本文以認(rèn)知診斷模型中簡(jiǎn)化的重參數(shù)化一致模型（rRUM）為基礎(chǔ),討論在Q矩陣正確標(biāo)定和存在部分錯(cuò)誤標(biāo)定時(shí)項(xiàng)目參數(shù)的估計(jì)與被試分類(lèi)的精度。為提高估計(jì)的精度和分類(lèi)的準(zhǔn)確性,本文對(duì)EM估計(jì)方法與用Gibbs抽樣的MCMC估計(jì)方法進(jìn)行模擬比較。文章首先介紹了rRUM,以及上述兩種方法的估計(jì)步驟和被試分類(lèi)精度分析方法,之后對(duì)Q矩陣正確標(biāo)定情況用多種模擬條件去判斷兩種估計(jì)結(jié)果是否能得到相似的結(jié)論,對(duì)Q矩陣錯(cuò)誤標(biāo)定情況考查不同錯(cuò)誤標(biāo)定類(lèi)型將會(huì)對(duì)參數(shù)估計(jì)和被試分類(lèi)精度造成的影響。結(jié)果顯示:Q矩陣正確標(biāo)定且屬性個(gè)數(shù)少時(shí),兩種算法得到基本相似的結(jié)論,但隨著屬性個(gè)數(shù)增加,樣本量卻不大時(shí),EM算法能得到略?xún)?yōu)的參數(shù)估計(jì)。Q矩陣存在0變1類(lèi)錯(cuò)誤標(biāo)定時(shí),EM估計(jì)方法失效,MCMC方法仍能保持良好的參數(shù)估計(jì)效果與被試正確分類(lèi)率。Q矩陣存在1變0類(lèi)錯(cuò)誤標(biāo)定時(shí),兩種方法均得到偏小的項(xiàng)目參數(shù)估計(jì),MCMC方法得到的分類(lèi)精度更高。 

【文章來(lái)源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：43 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
2 rRUM模型
    2.1 rRUM模型介紹
    2.2 rRUM模型的估計(jì)方法
        2.2.1 用EM算法估計(jì)rRUM模型
        2.2.2 用MCMC方法估計(jì)rRUM模型
    2.3 被試分類(lèi)精度分析方法
3 Q矩陣正確標(biāo)定時(shí)的分析
    3.1 模擬過(guò)程及條件的設(shè)定
    3.2 參數(shù)估計(jì)過(guò)程
    3.3 模擬結(jié)果
4 Q矩陣存在錯(cuò)誤標(biāo)定時(shí)的分析
    4.1 Q矩陣錯(cuò)誤標(biāo)定介紹
    4.2 模擬過(guò)程和條件設(shè)定
    4.3 模擬結(jié)果
        4.3.1 對(duì)項(xiàng)目參數(shù)估計(jì)的影響
        4.3.2 對(duì)被試分類(lèi)的影響
5 結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：3056892