.png){kind=icon}
返回
Variational Bayesian inference for sparse item response theory models
.png){kind=icon}
PRE
AI
DOI：10.1111/bmsp.70032.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
项目反应理论（IRT）模型是一种广泛应用于探索个体潜在特质与项目反应之间关系的重要统计方法。本文建立了一个稀疏IRT模型以解决因子载荷的稀疏性问题。引入全局和局部收缩先验对因子载荷进行惩罚：全局参数控制列级别的收缩量，局部参数调整每列内因子载荷的惩罚。我们开发了一种变分贝叶斯方法进行后验推断。通过利用逻辑函数的随机表示，将稀疏IRT模型表述为一个混合模型，混合Pólya-Gamma分布。该策略使得潜在量具有共轭后验，从而简化后验计算。通过模拟研究评估所提出方法的表现，并通过一个与人格评估相关的实际案例说明该方法的有效性。
Keyword:
global-and-local prior
item response theory model
personality assessment data
P & oacute
lya-Gamma stochastic approximation
期刊
B
IF:
1.8
论文数:
41
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容