多维项目反应理论补偿性模型参数估计：基于广义回归神经网络集合.pdf

多维项目反应理论补偿性模型参数估计：基于广义回归神经网络集合 本文主要讲述了基于广义回归神经网络（GＲNN）对多维项目反应理论（MIＲT）补偿性模型参数估计的研究。该方法旨在解决小样本多维项目反应理论参数估计的难题。文章首先回顾了项目反应理论（IＲT）的发展历程，包括双参数 Logistic 补偿模型和多维项目反应理论（MIＲT）的提出。然后，文章介绍了传统的 IＲT 参数估计方法，如 Joint Maximum Likelihood Estimation（JMLE）、EM 算法和 Markov Chain Monte Carlo（MCMC）算法，并讨论了这些方法的局限性。 随后，文章提出了基于 GＲNN 的 IＲT 参数估计方法，该方法通过神经网络集成对小样本多维项目反应理论补偿性模型的项目参数进行估计。实验结果表明，该方法优于传统的 MCMC 方法。该研究结果表明，基于 GＲNN 的方法可以解决小样本多维项目反应理论参数估计的难题，为心理与教育测量领域提供了新的研究思路。 知识点： 1. 项目反应理论（IＲT）：是一种心理测量理论，用于描述题目对应的能力参数和项目参数。 2. 多维项目反应理论（MIＲT）：是 IＲT 的扩展，考虑了多维能力参数和项目参数。 3. 广义回归神经网络（GＲNN）：是一种机器学习算法，用于参数估计和函数拟合。 4. 参数估计：是指通过数据分析和建模来估计模型参数的过程。 5. 小样本问题：是指在数据样本数量较少的情况下，进行参数估计和模型建模的难题。 6. 传统参数估计方法：包括 Joint Maximum Likelihood Estimation（JMLE）、EM 算法和 Markov Chain Monte Carlo（MCMC）算法等。 7. 神经网络集成：是指通过多个神经网络的集成来提高参数估计的精度和泛化能力。 本文提出了一种基于 GＲNN 的多维项目反应理论补偿性模型参数估计方法，该方法可以解决小样本问题，并提供了高精度的参数估计结果，为心理与教育测量领域提供了新的研究思路和方法。