Dichotomous IRT Models in Money-Saving Skills Analysis

• Autorzy: Ewa Genge

Warianty tytułu

Dychotomiczne modele IRT w badaniu skłonności do oszczędzania polskich gospodarstw domowych

• Języki publikacji: PL

Abstrakty

Ze względu na charakter zmiennych obserwowanych oraz zmiennych ukrytych w grupie modeli zmiennych ukrytych wyróżnić można: modele teorii reakcji na pozycję (modele IRT), modele klas ukrytych, analizę ukrytych profili oraz analizę czynnikową. W artykule przedstawiono dychotomiczne modele IRT, w których zakłada się, że zmienne obserwowane są dyskretne, a zmienna ukryta jest zmienną ciągłą. Choć w literaturze najczęściej spotykane są zastosowania modeli IRT w analizach testów edukacyjnych, w artykule przedstawiony zostanie przykład ich zastosowania w badaniu społeczno-ekonomicznym. Celem artykułu jest dopasowanie najlepszego modelu IRT do analizowanego zbioru danych rzeczywistych, ocena tzw. parametrów skali oraz "ukrytej zdolności do oszczędzania" polskich gospodarstw domowych.(abstrakt oryginalny)

EN

Latent variable models include latent class models, item response theory (IRT) models, latent profile models or common factor models. We focus on item response models (latent variable models where the latent variable is continuous, whereas observed variables are categorical). Those kind of latent trait models are popular in educational testing, however, the paper presents an application of item response models in economic analysis which is relatively rare. The aim of this paper is to find the most suitable IRT model and asses the Poles responses according to their money-saving skills (ability to save money), and the difficulty of the items (evaluation of the reliability of the item scale).(original abstract)

Słowa kluczowe

PL

Modele ekonometryczne; Statystyka

EN

Econometric models; Statistics

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria
• Rocznik: 2016
• Tom: 7
• Numer: nr 304
• Strony: 84--94

Twórcy

autor

Ewa Genge

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Adams R., Wilson M., Wang W. (1997), The Multidimensional Random Coefficients Multinomial Logit, "Applied Psychological Measurement", No. 21, s. 1-24.
• Agresti A. (1993), Computing Conditional Maximum Likelihood Estimates for Generalized Rasch Models Using Simple Loglinear Models with Diagonals Parameters, "Scandinavian Journal of Statistics", No. 20, s. 63-71.
• Agresti A. (2002), Categorical Data Analysis, Wiley, New Jersey.
• Akaike H. (1974), A New Look at Statistical Model Identification, "IEEE Transactions on Automatic Control", No. 19, s. 716-723.
• Alagumalai S., Curtis D.D., Hungi N. (2005), Our Experiences and Conclusion, Springer, Dordrecht, The Netherlands.
• Baker F., Kim S.H. (2004), Item Response Theory, Marcel Dekker, New York.
• Bartholomew D.J. (2002), Old and New Approaches to Latent Variable Modeling [in:] G.A. Marcoulides, I. Moustaki (eds.), Latent Variable and Latent Structure Models, Quantitative Methodology Series: Methodology for Business and Management, Lawrence Erlbaum Associates, Mahwah, NJ, s. 1-14.
• Bacci S., Bartolucci F., Gnaldi M. (2014), A Class of Multidimensional Latent Class IRT Models for Ordinal Polytomous Item Responses, "Communication in Statistics - Theory and Methods", No. 43, s. 787-800.
• Bartolucci F., Bacci S., Gnaldi M. (2014), MultiLCIRT: An R Package for Multidimensional Latent Class Item Response Models, "Computational Statistics and Data Analysis", No. 71, s. 971-985.
• Bezruczko N. (2005), Rasch Measurement in Health Sciences, Maple Grove, MN: Jam Press. Springer-Verlag, New York.
• Birnbaum A. (1968), Some Latent Trait Models and Their Use in Inferring an Examinee's Ability [in:] F.M. Lord, M.R. Novick (eds.), Statistical Theories of Mental Test Scores, Addison-Wesley, Reading, MA, s. 395-479.
• Bond T.G., Fox C.M. (2013), Applying the Rasch Model: Fundamental Measurement in the Human Sciences, Psychology Press, Hove, UK.
• Czapiński J., Panek T. (red.) (2016), Diagnoza społeczna 2015. Warunki i jakość życia Polaków (raport), Rada Monitoringu Społecznego, Warszawa.
• Duncan O., Stenbeck M. (1987), Are Likert Scales Unidimensional? "Social Science Research", No. 16, s. 245-259.
• Frick H., Strobl C., Leisch F., Zeileis A. (2012), Flexible Rasch Mixture Models with Package Psychomix, "Journal of Statistical Software", No. 48(7), s. 1-25.
• Kelderman H. (1996), Multidimensional Rasch Models for Partial-Credit Scoring, "Applied Psychological Measurement", No. 20, s. 155-168.
• Kelderman H., Rijkes J. (1994), Loglinear Multidimensional IRT Models for Polytomously Scored Items, "Psychometrika", No. 59(2), s. 149-176.
• Lazarsfeld P.F., Henry N.W. (1968), Latent Structure Analysis, Houghton Mill, Boston, MA.
• Likert R. (1932), A Technique for the Measurement of Attitudes, "Archives of Psychology", No. 140(22), s. 1-55.
• Linacre J.M. (1998), Understanding Rasch Measurement: Estimation Methods for Rasch Measures, "Journal of Outcome Measurement", No. 3(4), s. 382-405.
• Lord F.M., Novick M.R. (1968), Statistical Theories of Mental Test Stores, Addison- -Wesley, Reading, MA.
• Masters G. (1982), A Rasch Model for Partial Credit Scoring, "Psychometrika", No. 47, s. 149-174.
• Mair P., Hatzinger R. (2007), Extended Rasch Modeling: The eRm Package for the Application of IRT Models in R, "Journal of Statistical Software", No. 20(9), s. 1-20.
• Martin A., Quinn K. (2006), MCMCpack: Markov Chain Monte Carlo (MCMC) Package, R package version 0.7-3, http://mcmcpack.wustl.edu/ (dostęp: 10.02.2015).
• Panayides P., Robinson C., Tymms P. (2010), The Assessment Revolution That Has Passed England by: Rasch Measurement, "British Educational Research Journal", No. 36(4), s. 611-626.
• Rasch G. (1960), Probabilistic Models for Some Intelligence and Attainment Tests, Danish Institute for Educational Research, Copenhagen.
• Rizopoulos D. (2015), Latent Trait Models Under IRT, https://cran.r-project.org/web/ packages/ltm/ltm.pdf (dostęp: 21.01.2016).
• Sagan A. (2002), Zastosowanie wielowymiarowych skal czynnikowych i skal Rascha w badaniach marketingowych (na przykładzie oceny efektów komunikacyjnych reklamy), Zeszyty Naukowe Akademii Ekonomicznej w Krakowie, nr 605, s. 73-92.
• Schwarz G. (1978), Estimating the Dimension of a Model, "Annals of Statistics", No. 6, s. 461-464.
• Van der Linden W., Hambleton R. (1997), Handbook of Modern Item Response Theory, Springer-Verlag, New York.
• Wright B., Masters G. (1982), Rating Scale Analysis, Mesa Press, Boston.