Questions tagged «psychometrics»

题： 我有关于考试题的二进制数据（正确/不正确）。一些人可能事先有问题的一部分和正确答案。我不知道是谁，多少或哪个。如果没有作弊，则假设我将对项目做出正确响应的概率建模为，其中代表问题难度，是个人的潜在能力。这是一个非常简单的项目响应模型，可以使用R中ltm的rasch（）之类的函数进行估算。除了潜在变量的（其中索引个体）之外，我还可以访问单独的估算值\ hat {q} _j升ø 克我吨（（p 我 = 1 | Ž ））= β 我 + ž β 我 Ž Ž Ĵ Ĵ q Ĵ一世一世i升Ø克我吨（（p一世= 1 |ž））= β一世+ z升ØG一世Ť（（p一世=1个|ž））=β一世+žlogit((p_i = 1 | z)) = \beta_i + zβ一世β一世\beta_ižžzž^Ĵž^Ĵ\hat{z}_jĴĴjq^Ĵq^Ĵ\hat{q}_j 相同潜变量的变量，这些变量是从另一个不可能作弊的数据集中得出的。 目的是确定可能被欺骗的个人及其被欺骗的物品。您可能会采取哪些方法？除了原始数据之外，β^一世β^一世\hat{\beta}_i，ž^Ĵž^Ĵ\hat{z}_j和q^Ĵq^Ĵ\hat{q}_j都可用，尽管前两个由于作弊会有所偏差。理想情况下，解决方案将采用概率聚类/分类的形式，尽管这不是必需的。实践思想和形式方法都受到高度欢迎。 到目前为止，我已经比较了q^Ĵ- ž^Ĵq^Ĵ-ž^Ĵ\hat{q}_j -\hat{z}_j 分数较高或较低的成对个体的问题分数的相关性（其中q^Ĵ- ž^Ĵq^Ĵ-ž^Ĵ\hat{q}_j - \hat{z}_j 为他们被骗的可能性的粗略指标）。例如，我用\ hat {q} _j-\ hat …

25 r  clustering  classification  psychometrics 

哪种评级人间可靠性方法最适合序数或区间数据？ 我相信“共同同意概率”或“ Kappa”是为名义数据设计的。虽然可以使用“ Pearson”和“ Spearman”，但它们主要用于两个评估者（尽管它们可以用于两个以上的评估者）。 还有哪些其他措施适合序数或间隔数据，即两个以上的评分者？

25 reliability  psychometrics  agreement-statistics  cohens-kappa 

同事问我在这个问题上有什么帮助，我真的不知道。他们在一项研究中对某些潜在变量的作用进行了假设，然后一名裁判要求他们在SEM中将其正式化。由于他们的需求似乎并不困难，我想我会尝试一下……现在，我只是在寻找有关该主题的不错的入门指南！ Google并不是我真正的朋友。提前谢谢了... PS：我读了结构方程模型利用SEM包中的R由约翰·福克斯，以及本文由同一作者。我认为这足以满足我的目的，无论如何欢迎其他参考。

24 references  modeling  sem  psychometrics 

语境 我一直在阅读有关项目响应理论的文章，​​并且觉得很有趣。我相信我了解基本知识，但是我想知道如何应用与该领域相关的统计技术。以下是与我要在其上应用ITR的领域相似的两篇文章： http://www.jstor.org/stable/4640738?seq=7 http://www.ncbi.nlm.nih.gov/pubmed/21744971 第二个是我实际上想在此时扩展的那个。 我已经下载了一个名为jMetrik的免费程序，它似乎运行良好。我认为就IRT而言，这可能太基本了，但我不确定。 我知道“最佳”方式可能涉及学习R；但是，我不知道我是否可以抽出时间来解决这一学习难题。请注意，我们有一些资金来购买软件，但是据我看来，似乎没有任何出色的IRT程序。 问题 您对jMetrik的有效性有何看法？ 您如何建议我继续申请IRT？ 应用IRT的最佳方案是什么？ 你们中的任何人都定期使用IRT吗？如果是这样，怎么办？

21 psychometrics  latent-variable  irt 

执行主成分分析（PCA）之后，我想将一个新向量投影到PCA空间上（即在PCA坐标系中找到其坐标）。 我已经使用R计算了R语言的PCA prcomp。现在，我应该可以将向量乘以PCA旋转矩阵。该矩阵中的主要成分应该按行还是按列排列？

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

我曾经从心理学的角度分析项目。但是现在我正在尝试分析关于动机和其他主题的其他类型的问题。这些问题都是在李克特量表上。我最初的想法是使用因子分析，因为假设这些问题可以反映一些潜在的方面。 但是因子分析是否合适？ 是否有必要验证每个问题的维度？ 对李克特项目进行因子分析是否存在问题？ 是否有关于如何对李克特和其他分类项目进行因子分析的好的论文和方法？

17 factor-analysis  scales  psychometrics  likert  psychology 

我正在分析参加实验的参与者给出的分数。我想估计问卷的可靠性，该问卷由6个项目组成，旨在估计参与者对产品的态度。 我计算了克朗巴赫（Cronbach）的alpha值，将所有项目视为一个比例（alpha约为0.6），并一次删除了一项（最大alpha约为0.72）。我知道，根据项目的数量和底层构造的维数，alpha可能会被低估和高估。因此，我还执行了PCA。该分析表明，有三个主要成分解释了大约80％的方差。所以，我所有的问题都是关于我现在该如何进行？ 我是否需要在每个维度上执行alpha计算？ 我是否已移除影响可靠性的物品？ 此外，在网上搜索时，我发现还有另一种可靠性度量：guttman的lambda6。 此度量与alpha的主要区别是什么？ lambda的高价值是什么？

16 pca  reliability  scales  psychometrics  cronbachs-alpha 

我正在通过caretR中的程序包尝试使用梯度增强机算法。 使用一个小的大学录取数据集，我运行了以下代码： library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- "yes" ### Gradient boosting machine algorithm. ### set.seed(123) fitControl <- trainControl(method = 'cv', number = 5, summaryFunction=defaultSummary) grid <- expand.grid(n.trees = seq(5000,1000000,5000), interaction.depth = 2, shrinkage = …

15 machine-learning  caret  boosting  gbm  hypothesis-testing  t-test  panel-data  psychometrics  intraclass-correlation  generalized-linear-model  categorical-data  binomial  model  intercept  causality  cross-correlation  distributions  ranks  p-value  z-test  sign-test  time-series  references  terminology  cross-correlation  definition  probability  distributions  beta-distribution  inverse-gamma  missing-data  paired-comparisons  paired-data  clustered-standard-errors  cluster-sample  time-series  arima  logistic  binary-data  odds-ratio  medicine  hypothesis-testing  wilcoxon-mann-whitney  unsupervised-learning  hierarchical-clustering  neural-networks  train  clustering  k-means  regression  ordinal-data  change-scores  machine-learning  experiment-design  roc  precision-recall  auc  stata  multilevel-analysis  regression  fitting  nonlinear  jmp  r  data-visualization  gam  gamm4  r  lme4-nlme  many-categories  regression  causality  instrumental-variables  endogeneity  controlling-for-a-variable 

如下描述克朗巴赫的alpha值似乎很常见： α≥0.9极好 0.7≤α<0.9良好 0.6≤α<0.7可接受 0.5≤α<0.6差 α<0.5不可接受 这些价值从何而来？我找不到描述这些的原始研究文章。 编辑：我90％确信它仅基于约定，并且没有经典的研究文章对此进行概述。

14 reliability  psychometrics  cronbachs-alpha 

我有一些二分数据，只有二进制变量，老板要求我使用四分相关矩阵进行因子分析。以前，我已经能够自学如何根据此处的示例以及UCLA的统计站点和其他类似站点进行不同的分析，但我似乎无法通过示例进行二分法因素分析使用R的数据（二进制变量）。 我确实看到了 chl对一个有点类似的问题的回答，也看到了ttnphns的回答，但是我正在寻找更详细的内容，这是我可以使用的示例的一步。 这里有人通过使用R对二进制变量进行因子分析的示例知道这一步骤吗？ 更新2012-07-11 22：03：35Z 我还应该补充一点，我正在使用一个已建立的，具有三个维度的工具，我们在其中添加了一些其他问题，现在希望找到四个不同的维度。此外，我们的样本量仅为，目前我们有19个项目。我将样本量和项目数与许多心理学文章进行了比较，我们绝对处于较低端，但无论如何我们都想尝试一下。虽然，这对于我正在寻找的逐步示例和以下caracal的示例并不重要n=153n=153n=153191919看起来确实很棒。早上，我将首先使用数据来解决问题。

14 r  factor-analysis  psychometrics  binary-data 

谁能提供例子说明为什么选择一个？它们的计算方法不同吗？

13 sem  psychometrics  psychology  scale-construction 

根据SAGE社会科学研究方法百科全书 ... [a]上限效应发生在一项措施具有潜在响应的明显上限并且参与者集中度达到或接近该上限时。尺度衰减是一个方法学问题，每当以这种方式限制方差时都会发生。…例如，某种程度的态度可能会产生天花板效应，其中高分表示一种有利态度，而最高的反应却无法捕捉到最积极的评价。…解决天花板效应的最佳解决方案是试点测试，这可以尽早发现问题。如果发现上限效应，并且[结果]度量标准是任务绩效，则可以使任务更加难以增加潜在响应的范围。1个 [重点添加] 似乎有很多的建议和问题，（在这里）处理分析这表明类似于上述报价的天花板埋入影响的数据。 我的问题可能很简单，也可能很幼稚，但是如何真正检测出数据中存在上限效应呢？更具体地说，例如，创建了一个心理测验，并怀疑其导致了上限效应（仅视觉检查），然后对该测验进行了修改，以产生更大范围的值。如何显示修订后的测试已从其生成的数据中消除了上限效应？是否有一项测试表明数据集a中存在上限效应，但数据集b中没有上限效应？ 我幼稚的方法是仅检查分布偏斜，如果不偏斜，则得出结论没有上限效应。这太简单了吗？ 编辑 再举一个更具体的例子，我说开发了一种可以测量某些潜在特征x的工具，该特征x随着年龄的增长而增加，但最终趋于平稳，并随着年龄的增长而开始下降。我制作了第一个版本，范围为1-14，进行了一些试验，发现似乎有一个上限效应（很多响应在14或接近14时，最大值。）查看数据，但是为什么呢？是否有严格的方法来支持该主张？ 然后，我将度量值修改为1-20，并收集更多数据。我看到趋势更加符合我的期望，但是我怎么知道测量范围足够大。我需要再次修改吗？从外观上看，这似乎还可以，但是有没有一种方法可以验证我的怀疑？ 我想知道如何才能在数据中检测到这种上限效应，而不仅仅是查看它。这些图代表实际数据，而非理论数据。扩大仪器的范围可以产生更好的数据分布，但这足够吗？我该如何测试？ 1 Hessling，R.，Traxel，N.，＆Schmidt，T.（2004）。天花板效果。SAGE社会科学研究方法百科全书，由 Michael S. Lewis-Beck，A。Bryman和Tim Futing Liao（编）撰写。（第107页）。加利福尼亚州千橡市：Sage Publications，Inc. doi：10.4135 / 9781412950589.n102

13 distributions  variance  scales  psychometrics  measurement 

是否有任何简单的方法可以将序数级别的数据转换为间隔级别（正好相反）？可以在Excel或SPSS中执行吗？ 有了数据，说：序数级别上的10个问题（例如0-5比例，其中0 =“完全不”，5 =“一直”），我想对其进行转换，以便可以将其视为适当的问题用于参数测试目的的时间间隔级别数据（正态分布，无法进行的非参数测试）。 将非常感谢您的回答！

13 categorical-data  ordinal-data  scales  psychometrics 

我有一个包含1000个观察值和50个变量的矩阵，每个变量以5分制为单位。这些变量被组织成组，但是每个组中变量的数量并不相等。 我想计算两种类型的相关性： 变量组内的相关性（在特征之间）：某种程度的变量，用于确定变量组内的变量是否在测量同一事物。 变量组之间的相关性：某种度量（假设每个组反映一个整体特征）是每个特征（组）如何与其他特征相关联。 这些特征先前已被分为几类。我对找到组之间的相关性很感兴趣-即假设组中的特征正在测量相同的基本特征（已在上面完成＃1-Cronbach的alpha值），这些特征本身是否相关？ 有人对从哪里开始有建议吗？

13 correlation  psychometrics  scales 

我正在开发问卷。为了提高其可靠性和有效性，我想使用统计方法。 我想消除答案始终相同的问题。这意味着几乎所有参与者都对这些问题给出了相同的答案。 现在我的问题是： 这类无用的问题的答案总是相同的，与使用环境无关的技术术语是什么？ 有什么方法可以识别此类问题？

12 survey  reliability  psychometrics  validity