等级反应模型的Gibbs抽样方法

探讨了MCMC算法在多级评分项目反应模型参数估计中的实现及其估计精度.针对等级反应模型,基于数据扩充技术,提出了一种高效灵活的Gibbs抽样方法,得到了各个参数的Markov链.随着潜在变量的引入,每个参数的满条件分布为相应参数的先验分布的截断分布.这种抽样方法适用于任何类型的先验分布,不受先验分布形式的约束.对应每个...     

Two-parameter logistic模型的Gibbs抽样敏感度分析——基于Pólya-Gamma分布

项目反应理论（item response theory,IRT）在教育与心理测量中有着重要的应用价值,其主要针对被试者的能力及被试者对测试项目的“正确作答概率”进行建模。主要讨论了两参数logistic项目反应理论模型（two-parameter logistic item response model,2PL）下基于PólyaGamma分布的Gibbs抽样方法的贝叶斯估计效果。针对2PL模型,通过Monte Carlo模拟研究了基于Pólya-Gamma抽样方法的估计效果,并讨论了该抽样方法针对不同先验的敏感度。在模拟实验中,具体讨论了测验长度、被试样本及先验分布等因素,最终汇报了2个统计量——偏差（BIAS）和均方根误差（root mean squared error,RMSE）来检验参数的估计效果。模拟分析表明,基于Pólya-Gamma的抽样方法的参数估计结果是比较准确的。     

基于MCMC稳态模拟的Weibull共享异质性模型及其可靠性应用

针对传统假设中个体寿命独立同分布的不足，构建了贝叶斯Weibull共享异质性模型，提出了对寿命服从Weibull分布的产品，运用基于Gibbs抽样的马尔可夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)方法动态模拟出参数后验分布的马尔可夫链，在异质性因子的先验分布为Gamma分布时，给出随机截尾条件下，参数在Weibull共享异质性模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用WinBUGS (Bayesian inference using Gibbs samp     

基于Gibbs抽样门限自回归模型的参数估计

基于贝叶斯统计推断以及模型随机项的基本假设,通过门限自回归(TAR)模型各参数与总体的共轭先验分布,利用蒙特卡洛模拟(MCMC)算法和Gibbs抽样从各参数的后验分布抽样,用后验均值来估计TAR模型的待估参数.通过模拟实验进一步验证基于贝叶斯统计推断在TAR模型参数估计中的有效性.     

在R语言中实现Bayes方法对logistic的回归分析

对于logistic回归分析的处理办法,一直采用的都是极大似然估计的EM算法,由于计算方法的固定及计算过程的复杂性,例如,该算法对于初值的选取要求很高,否则收敛速度很慢。Gibbs抽样法作为一种高效灵活的估计方法广泛应用于广义线性回归模型,其中Probit回归模型由于联系函数为正态分布,使得回归系数的后验分布为共轭正态,从而抽样简单快捷。而Logit模型的后验分布比较复杂,无法直接抽取。本文基于增加数据的Gibbs抽样方法,通过引入Pólya-Gamma分布族的潜在变量,使得模型中的回归系数参数的满条件分布为共轭正态分布,从而回归系数的马氏链很容易构造,回归系数的估计为后验均值估计。通过一组实际数据,分别调用R语言Glm包和BayesLogit包,并对比2种方法的估计结果,二者差别不大,表明PólyaGamma潜变量Bayes估计法在处理logistic回归模型时的可用性、准确性。     

误差修正机制转换模型的贝叶斯估计

用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。     

左截断右删失数据下二项分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到了左截断右删失数据下泊松分布的完全数据似然函数.给出了变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样.详细介绍了MCMC方法的实施步骤.得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

截断删失数据下瑞利分布多变点模型的贝叶斯估计

为研究截断删失数据下瑞利分布多变点模型的参数估计问题,利用MCMC方法,通过筛选法添加部分缺损的寿命变量数据,得到了相对简单的似然函数.在获得变点位置和其它参数的满条件分布后,利用Gibbs抽样和Metropolis-Hastings算法对各参数的满条件分布分别进行了抽样.按照MCMC方法的实施步骤,得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的估计.随机模拟的结果表明各参数估计的精度都较高.     

基于MCMC的混合α稳定分布参数贝叶斯推理

为解决非高斯信号较难描述这一难点问题,提出一种基于马尔科夫链蒙特卡罗方法的混合α稳定分布参数的贝叶斯推理方法.构建了混合稳定分布分层的贝叶斯图模型,利用Gibbs抽样实现了混合权值和分配参数z的估计,基于Metropolis算法完成了每个分布元中4个参数的估计.仿真结果表明,该方法能够准确地估计出混合α稳定分布中的各个参数,具有很好的鲁棒性和灵活性,可用于对非高斯信号或数据进行建模.     

IIRCT下二项分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到了IIRCT下二项分布的完全数据似然函数,给出了变点位置和其它参数的满条件分布。利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样。详细介绍了MCMC方法的实施步骤。得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计。随机模拟试验的结果表明各参数贝叶斯估计的精度都较高。     

艾森克人格问卷项目质量的项目反应理论分析

使用MULULOG7．03软件的边际极大似然估计法,选取双参数kgistic模型对某大学2011级新生的EPQ测试数据进行分析,针对项目区分度、项目难度、信息量等指标对各项目及各分量表进行深入探讨．结果显示：数据符合项目反应理论的基本假设;多数项目的区分度、难度达到理论要求．但E、P、N三个分测验在划界分数点上得到的信息量有限,难以对被试做出良好的区分;三个分测验各自的总信息量未达到理论要求．     

应用Stan软件包实现IRT模型的贝叶斯参数估计

Stan是一个新的用于估计指定统计模型的概率编程语言,它使用了强大而高效的汉密尔顿蒙特卡罗(Hamiltonian Monte Carlo,HMC)抽样算法,相比较传统的Gibbs抽样和Metropolis算法具有显著的效率提升.R软件包“rstan” 链接了R与Stan 2个软件,使得Stan可以借助R的计算环境运行.首先,该文通过3参数Logistic(3PL)模型代码介绍了Stan的程序语言; 其次,该文使用Stan计算2个评估模型-数据拟合的全新指标WAIC和LOO,为应用Stan进行IRT模型相关研究提供了有效的参考工具; 最后,该文还采用了2个真实数据分别考察了Stan在单维IRT模型和多维IRT模型参数估计中的运行表现.研究结果表明:采用一个新的贝叶斯统计软件Stan,通过2个实证研究验证了该方法的有效性与可行性,为国内学者应用Stan进行IRT模型相关研究提供了有效的参考资料.     

多维人格测验的反应与反应时联合建模分析

针对当前人格测验反应与反应时的数据分析模型只适用单独分析各子维度的情况,该文提出了联合单维反应时与多维反应的联合模型(JRT-M2PLM)以及联合多维反应时与多维反应的联合模型(JMRT-M2PLM),以期更准确地评估被试人格特质.在模拟研究中,发现多维联合模型JRT-M2PLM和JMRT-M2PLM的各参数均能被准确地估计,而且比单维的联合模型JRT-2PLM估计结果更优.在实际数据上,联合模型JRT-M2PLM和JMRT-M2PLM的拟合指数明显优于单维度联合模型JRT-2PLM.因此,在多维人格测验数据分析中,非常有必要考虑人格测验反应与反应时的多维性.     

基于项目反应理论的教育测量模拟软件-WinGen

WinGen是一种基于Windows系统下的项目参数、被试以及作答数据的模拟软件,该软件不仅支持众多的单维项目反应模型,也支持多维项目反应模型。研究通过使用WinGen实现被试、项目和作答的蒙特卡罗模拟,并用Bilog对作答数据进行了参数估计,最后通过计算参数估计的各个评价指标,结果表明使用WinGen模拟的数据质量优良,与模型的拟合性较好,可以满足广大测量研究者在不同条件下数据的模拟,研究者可以在模拟数据的基础进行进一步的分析和研究。     

称名反应模型项目参数的打折似然估计方法

项目反应理论(Item response theory, IRT)是教育心理测量理论中发展较快的理论之一,称名反应模型是IRT中一个基本的项目反应模型. 该文借助2015年de la Torre提出的一种参数估计方法—打折似然方法,将它与拟牛顿法中的BFGS方法结合对称名反应模型的参数进行估计. 模拟研究表明：新的估计方法可有效地减少计算量.     

带不可忽略缺失数据的再生散度随机效应模型的Bayes估计

在响应变量带有不可忽略缺失数据的前提下得到非线性再生散度随机效应模型的Bayes方法.缺失数据机制由Logistic回归模型定义,根据Gibbs抽样技术和MH算法得到模型参数、随机效应因子以及缺失数据机制中回归系数的联合Bayes估计,并进行了实例分析.     

用模拟方法确定因子分析中因子数的实证研究

在1维或多维项目反应理论中,正确地决定教育评估考试的维度非常重要.通过分析考试的潜在结构,因子分析可以帮助分析考试的维度.在因子分析中有多种方法决定因子数目.但值得注意的是较多变量可以影响这些方法的准确性.该文提出了一种在因子分析中对特定的数据最准确决定因子数的模拟方法.     

基于Gibbs抽样法的边际密度估计

证明利用Gibbs抽样法从后验分布p(*|y)产生的Markov链转移核有不变概率测度p(*|y).利用Gibbs抽样法、Monte Carlo积分和条件概率公式相结合的方法对多元分布的边际密度进行了估计,并且证明了在一定条件下所得的边际密度估计几乎处处收敛到真实的边际密度.最后用两个实例对该结论进行说明.     

关于IRT应用于计算机自适应考试的综述

项目反应理论是现代发展较为完善的心理测量理论,是对经典测量理论的补充发展,伴随着计算机发展而被应用于考试题库的建设、测验的编制和项目分析等方面.详细介绍项目反应理论在国内外计算机自适应考试中的应用,并且分析它们在国内外应用中的异同.