認(rèn)知診斷項(xiàng)目功能差異檢驗(yàn)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(xiàng)目功能差異檢驗(yàn)的新方法： 認(rèn)知診斷項(xiàng)目功能差異檢驗(yàn)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(jì)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(yàn)進(jìn)行了探索，建立了運(yùn)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(gè)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(yàn)指標(biāo)主要為一類誤差和統(tǒng)計(jì)檢驗(yàn)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(shí)有最優(yōu)的效果，從統(tǒng)計(jì)檢驗(yàn)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(shí)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(shí)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(yàn)非一致性 DIF 時(shí)出現(xiàn)了較大的統(tǒng)計(jì)檢驗(yàn)力下降，MH方法下降的最多。 5、對于一類誤差和統(tǒng)計(jì)檢驗(yàn)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(shí)對多個(gè)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(gè)組別之間的 DIF 進(jìn)行檢測。而該方法的缺點(diǎn)主要在于使用起來比較復(fù)雜、估計(jì)參數(shù)時(shí)間較長，因此，如果需要在認(rèn)知診斷的情境中做 DIF 檢驗(yàn)，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(shí)，該方法較為適用。 關(guān)鍵詞 關(guān)鍵詞：DIF；HGLM；Wald；