專業(yè)：心理學(xué) 研究方向：心理統(tǒng)計與測量 二 O 一六年六月 I 摘 要 本研究嘗試將 HGLM 用于認(rèn)知診斷模型 DIF 分析，研究分為兩部分，第一部分先對該模型如何在認(rèn)知診斷中進(jìn)行 DIF 檢驗進(jìn)行了探索，建立了運用該方法的理論框架；

3、第二部分為該方法的性能研究， 將其與目前在認(rèn)知診斷中使用的MH、 Wald 方法進(jìn)行了比較， 研究采用了 5 個自變量， 包括匹配變量、 樣本容量、DIF 類型、DIF 大小、DIF 試題比例，比較的檢驗指標(biāo)主要為一類誤差和統(tǒng)計檢驗力。 研究的結(jié)果表明： 1、總體而言，HGLM 方法在認(rèn)知診斷的 KS 匹配時有最優(yōu)的效果，從統(tǒng)計檢驗力來看，HGLM 方法表現(xiàn)優(yōu)于 MH，略差于 Wald 方法，從一類誤差來看，HGLM 方法表現(xiàn)優(yōu)于 Wa

4、ld，差于 MH 方法。 2、HGLM 方法的一類誤差在使用總分和能力值匹配時存在膨脹的情況，但相對 Wald 來說表現(xiàn)更好， 在使用認(rèn)知診斷的 KS 匹配時則不存在一類誤差膨脹。 3、 HGLM 方法在非一致性 DIF 情況下明顯比一致性 DIF 更好的控制一類誤差。 4、三種方法都在檢驗非一致性 DIF 時出現(xiàn)了較大的統(tǒng)計檢驗力下降，MH方法下降的最多。 5、對于一類誤差和統(tǒng)計檢驗力，都存在 DIF 大小是最主要的影響因素，其次是樣

5、本容量，最后是 DIF 試題比例。 HGLM 方法具有的優(yōu)勢包括不基于模型、可以同時對多個題目進(jìn)行 DIF 檢測、可以適用于多層級的數(shù)據(jù)結(jié)構(gòu)、可以對多個組別之間的 DIF 進(jìn)行檢測。而該方法的缺點主要在于使用起來比較復(fù)雜、估計參數(shù)時間較長，因此，如果需要在認(rèn)知診斷的情境中做 DIF 檢驗，并且使用 KS 作為匹配變量、或者存在多層數(shù)據(jù)結(jié)構(gòu)、需要對多組群體進(jìn)行 DIF 檢測時，該方法較為適用。 關(guān)鍵詞 關(guān)鍵詞：DIF；HGLM；Wald；