MerQuR+Başvuru Kitabı

173. MTK ölçek bağlama ve gerçek puan eşitleme

Şablon kimliği: irt_baglama · Kategori: psikometri · Dil: R · Dosya: pro/sablonlar/psikometri/irt_baglama.R (satır 1–170; üstbilgi 1–85) · Örnek veri: _ornek/irt_baglama_2pl.csv · Paketler: equateIRT 2.5.2 (R 4.5.3)

173.1 Ne işe yarar

İki test formu ayrı ayrı madde tepki kuramı (MTK) modelleriyle kalibre edildiğinde her formun madde parametreleri kendi \theta ölçeğindedir; iki ölçeğin başlangıç noktası ve birimi keyfidir. Şablon şu soruyu cevaplar: "Yeni formun (X) madde parametrelerini temel formun (Y) ölçeğine taşıyan doğrusal dönüşüm nedir ve bu dönüşümle X formundaki her tam puan Y formunda hangi puana karşılık gelir?" Dönüşüm

\theta_Y = A\,\theta_X + B

biçimindedir ve X maddeleri için b^{*}=A\,b+B, a^{*}=a/A (şans parametresi c değişmez) sonucunu verir. A ve B, iki formda da parametresi bulunan ortak (bağlantı) maddeler üzerinden kestirilir. Dört yöntem birlikte hesaplanır: ortalama–ortalama, ortalama–sigma, Haebara ve Stocking–Lord; seçilen yöntem ortak maddeleri dönüştürür ve gerçek puan eşitlemeyi yapar.

Ne zaman kullanılır?

  • İki formun maddeleri ayrı ayrı kalibre edilmiş ve ortak maddeleri varsa (ortak madde deseni).
  • Bir madde havuzuna yeni form eklenirken parametrelerin havuz ölçeğine getirilmesi gerekiyorsa.
  • Kayan (ölçek dışı davranan) ortak maddeleri ayıklayıp bağlamayı yinelemek gerekiyorsa (baglama_maddeleri alanı).

Ne zaman kullanılmaz?

  • Kalibrasyon iki gruptan eş zamanlı yapılmış ve ortak maddelerin parametreleri çok gruplu modelde sabitlenmişse bağlama gerekmez; parametreler zaten tek ölçektedir.
  • Ortak madde yoksa ya da ortak madde sayısı iki ise ve ikisi de aynı güçlüktedir: şablon durur (173.2); ham puanlardan eşitlemek için test_esitleme şablonu (Bölüm 176) kullanılır.
  • Standart hata ya da bağlama belirsizliği isteniyorsa: bu şablon kestirimlerin kovaryans matrisini almaz, standart hata vermez (equateIRT::modIRT ile Kod sekmesinde hesaplanabilir).
  • Madde parametrelerini kestirmek için: bu şablon yalnız hazır parametreleri bağlar; kestirim temel programdaki ve çok boyutlu MTK şablonundaki modellerle yapılır.

Temel programla ilişki. Temel programda MTK bağlama yoktur. Bu şablon, temel programda ya da Bölüm 174'teki şablonda kestirilmiş madde parametrelerini girdi olarak alır.

173.2 Şablonun girdileri

Alanlar üstbilgideki [[param]] bloklarından gelir. Türlerin anlamı ve formun denetimi Bölüm 1.2'de anlatılmıştır. Veri biçimi: her satır bir madde; X ve Y formlarının a, b (ve isteğe bağlı c) sütunları. Bir formda bulunmayan madde için o formun hücreleri boş bırakılır; iki formda da parametresi olan satırlar ortak maddedir.

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Madde adı (isteğe bağlı) · madde sütun · Değişkenler boş herhangi sütun Satır adları; boşsa M1, M2, … (96, 10–15).
X formu: ayırt edicilik a · a_x sayısal sütun · Değişkenler — sayısal X formunun eğimi (99, 16–20).
X formu: güçlük b · b_x sayısal sütun · Değişkenler — sayısal X formunun güçlüğü (99, 21–25).
X formu: şans c · c_x sayısal sütun · Değişkenler boş sayısal, isteğe bağlı Doluysa 3PL (93, 26–31).
Y formu: a · a_y sayısal sütun · Değişkenler — sayısal Temel form eğimi (32–36).
Y formu: b · b_y sayısal sütun · Değişkenler — sayısal Temel form güçlüğü (37–41).
Y formu: c · c_y sayısal sütun · Değişkenler boş sayısal, isteğe bağlı Doluysa 3PL (42–47).
Yöntem · yontem seçim · Model mean-mean mean-mean, mean-sigma, Haebara, Stocking-Lord Dönüşümü ve eşitlemeyi belirleyen yöntem (142, 48–54).
Ölçek sabiti D · D seçim · Model 1 1, 1.702 Lojistik/normal ojive metriği (95, 55–61).
Bağlama maddeleri · baglama_maddeleri metin · Değişkenler boş virgülle ayrılmış madde adları A ve B'nin kestirileceği ortak maddeler (126–135, 62–68).
Gauss–Hermite kuadratürü · kuadratur onay · Gelişmiş açık açık/kapalı Haebara ve Stocking–Lord ölçütünün tümlevi (134, 69–75).
Kuadratür noktası sayısı · nq tamsayı · Gelişmiş 30 5–200 Yalnız kuadratür açıkken (134, 76–84).

Şablona özgü denetimler, hepsi mq_hata ile çalışmayı durdurur:

  • Veri açık değilse: "Önce Veri sekmesinde bir veri açın." (89).
  • a_X, b_X, a_Y, b_Y sütunlarından ikisi aynıysa "X ve Y formlarının a ve b sütunları birbirinden farklı olmalı." (91–92).
  • Yalnız bir formun c sütunu seçilmişse "3PL için iki formun da c sütununu seçin (ya da ikisini de boş bırakın)." (94).
  • Seçilen sütun sayısal değilse "'…' sayısal olmalı." (98).
  • Bir formda parametresi tam (a, b ve varsa c dolu) olan satır 2'den azsa "Her formda en az 2 maddenin parametreleri gerekli." (110); iki formda da tam olan satır 2'den azsa "En az 2 ortak (iki formda da parametresi olan) madde gerekli." (111).
  • Herhangi bir a\le0 ise "Ayırt edicilik a parametreleri pozitif olmalı." (112); herhangi bir c<0 ya da c\ge1 ise "Şans parametreleri c, [0, 1) aralığında olmalı." (113).
  • Ortak maddelerin güçlüklerinin standart sapması iki formdan birinde 0 ise "Ortak maddelerin güçlükleri sabit; bağlama yapılamaz." (114).
  • baglama_maddeleri ortak maddeler arasında olmayan bir ad içeriyorsa "Bağlama maddeleri ortak maddeler arasında değil: …" (128–129); tekrarsız ad sayısı 2'den azsa "Bağlama için en az 2 ortak madde gerekli." (130).
  • equateIRT bir yöntemde hata verirse " bağlaması yapılamadı: …" ve paketin iletisi (136); A sonlu ve pozitif değilse "Bağlama katsayıları geçersiz …" (140).

Örnek ayar (ornek_param) yalnız sütun atamalarını yapar: madde = madde, a_x = a_x, b_x = b_x, a_y = a_y, b_y = b_y; yöntem ve D varsayılandır.

173.3 Örnek veri

irt_baglama_2pl.csv, equateIRT paketinin kılavuzundaki (Battauz, 2015) 2PL kalibrasyon örneğidir: X formu (test1 olarak kalibre edilmiş) 20 madde, Y formu (test5) 20 madde; 30 satırın 10'u yalnız X'te, 10'u iki formda (ortak), 10'u yalnız Y'dedir. Sütunlarda eksik değer, ilgili formda bulunmayan maddelerin boş hücreleridir.

Değişken Rol Tür (veri sekmesinin algıladığı) Özet
madde madde adı metin I1…I10 (yalnız X), I31…I40 (ortak), I41…I50 (yalnız Y)
a_x, b_x X formu a, b sayısal 20 dolu hücre
a_y, b_y Y formu a, b sayısal 20 dolu hücre

Kategorik değişken ve düzey sırası yoktur. Ortak maddeler dolu satırlardır (I31…I40), yani eşleşme satır üzerindendir, madde adı üzerinden değil. Bölümde kullanılan çalıştırmalar:

  1. Örnek ayar (ortalama–ortalama).
  2. Haebara seçili; D=1{,}702 ile Stocking–Lord; kuadratür kapalı Haebara; X ile Y sütunları yer değiştirmiş Haebara.
  3. Sentetik 3PL veri (dogrulama/irt_baglama/pl3.csv; 24 + 24 madde, 12 ortak; gerçek dönüşüm A=1{,}15, B=-0{,}40), Haebara.
  4. Aynı veride iki ortak maddenin (M20, M21) Y güçlüğü +1{,}5 kaydırılmış (pl3_kayan.csv): tüm ortak maddelerle ve baglama_maddeleri ile kayan iki madde dışarıda bırakılarak.
  5. Kenar durumlar: tek ortak madde, negatif a, kısmi eksik satır, a sabit (Rasch) veri, ondalık virgüllü metin biçimi (173.8).

173.4 Yöntem: formüller ve hesap adımları

Hesap sırası: (1) iki formun parametre tablosu satır satır okunur; iki formda da parametresi tam olan satırlar ortak maddedir; (2) equateIRT::modIRT iki formu birer model nesnesine çevirir; (3) dört yöntemin A ve B'si equateIRT::direc ile hesaplanır ve tabloya yazılır; (4) seçilen yöntemin katsayılarıyla ortak maddeler dönüştürülür ve Y'deki değerlerle farkları yazılır; (5) X formunun test karakteristik eğrisi dönüştürülmüş parametrelerle kurulur ve her tam puan için \theta bulunup Y formunun eğrisinde değerlendirilir; (6) iki eğri çizilir.

Üç parametreli lojistik model (2PL için c=0) şablonda

P_i(\theta)=c_i+(1-c_i)\,\frac{1}{1+\exp\{-D\,a_i(\theta-b_i)\}}

biçimindedir (137, equateIRT::irtp1 ile aynı).

  • \theta: yetenek.
  • a_i, b_i, c_i: i. maddenin ayırt edicilik, güçlük ve şans parametreleri.
  • D: ölçek sabiti; 1 (lojistik metrik) ya da 1,702 (normal ojive metriğine yaklaşım).

173.4.1 Ortalama–ortalama ve ortalama–sigma

Ortak maddelerin (n_c tane) parametrelerinin momentleriyle kapalı çözüm:

A_{\text{mm}}=\frac{\bar a_X}{\bar a_Y},\qquad A_{\text{ms}}=\frac{s(b_Y)}{s(b_X)},\qquad B=\bar b_Y-A\,\bar b_X
  • \bar a_X,\bar a_Y: ortak maddelerin a ortalamaları (X ve Y formundaki değerler).
  • s(b_X), s(b_Y): ortak maddelerin güçlüklerinin örneklem standart sapması (n_c-1 paydalı).
  • \bar b_X,\bar b_Y: ortak madde güçlüklerinin ortalaması.

Neden A=\bar a_X/\bar a_Y ve a^{*}=a/A?

\theta_Y=A\theta_X+B ise a_Y(\theta_Y-b_Y)=a_Y\,A\,(\theta_X-b_X) olmalıdır; yani a_X=A\,a_Y ve A=a_X/a_Y. Ortalama–ortalama bu oranı ortak maddeler üzerinde ortalama değerlerle kurar (Loyd ve Hoover, 1980); ortalama–sigma güçlüklerin yayılımına dayanır (Marco, 1977). B ikisinde de iki formun ortalama güçlüğünü eşitler: \bar b_Y=A\bar b_X+B.

Koddaki tercih

equateIRT::direc kodunda bu iki yöntem açık formüldür: A <- mean(a1)/mean(a2) ve A <- sd(b2)/sd(b1), B <- mean(b2) - A*mean(b1) (paket kaynağı; burada 1: X, 2: Y). Standart sapma n_c-1 paydalıdır. Ortalama–ortalama paketin varsayılanıdır; şablonun varsayılanı da odur (48–54). Tüm maddeler a=1 ise (Rasch) paket modeli tek parametreli sayar, A=1 olur ve yalnız B kestirilir (173.8).

173.4.2 Haebara ve Stocking–Lord

İki özellik ölçütü, \theta üzerinde ağırlıklı toplamla tümlenen karakteristik eğri farklarıdır:

F_{\text{H}}(A,B)=\frac12\sum_{q=1}^{Q}w_q\sum_{i=1}^{n_c}\Big(P_{Y,i}(\theta_q)-P^{*}_{X,i}(\theta_q)\Big)^2
F_{\text{SL}}(A,B)=\frac12\sum_{q=1}^{Q}w_q\Big(\sum_{i=1}^{n_c}P_{Y,i}(\theta_q)-\sum_{i=1}^{n_c}P^{*}_{X,i}(\theta_q)\Big)^2
  • P_{Y,i}: Y formundaki parametrelerle i. ortak maddenin doğru yanıt olasılığı.
  • P^{*}_{X,i}(\theta)=c_i+(1-c_i)/[1+\exp\{-D\,(a_i/A)(\theta-A\,b_i-B)\}]: X formu parametreleri a/A ve A\,b+B ile dönüştürülmüş olasılık.
  • \theta_q, w_q: kuadratür düğümleri ve ağırlıkları, \sum w_q=1.
  • Q: düğüm sayısı (nq, varsayılan 30).

Haebara maddeler arasında eğri farklarını tek tek toplar, Stocking–Lord maddelerin toplamı olan test karakteristik eğrisini karşılaştırır (Haebara, 1980; Stocking ve Lord, 1983). İkisi de (A,B) üzerinde sayısal en küçüklemeyle çözülür.

Koddaki tercih

equateIRT::direc ölçütü 0.5 * sum(rowSums((P2 - P1)^2) * wt) (Haebara) ve 0.5 * sum((rowSums(P2) - rowSums(P1))^2 * wt) (Stocking–Lord) olarak yazar; P2 Y formunun, P1 dönüştürülmüş X formunun olasılıklarıdır, başlangıç (A,B)=(1{,}0), eniyileyici nlminb'dir. Ölçüt tek yönlüdür: yalnız X dönüştürülür ve Y sabit tutulur. Kuadratür açıkken düğümler statmod::gauss.quad.prob(nq, "normal") ile standart normal ağırlıklı Gauss–Hermite düğümleridir (nq = 30). Kapalıyken düğümler -4 ile 4 arasında 40 eşit aralıklı noktadır ve ağırlıkları 1'dir; nq bu durumda kullanılmaz (124, direc kaynağı). Formdaki açıklama "0,05 aralıklı" der; kodun yaptığı 40 noktadır (aralık 8/39\approx0{,}205).

173.4.3 Gerçek puan eşitleme

X formunun dönüştürülmüş test karakteristik eğrisi T_X^{*}(\theta)=\sum_{i\in X}P^{*}_{X,i}(\theta) ve Y formununki T_Y(\theta)=\sum_{j\in Y}P_{Y,j}(\theta) olsun. X'te tam puanı s olan birinin Y'deki gerçek puan eşdeğeri

\theta_s: T_X^{*}(\theta_s)=s,\qquad e_Y(s)=T_Y(\theta_s)

dir (Kolen ve Brennan, 2014). Tüm X maddeleri (yalnız ortaklar değil) T_X^{*}'a, tüm Y maddeleri T_Y'ye girer.

Koddaki tercih

\theta_s uniroot ile [-20{,}20] aralığında bulunur (tol 10^{-12}, 144–147). Puanlar s=1,\dots,n_X-1'dir ve yalnız s>\sum_i c_i olanlar için çözüm vardır (152–153): en küçük ve en büyük tam puanlar çıkmaz, 3PL'de şans düzeyinin altındaki puanlar da. Tablo bu puanları yazar (158–159).

173.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
86–98 Çevirici .m, equateIRT'yi yükler; veri, sütun adları, c sütunu eşleşmesi, sayısallık denetimleri a_X,b_X,a_Y,b_Y sayısal roldedir; veri sekmesinde "kategorik" görünen bir sütun da sayı olarak gelir (Bölüm 1.3).
99–101 Parametre vektörleri, X'te ve Y'de tam parametreli satırlar (inx, iny), ortaklar (ort) Bir satırın yalnız a ya da yalnız b hücresi boşsa o satır o formdan düşer ve çıktı madde adını ve boş alanı yazar (173.8).
102–106 Madde ve ortak madde sayısı, a>0, c\in[0{,}1), b yayılımı denetimleri Yayılım denetimi baglama_maddeleri ile seçilen alt kümeye değil tüm ortak maddelere uygulanır.
107–116 kat ile (c,b,a) ya da (b,a) matrisleri, modIRT Madde adları satır adıdır; modIRT iki formu ortak adlara göre eşler (make.unique ile benzersizleştirilmiş adlar). Kalibrasyon kovaryansı verilmez.
117–127 Seçilen çapa listesi; dört yöntemin direc çağrısı Listede ortak olmayan ad hata verir; seçim yalnız A ve B'nin kestirimini etkiler.
128–132 Katsayı tablosu, A'nın geçerlilik denetimi, seçilen yöntemin A ve B'si Tablo her zaman dört yöntemi gösterir; secili sütunu seçileni işaretler.
133–136 Ortak madde tablosu Tüm ortak maddeler listelenir (çapa seçilmiş olsa da); fark_b yalnız güçlük farkıdır.
137–152 Test karakteristik eğrileri, uniroot ile gerçek puan eşitleme, özet metin Puan satırları 173.4.3'teki koşulla.
153–159 Karakteristik eğri grafiği Y formu ve dönüştürülmüş X formu.

Kritik satırlar:

mods <- sar(modIRT(coef = list(kat(which(inx), ax, bx, gx), kat(which(iny), ay, by, gy)), names = c("X", "Y"), ltparam = FALSE, lparam = FALSE, display = FALSE), ...)
kats <- lapply(yontemler, function(me) sar(do.call(direc, c(list(mods = mods, which = c(1, 2), method = me), dk)), ...))

173.6 Elle hesap: örnek veride bağımsız yeniden hesap

Ara değerler dogrulama/irt_baglama/elle_hesap.py (numpy, scipy; equateIRT ve şablon kullanılmadan, Gauss–Hermite düğümleri numpy.polynomial.hermite_e.hermegauss ile, eniyileme Nelder–Mead ve BFGS ile) ve dogrulama/irt_baglama/r_dogrulama.R (taban R; düğümler Golub–Welsch özdeğer yöntemiyle, optim; equateIRT ve statmod yok) ile hesaplanmıştır.

Adım 1 — Ortak madde momentleri. 10 ortak madde: \bar a_X=1{,}3354452, \bar a_Y=1{,}3839298; \bar b_X=0{,}4545848, \bar b_Y=-0{,}0355227; s(b_X)=0{,}4028353, s(b_Y)=0{,}4045981.

Adım 2 — Ortalama–ortalama. A=1{,}3354452/1{,}3839298=0{,}9649660; B=-0{,}0355227-0{,}9649660\cdot0{,}4545848=-0{,}4741816.

Adım 3 — Ortalama–sigma. A=0{,}4045981/0{,}4028353=1{,}0043758; B=-0{,}0355227-1{,}0043758\cdot0{,}4545848=-0{,}4920967.

Adım 4 — Haebara ve Stocking–Lord. 30 noktalı standart normal Gauss–Hermite düğümleriyle (ilk düğüm -9{,}706236, ağırlıklar toplamı 1) ölçütler en küçüklenir. Haebara: A=0{,}9715194, B=-0{,}4751087, F_{\text{H}}=0{,}00075236 (A=1, B=0'da 0{,}07805669). Stocking–Lord: A=0{,}9681843, B=-0{,}4721751, F_{\text{SL}}=1{,}427\cdot10^{-5} (A=1, B=0'da 0{,}7386044). Yayımlanmış değerler (Battauz, 2015): Haebara A=0{,}97152, B=-0{,}47511; ortalama–ortalama A=0{,}96497, B=-0{,}47418.

Adım 5 — Gerçek puan eşitleme (ortalama–ortalama). T_X^{*}(\theta)=10 denklemi \theta=-0{,}191528 verir; T_Y(-0{,}191528)=9{,}525971. s=18 için \theta=1{,}602619 ve e_Y(18)=17{,}759334.

Adım 6 — Yöntem ve veri varyantları. Aynı hesap, Haebara/Stocking–Lord için D=1{,}702 (A: 0,977361 ve 0,972251), kuadratürsüz 40 noktalı ağırlıklı (Haebara A=0{,}968608, B=-0{,}476421), 3PL sentetik veri, kayan çapa ve seçili çapa için de yapılmış ve aşağıdaki tabloya girmiştir.

173.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
örnek (mean-mean): mean-mean A 0,96496601 0,96496601 0,96496601 2,2e−16 ✓
örnek (mean-mean): mean-mean B −0,4741816 −0,4741816 −0,4741816 2,2e−16 ✓
örnek (mean-mean): mean-sigma A 1,00437577 1,00437577 1,00437577 8,8e−16 ✓
örnek (mean-mean): mean-sigma B −0,49209668 −0,49209668 −0,49209668 1,1e−16 ✓
örnek (mean-mean): Haebara A 0,97151942 0,97151942 0,97151942 7,6e−9 ✓
örnek (mean-mean): Haebara B −0,47510871 −0,47510871 −0,47510871 1,9e−9 ✓
örnek (mean-mean): Stocking-Lord A 0,96818429 0,96818429 0,96818429 5,1e−10 ✓
örnek (mean-mean): Stocking-Lord B −0,47217508 −0,47217508 −0,47217506 1,2e−8 ✓
örnek (mean-mean): ortak madde a_X_donusmus (en büyük fark, 10 madde) 1,53666387 … 1,50928694 1,53666387 … 1,50928694 1,53666387 … 1,50928694 3,2e−15 ✓
örnek (mean-mean): ortak madde b_X_donusmus (en büyük fark, 10 madde) 0,02995469 … 0,33805596 0,02995469 … 0,33805596 0,02995469 … 0,33805596 4,4e−16 ✓
örnek (mean-mean): ortak madde fark_b (en büyük fark, 10 madde) −0,00907956 … −0,03566545 −0,00907956 … −0,03566545 −0,00907956 … −0,03566545 2,4e−16 ✓
örnek (mean-mean): gerçek puan eşitleme θY (19 puan) −2,73723387 … 2,21003382 −2,73723387 … 2,21003382 −2,73723387 … 2,21003382 2,2e−13 ✓
örnek (mean-mean): gerçek puan eşitleme Y eşdeğeri (19 puan) 0,81516156 … 18,8670224 0,81516156 … 18,8670224 0,81516156 … 18,8670224 9,8e−14 ✓
Haebara seçili: mean-mean A 0,96496601 0,96496601 0,96496601 2,2e−16 ✓
Haebara seçili: mean-mean B −0,4741816 −0,4741816 −0,4741816 2,2e−16 ✓
Haebara seçili: mean-sigma A 1,00437577 1,00437577 1,00437577 8,8e−16 ✓
Haebara seçili: mean-sigma B −0,49209668 −0,49209668 −0,49209668 1,1e−16 ✓
Haebara seçili: Haebara A 0,97151942 0,97151942 0,97151942 7,6e−9 ✓
Haebara seçili: Haebara B −0,47510871 −0,47510871 −0,47510871 1,9e−9 ✓
Haebara seçili: Stocking-Lord A 0,96818429 0,96818429 0,96818429 5,1e−10 ✓
Haebara seçili: Stocking-Lord B −0,47217508 −0,47217508 −0,47217506 1,2e−8 ✓
Haebara seçili: ortak madde a_X_donusmus (en büyük fark, 10 madde) 1,52629827 … 1,49910602 1,52629827 … 1,49910602 1,52629826 … 1,49910601 7,8e−9 ✓
Haebara seçili: ortak madde b_X_donusmus (en büyük fark, 10 madde) 0,03245133 … 0,34264502 0,03245133 … 0,34264502 0,03245133 … 0,34264502 4,6e−9 ✓
Haebara seçili: ortak madde fark_b (en büyük fark, 10 madde) −0,00658292 … −0,03107639 −0,00658291 … −0,03107639 −0,00658291 … −0,03107639 4,6e−9 ✓
Haebara seçili: gerçek puan eşitleme θY (19 puan) −2,75353012 … 2,2273361 −2,75353012 … 2,2273361 −2,75353014 … 2,22733612 9,4e−9 ✓
Haebara seçili: gerçek puan eşitleme Y eşdeğeri (19 puan) 0,79970651 … 18,88942397 0,79970651 … 18,88942397 0,79970649 … 18,889424 1,9e−8 ✓
D = 1,702: mean-mean A 0,96496601 0,96496601 0,96496601 2,2e−16 ✓
D = 1,702: mean-mean B −0,4741816 −0,4741816 −0,4741816 2,2e−16 ✓
D = 1,702: mean-sigma A 1,00437577 1,00437577 1,00437577 8,8e−16 ✓
D = 1,702: mean-sigma B −0,49209668 −0,49209668 −0,49209668 1,1e−16 ✓
D = 1,702: Haebara A 0,9773609 0,9773609 0,97736091 9,5e−9 ✓
D = 1,702: Haebara B −0,47803313 −0,47803313 −0,47803314 1,1e−8 ✓
D = 1,702: Stocking-Lord A 0,97225058 0,97225058 0,97225059 2,2e−9 ✓
D = 1,702: Stocking-Lord B −0,47316402 −0,47316402 −0,47316402 6,5e−9 ✓
D = 1,702: ortak madde a_X_donusmus (en büyük fark, 10 madde) 1,52515044 … 1,49797864 1,52515044 … 1,49797864 1,52515044 … 1,49797863 2,3e−9 ✓
D = 1,702: ortak madde b_X_donusmus (en büyük fark, 10 madde) 0,034778 … 0,34520515 0,03477801 … 0,34520515 0,03477801 … 0,34520516 8,4e−9 ✓
D = 1,702: ortak madde fark_b (en büyük fark, 10 madde) −0,00425624 … −0,02851626 −0,00425624 … −0,02851626 −0,00425623 … −0,02851625 8,4e−9 ✓
D = 1,702: gerçek puan eşitleme θY (19 puan) −1,82422587 … 1,29208563 −1,82422587 … 1,29208563 −1,82422587 … 1,29208564 9,7e−9 ✓
D = 1,702: gerçek puan eşitleme Y eşdeğeri (19 puan) 0,80000347 … 18,6754965 0,80000347 … 18,6754965 0,80000347 … 18,67549652 8,0e−9 ✓
kuadratürsüz: mean-mean A 0,96496601 0,96496601 0,96496601 2,2e−16 ✓
kuadratürsüz: mean-mean B −0,4741816 −0,4741816 −0,4741816 2,2e−16 ✓
kuadratürsüz: mean-sigma A 1,00437577 1,00437577 1,00437577 8,8e−16 ✓
kuadratürsüz: mean-sigma B −0,49209668 −0,49209668 −0,49209668 1,1e−16 ✓
kuadratürsüz: Haebara A 0,9686075 0,9686075 0,96860751 3,6e−9 ✓
kuadratürsüz: Haebara B −0,47642101 −0,47642101 −0,47642102 1,1e−8 ✓
kuadratürsüz: Stocking-Lord A 0,96695502 0,96695502 0,96695503 9,6e−9 ✓
kuadratürsüz: Stocking-Lord B −0,47261555 −0,47261555 −0,47261556 5,9e−9 ✓
kuadratürsüz: ortak madde a_X_donusmus (en büyük fark, 10 madde) 1,53088676 … 1,50361276 1,53088676 … 1,50361276 1,53088676 … 1,50361275 3,7e−9 ✓
kuadratürsüz: ortak madde b_X_donusmus (en büyük fark, 10 madde) 0,02961773 … 0,33888168 0,02961773 … 0,33888168 0,02961772 … 0,33888168 1,2e−8 ✓
kuadratürsüz: ortak madde fark_b (en büyük fark, 10 madde) −0,00941651 … −0,03483973 −0,00941652 … −0,03483973 −0,00941652 … −0,03483973 1,2e−8 ✓
kuadratürsüz: gerçek puan eşitleme θY (19 puan) −2,74801337 … 2,21792383 −2,74801337 … 2,21792382 −2,74801339 … 2,21792383 1,2e−8 ✓
kuadratürsüz: gerçek puan eşitleme Y eşdeğeri (19 puan) 0,80490686 … 18,87728996 0,80490687 … 18,87728996 0,80490685 … 18,87728996 1,9e−8 ✓
X ile Y yer değiştirmiş: mean-mean A 1,03630593 1,03630593 1,03630593 2,8e−15 ✓
X ile Y yer değiştirmiş: mean-mean B 0,4913972 0,4913972 0,4913972 3,9e−16 ✓
X ile Y yer değiştirmiş: mean-sigma A 0,99564329 0,99564329 0,99564329 1,1e−16 ✓
X ile Y yer değiştirmiş: mean-sigma B 0,48995275 0,48995275 0,48995275 1,1e−16 ✓
X ile Y yer değiştirmiş: Haebara A 1,0256433 1,02564329 1,0256433 8,3e−9 ✓
X ile Y yer değiştirmiş: Haebara B 0,48866183 0,48866183 0,48866183 5,7e−9 ✓
X ile Y yer değiştirmiş: Stocking-Lord A 1,0315898 1,0315898 1,0315898 1,6e−9 ✓
X ile Y yer değiştirmiş: Stocking-Lord B 0,48750827 0,48750827 0,48750828 1,5e−9 ✓
X ile Y yer değiştirmiş: ortak madde a_X_donusmus (en büyük fark, 10 madde) 1,4344626 … 1,4409419 1,43446261 … 1,44094191 1,43446261 … 1,4409419 8,3e−9 ✓
X ile Y yer değiştirmiş: ortak madde b_X_donusmus (en büyük fark, 10 madde) 0,52869704 … 0,87196669 0,52869703 … 0,87196668 0,52869704 … 0,87196669 8,9e−9 ✓
X ile Y yer değiştirmiş: ortak madde fark_b (en büyük fark, 10 madde) 0,00625762 … 0,0302401 0,00625762 … 0,03024009 0,00625762 … 0,0302401 8,9e−9 ✓
X ile Y yer değiştirmiş: gerçek puan eşitleme θY (19 puan) −2,13934332 … 2,86598364 −2,13934331 … 2,86598361 −2,13934331 … 2,86598363 9,8e−9 ✓
X ile Y yer değiştirmiş: gerçek puan eşitleme Y eşdeğeri (19 puan) 1,23588918 … 19,09045478 1,2358892 … 19,09045475 1,2358892 … 19,09045477 1,6e−8 ✓
3PL: mean-mean A 1,14935986 1,14935986 1,14935986 1,9e−16 ✓
3PL: mean-mean B −0,37946535 −0,37946535 −0,37946535 1,1e−16 ✓
3PL: mean-sigma A 1,12219605 1,12219605 1,12219605 1,8e−15 ✓
3PL: mean-sigma B −0,38249294 −0,38249294 −0,38249294 4,4e−16 ✓
3PL: Haebara A 1,13828679 1,13828679 1,13828679 2,1e−9 ✓
3PL: Haebara B −0,39951835 −0,39951835 −0,39951835 5,4e−9 ✓
3PL: Stocking-Lord A 1,1471736 1,14717359 1,1471736 3,2e−9 ✓
3PL: Stocking-Lord B −0,39612703 −0,39612702 −0,39612702 2,1e−9 ✓
3PL: ortak madde a_X_donusmus (en büyük fark, 12 madde) 1,81558814 … 1,85017521 1,81558814 … 1,85017521 1,81558814 … 1,8501752 2,1e−9 ✓
3PL: ortak madde b_X_donusmus (en büyük fark, 12 madde) 0,34006073 … 0,58236784 0,34006073 … 0,58236784 0,34006073 … 0,58236783 6,6e−9 ✓
3PL: ortak madde fark_b (en büyük fark, 12 madde) 0,04800073 … 0,03865784 0,04800073 … 0,03865784 0,04800073 … 0,03865783 9,0e−9 ✓
3PL: gerçek puan eşitleme θY (20 puan) −3,16435295 … 2,77659673 −3,16435296 … 2,77659673 −3,16435297 … 2,77659673 6,3e−9 ✓
3PL: gerçek puan eşitleme Y eşdeğeri (20 puan) 4,44645095 … 22,91038512 4,44645094 … 22,91038512 4,44645093 … 22,91038512 3,7e−9 ✓
kayan çapa, tüm ortak: mean-mean A 1,14935986 1,14935986 1,14935986 1,9e−16 ✓
kayan çapa, tüm ortak: mean-mean B −0,12946535 −0,12946535 −0,12946535 1,7e−16 ✓
kayan çapa, tüm ortak: mean-sigma A 1,11843519 1,11843519 1,11843519 1,2e−15 ✓
kayan çapa, tüm ortak: mean-sigma B −0,13291211 −0,13291211 −0,13291211 2,5e−16 ✓
kayan çapa, tüm ortak: Haebara A 1,04380928 1,04380928 1,04380929 1,1e−8 ✓
kayan çapa, tüm ortak: Haebara B −0,19772868 −0,19772868 −0,19772869 6,4e−9 ✓
kayan çapa, tüm ortak: Stocking-Lord A 1,12129838 1,12129838 1,12129838 8,9e−10 ✓
kayan çapa, tüm ortak: Stocking-Lord B −0,15232736 −0,15232736 −0,15232736 1,8e−9 ✓
kayan çapa, tüm ortak: ortak madde a_X_donusmus (en büyük fark, 12 madde) 1,97992109 … 2,01763871 1,97992109 … 2,01763871 1,97992107 … 2,01763869 1,1e−8 ✓
kayan çapa, tüm ortak: ortak madde b_X_donusmus (en büyük fark, 12 madde) 0,48046552 … 0,7026612 0,48046552 … 0,7026612 0,48046552 … 0,7026612 1,5e−8 ✓
kayan çapa, tüm ortak: ortak madde fark_b (en büyük fark, 12 madde) 0,18840552 … 0,1589512 0,18840552 … 0,1589512 0,18840552 … 0,1589512 2,4e−8 ✓
kayan çapa, tüm ortak: gerçek puan eşitleme θY (20 puan) −2,73308272 … 2,71476964 −2,73308272 … 2,71476965 −2,73308275 … 2,71476967 1,5e−8 ✓
kayan çapa, tüm ortak: gerçek puan eşitleme Y eşdeğeri (20 puan) 4,85094573 … 22,70273325 4,85094572 … 22,70273326 4,85094568 … 22,70273329 1,1e−8 ✓
kayan çapa, seçili çapa: mean-mean A 1,14221828 1,14221828 1,14221828 3,9e−15 ✓
kayan çapa, seçili çapa: mean-mean B −0,37952121 −0,37952121 −0,37952121 4,4e−16 ✓
kayan çapa, seçili çapa: mean-sigma A 1,11784517 1,11784517 1,11784517 1,6e−15 ✓
kayan çapa, seçili çapa: mean-sigma B −0,3795402 −0,3795402 −0,3795402 3,9e−16 ✓
kayan çapa, seçili çapa: Haebara A 1,13847256 1,13847256 1,13847256 2,3e−9 ✓
kayan çapa, seçili çapa: Haebara B −0,40649396 −0,40649396 −0,40649397 5,5e−9 ✓
kayan çapa, seçili çapa: Stocking-Lord A 1,14368475 1,14368475 1,14368476 1,1e−8 ✓
kayan çapa, seçili çapa: Stocking-Lord B −0,40589651 −0,40589651 −0,40589652 1,6e−8 ✓
kayan çapa, seçili çapa: ortak madde a_X_donusmus (en büyük fark, 12 madde) 1,81529188 … 1,8498733 1,81529188 … 1,84987331 1,81529188 … 1,8498733 2,3e−9 ✓
kayan çapa, seçili çapa: ortak madde b_X_donusmus (en büyük fark, 12 madde) 0,33320581 … 0,57555247 0,33320581 … 0,57555247 0,33320581 … 0,57555246 6,0e−9 ✓
kayan çapa, seçili çapa: ortak madde fark_b (en büyük fark, 12 madde) 0,04114581 … 0,03184247 0,04114581 … 0,03184247 0,04114581 … 0,03184246 6,9e−9 ✓
kayan çapa, seçili çapa: gerçek puan eşitleme θY (20 puan) −3,1717798 … 2,77013946 −3,1717798 … 2,77013946 −3,17177981 … 2,77013946 5,9e−9 ✓
kayan çapa, seçili çapa: gerçek puan eşitleme Y eşdeğeri (20 puan) 4,26448955 … 22,77432405 4,26448956 … 22,77432405 4,26448954 … 22,77432405 2,8e−9 ✓
Yayımlanmış (Battauz, 2015): Haebara A, B (5 ondalık) 0,97151942 … −0,47510871 0,97152 … −0,47511 — 1,3e−6 ✓
Yayımlanmış (Battauz, 2015): mean-mean A, B (5 ondalık) 0,96496601 … −0,4741816 0,96497 … −0,47418 — 4,0e−6 ✓

Ölçütü karşılayan: 106/106. Vektör satırlarında (ortak madde tablosu, gerçek puan eşitleme) ilk ve son değer gösterilir; fark tüm öğeler üzerinden en büyüğüdür. Yayımlanmış değer satırı beşinci ondalığa yuvarlanmış değerlerle 6·10−6 ölçütüyle karşılaştırılır.

173.7 Çıktıyı okuma

Örnek ayarın (Çalıştırma 1) konsol çıktısı:

Ortak madde sayısı: 10; X formu 20, Y formu 20 madde; model 1PL/2PL; D = 1.

Bağlama katsayıları (\theta_Y=A\theta_X+B):

                      yontem         A         B  secili
mean-mean          mean-mean  0.964966 -0.474182    True
mean-sigma        mean-sigma  1.004376 -0.492097   False
Haebara              Haebara  0.971519 -0.475109   False
Stocking-Lord  Stocking-Lord  0.968184 -0.472175   False

Ortak maddeler (mean-mean ile dönüştürülmüş):

  madde       a_X       b_X  a_X_donusmus  b_X_donusmus       a_Y       b_Y    fark_b
0   I31  1.482828  0.522439      1.536664      0.029955  1.471247  0.039034 -0.009080
1   I32  1.299857  0.831329      1.347050      0.328023  1.455822  0.280084  0.047939
2   I33  1.352089  0.575237      1.401178      0.080902  1.331062  0.045918  0.034984
3   I34  1.382115 -0.342581      1.432294     -0.804761  1.436719 -0.875646  0.070885
...
9   I40  1.456411  0.841727      1.509287      0.338056  1.477892  0.373721 -0.035665

Gerçek puan eşitleme (X puanı → Y):

    X_puani  theta_Y_olcegi  Y_esdegeri
0         1      -2.737234    0.815162
1         2      -2.078015    1.736093
...
9        10      -0.191528    9.525971
...
17       18       1.602619   17.759334
18       19       2.210034   18.867022

Şekil 173.1. Test karakteristik eğrileri: Y formu (sürekli) ve seçilen yöntemle dönüştürülmüş X formu (kesikli). Eğriler üst üste gelirse ölçekler uyumludur.

Öğe Ne yazar Nasıl yorumlanır
A, B \theta_Y=A\theta_X+B katsayıları A>1: X ölçeğinin birimi Y'ninkinden küçüktür; B: X'in sıfırının Y ölçeğindeki yeri. Dört yöntem birbirine yakınsa ortak maddeler tutarlıdır (örnekte A: 0,965–1,004).
a_X_donusmus, b_X_donusmus Dönüştürülmüş X parametreleri Y'deki değerlerle karşılaştırılacak olan; fark_b sıfır çevresinde dağılmalıdır.
fark_b A\,b_X+B-b_Y Tek bir maddenin büyük farkı kayan (parametre kayması gösteren) ortak maddeye işaret eder (173.8).
X_puani, theta_Y_olcegi, Y_esdegeri Gerçek puan eşitleme X formunda s puan alan birinin Y ölçeğindeki yetenek tahmini ve Y formundaki beklenen puanı.

Rapor cümlesi: İki form 10 ortak maddeyle bağlanmıştır; ortalama–ortalama yönteminde \theta_Y=0{,}965\,\theta_X-0{,}474 bulunmuş (Haebara: A=0{,}972, B=-0{,}475). Gerçek puan eşitlemede X formundaki 10 puan, Y formunda 9,53 puana karşılık gelmiştir.

173.8 Sık hatalar ve tuzaklar

  • Kayan ortak madde A ve B'yi sürükler. Sentetik 3PL veride iki ortak maddenin (M20, M21) Y güçlüğü 1,5 kaydırılınca tüm ortak maddelerle Haebara A=1{,}0438, B=-0{,}1977 olur (gerçek 1{,}15 ve -0{,}40); ortalama–ortalama B=-0{,}1295. İki madde baglama_maddeleri ile dışarıda bırakılınca Haebara A=1{,}1385, B=-0{,}4065 çıkar. Çözüm: önce fark_b sütununa bakın, bir maddenin farkı çevresindeki 0,05–0,25 düzeyinden uzaksa çapadan çıkarıp bağlamayı yineleyin. Şablon kayan maddeyi kendiliğinden saptamaz ve tabloda çapa olarak seçilmiş maddeleri işaretlemez.
  • Haebara ve Stocking–Lord X→Y yönünde tek yönlüdür. X ile Y'nin yeri değişince ortalama–ortalama ve ortalama–sigma tam tersine çevrilir (A_{\text{mm}}: 0,964966 → 1,036306 =1/0{,}964966), ama Haebara değil: örnek veride A=0{,}971519 iken yer değiştirmiş veride 1,025643 çıkar ve 1/0{,}971519=1{,}029316'dan farklıdır. "Hangi form X" kararı sonucu etkiler.
  • Kısmi dolu satırlar atılır, adı yazılır. Bir ortak maddenin yalnız b_X hücresini boş bırakırsanız o madde X formundan düşer; çıktı "X formunda parametreleri kısmen dolu olduğu için atılan madde(ler): I33 (boş: b_x)" der, "9 ortak, X formu 19" yazar ve katsayılar değişir (ortalama–sigma A: 1,004376 → 1,007455).
  • Kuadratür kapalıyken nq kullanılmaz ve düğümler formdaki gibi değildir. Kapalı seçenek 40 noktalı, ağırlıksız bir ızgara kullanır; örnek veride Haebara A=0{,}968608 (kuadratür açık: 0,971519). nq'yu değiştirmek kapalıyken sonuç vermez; açıkken nq=10 bile 0,971545 verir, yani 30 nokta yeterlidir.
  • Rasch verisinde A sabittir. Tüm a=1 ise paket modeli 1PL sayar: dört yöntemin A'sı 1'dir ve yalnız B değişir (ortalama–ortalama ve ortalama–sigma -0{,}490108; Haebara -0{,}489499).
  • Eşitleme yalnız kısmi puan aralığı için tablo verir. s=n_X ve s\le\sum c için satır yoktur; n_X=20'de 19 satır çıkar. Uç puanlar için ayrı bir kural (ör. en küçük ve en büyük puanı sabitleme) uygulanmalıdır.
  • Satır eşleşmesi üzerinden çalışır. Aynı maddenin iki formda farklı satırlarda bulunması ortak madde sayılmaz; her satır bir maddedir ve ortak madde iki formda da dolu satırdır.
  • Yakınsama durumu görünmez. nlminb yakınsamasız bitebilir; paket durumu döndürmez ve şablon yalnız A>0 olup olmadığına bakar. Başlangıç (1{,}0) iyi bir noktadır ama küçük çapa kümelerinde ölçüt düz olabilir; sonuçtan şüphede iki yöntemin ya da kuadratür sayısının sonucunu karşılaştırın.
  • Standart hata yoktur. Bağlamanın belirsizliği (özellikle az sayıda ortak maddede) çıktıda görünmez.
  • Ondalık virgül. Veri sekmesi 1,2 yazımını sayı olarak okur; sayısal rollere atanan sütunlarda sorun yoktur (ondalık virgül yazımlı metin biçimli dosya aynı katsayıları verdi, A_{\text{mm}}=1{,}149360 ve B=-0{,}379465 sentetik veride).
  • Sütun türü. a_X ve b_X veri sekmesinde "kategorik" yapılsa da (Bölüm 1.3) sayısal roldedir; sonuç değişmez.

173.9 Uzman soruları

S1. Dört yöntem arasında hangisi ne zaman seçilir?

Ortalama–ortalama ve ortalama–sigma yalnız parametre momentlerini kullanır; kayan maddeye ve kestirim hatasına duyarlıdır, çünkü her madde eşit ağırlıkla girer. Haebara ve Stocking–Lord karakteristik eğrileri kullanır ve \theta dağılımına (burada standart normal) göre ağırlıklandırır; hatalı kestirilmiş ve \theta yoğunluğunun uçlarında kalan parametrelerin etkisi azalır. Şablon dört yöntemi birlikte gösterir; yakınsa seçimin pratik önemi küçüktür, ayrışıyorsa ortak maddeler (özellikle fark_b) incelenmelidir.

S2. Dönüşüm neden \theta_Y=A\theta_X+B ve a^{*}=a/A?

Doğrusal dönüşüm ölçeklerin yalnız başlangıç ve birim farkını giderir; MTK'da \theta ölçeği bu iki serbestlikle belirlidir. Eğri biçimi değişmesin diye a(\theta-b) çarpanının sabit kalması gerekir: a_X(\theta_X-b_X)=a_Y(\theta_Y-b_Y) ve \theta_Y=A\theta_X+B ise a_Y=a_X/A, b_Y=A b_X+B. c ölçekten bağımsızdır ve değişmez.

S3. Haebara neden simetrik değil?

Kolen ve Brennan (2014) Haebara ölçütünü her iki yönde toplayan simetrik biçimiyle verir; equateIRT'nin direc işlevinde ölçüt yalnız X'in dönüştürülmüş eğrilerini Y ile karşılaştırır. Bu yüzden X ile Y'nin yer değiştirmesi A'yı 1/A'ya çevirmez (173.8). Şablon da bu tek yönlü ölçütü kullanır.

S4. Neden standart hata verilmiyor?

Bağlama katsayılarının standart hatası iki formun madde parametrelerinin tam kovaryans matrisine ve ortak maddeler üzerinden eşleşmeye bağlıdır. Şablon yalnız nokta kestirimlerini alır (parametre tablosu) ve kovaryans matrisini bilmez. Üstbilgi bu durumu açıkça söyler; hesap Kod sekmesinde modIRT'e kovaryanslar verilerek yapılabilir.

S5. Gerçek puan eşitleme ile gözlenen puan eşitleme arasındaki fark nedir?

Gerçek puan eşitleme, iki formun beklenen puanlarını \theta üzerinden eşler; yetenek dağılımına ve test puanı dağılımına ihtiyaç duymaz ve ölçüm hatasından arınmış puanları eşler. Gözlenen puan eşitleme (Bölüm 176) ham puan dağılımlarını eşler. Gerçek puan eşitlemenin tabloları yalnız s>\sum c aralığında tanımlıdır ve ölçek tutarlılığı bağlama doğruluğuna bağlıdır.

S6. Ortak madde sayısı kaç olmalı?

Şablon en az ikiyi zorunlu kılar; bu yalnız matematiksel alt sınırdır (A ve B iki serbestlik). İki ya da üç ortak maddeyle A ve B'nin kestirimi tek bir maddenin kaymasına çok duyarlıdır (173.8'de 12 maddenin ikisinin kayması bile A'yı 1,138'den 1,044'e çekmiştir). Ortak maddelerin içerik ve istatistik özellikleri bakımından testi temsil etmesi gerekir; bu kitapta ortak madde sayısının doğruluğa etkisi sayısal olarak yeniden üretilmemiştir.

S7. 3PL'de şans parametresi c neden değişmez ve eşitlemede nasıl ele alınır?

c olasılığın alt asimptotudur ve \theta ölçeğinden bağımsızdır. Şablon c_X ve c_Y sütunlarını ayrı ayrı alır ve dönüştürmeden geçirmez; ortak maddelerde c_X ile c_Y arasındaki fark ölçüt içinde dolaylı olarak P^{*}_X ile P_Y arasında kalır. Gerçek puan eşitlemede s\le\sum c_i puanlarına karşılık \theta yoktur; bunlar tabloda görünmez.

S8. D=1{,}702 seçilirse ne değişir?

D yalnız olasılık işlevinin ölçeğini değiştirir. Parametre momentlerine dayanan yöntemler (A_{\text{mm}}, A_{\text{ms}}, B) D'den bağımsızdır; karakteristik eğri yöntemlerinde D ölçüte girer ve sonuç değişir (örnekte Haebara A: 0,971519 → 0,977361). D kalibrasyonun metriğiyle aynı olmalıdır.

173.10 Kaynaklar

  • Battauz, M. (2015). equateIRT: An R package for IRT test equating. Journal of Statistical Software, 68(7), 1–22. https://doi.org/10.18637/jss.v068.i07
  • Haebara, T. (1980). Equating logistic ability scales by a weighted least squares method. Japanese Psychological Research, 22(3), 144–149. https://doi.org/10.4992/psycholres1954.22.144
  • Kolen, M. J., & Brennan, R. L. (2014). Test equating, scaling, and linking: Methods and practices (3rd ed.). Springer. https://doi.org/10.1007/978-1-4939-0317-7
  • Loyd, B. H., & Hoover, H. D. (1980). Vertical equating using the Rasch model. Journal of Educational Measurement, 17(3), 179–193. https://doi.org/10.1111/j.1745-3984.1980.tb00825.x
  • Marco, G. L. (1977). Item characteristic curve solutions to three intractable testing problems. Journal of Educational Measurement, 14(2), 139–160. https://doi.org/10.1111/j.1745-3984.1977.tb00033.x
  • Stocking, M. L., & Lord, F. M. (1983). Developing a common metric in item response theory. Applied Psychological Measurement, 7(2), 201–210. https://doi.org/10.1177/014662168300700208
  • R Core Team (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/