91. Madde Tepki Kuramı (IRT / Rasch)
Analiz kimliği: irt · Menü adı: Madde Tepki Kuramı (IRT / Rasch) · Panel: gui/panels/analyses/irt_rasch.py; form add_form_rows (70–135), read_options (138–161), execute (166–178), metin build_body_text (267–407), grafikler (522–688) · Motor: stats/irt.py, run_irt (1623–1784); olasılıklar item_logprob (165–219), model yapısı build_spec (302–397), kareleme (402–410), olabilirlik çekirdeği _Core (426–534), MML-EM + Newton _fit_spec (653–774), bilgi ve güvenirlik (783–810), kişi puanları person_scores (874–936), madde uyumu (1063–1202), M2 (1253–1380), CML (1409–1500), MH-DIF (1503–1542), model karşılaştırması (1557–1582)
91.1 Ne işe yarar
Madde Tepki Kuramı (IRT), bir kişinin bir maddeye verdiği cevabın olasılığını, kişinin gizil özellik düzeyi (\theta: bilgi, yetenek, belirti şiddeti) ile maddenin özelliklerinin (güçlük, ayırt edicilik) bir fonksiyonu olarak modeller. Cevapladığı sorular şunlardır: "Bu bilgi testinin hangi maddesi zor, hangisi kolay?", "Hangi madde bilgili ve bilgisiz hastayı iyi ayırt ediyor?", "Test, bilgi düzeyinin hangi aralığında güvenilir ölçüm yapıyor?", "Bir madde eğitim düzeyi farklı gruplarda farklı mı çalışıyor (DIF)?"
İkili maddeler için MerQur'un temel modelleri (mirt eğim–kesişim parametrizasyonu; stats/irt.py:19–24):
- X_{ij}\in\{0{,}1\}: i. kişinin j. maddeye cevabı (1 = doğru).
- \theta_i: kişinin gizil özellik düzeyi.
- a_j: ayırt edicilik (eğim); eğrinin b_j'deki dikliği a_j/4'tür.
- d_j: kesişim; b_j=-d_j/a_j güçlüktür: \theta=b_j'de doğru cevap olasılığı 0,5'tir.
- Rasch'ta tüm a_j=1 sabittir; ölçeği belirlemek için gizil varyans \sigma^2 serbest kestirilir (mirt kuralı). 2PL'de \sigma^2=1 sabit, a_j'ler serbesttir.
MerQur ayrıca 3PL (tahmin parametresi g_j) ve çok kategorili maddeler için PCM, RSM, GRM ve GPCM modellerini sunar (91.5.2). Bu bölüm görev kapsamı gereği Rasch ve 2PL'yi ayrıntılandırır; ötekilerin formülleri kısaca verilir.
Ne zaman kullanılır?
- Bilgi ya da yetenek testlerinde madde güçlüğü ve ayırt ediciliğini kestirmek, madde seçmek.
- Testin hangi \theta aralığında kesin ölçüm yaptığını (test bilgi fonksiyonu) görmek; uyarlamalı test ve kısa form tasarımı.
- Kişileri toplam puan yerine \theta ölçeğinde puanlamak (eksik cevaplıları da).
- Madde yanlılığını (DIF) incelemek.
Ne zaman kullanılmaz?
- Sürekli ya da çok kategorili (≥5) Likert maddelerde boyut yapısı keşfedilecekse: Açıklayıcı Faktör Analizi (Bölüm 86); belirli bir yapı sınanacaksa Doğrulayıcı Faktör Analizi (Bölüm 88).
- Yalnız iç tutarlılık katsayısı isteniyorsa: Cronbach Alfa (Bölüm 84; ikili maddelerde KR-20'ye eşittir).
- Gizil değişken sürekli değil, kategorik sınıflar olarak düşünülüyorsa: Gizil Sınıf Analizi (Bölüm 78).
- Maddeler birden çok gizil boyutu ölçüyorsa: MerQur'un IRT'si tek boyutludur; önce AFA ile boyutluluk incelenmelidir (panelin "Tek boyutluluk" çıktısı yalnız ön bilgi verir).
Sık karıştırılan analizler. Klasik test kuramında (KTK) güçlük, doğru cevap oranıdır ve örnekleme bağlıdır; IRT'de güçlük \theta ölçeğindedir. Tek boyutlu 2PL, ikili maddelerin tetrakorik korelasyonlarına uygulanan tek faktörlü kategorik DFA ile matematiksel olarak eşdeğerdir (a=\lambda/\sqrt{1-\lambda^2}\cdot1{,}7 dönüşümü yaklaşık, probit bağında tam). Rasch modeli bir ölçme kuramı olarak da görülür: toplam puan \theta için yeterli istatistiktir ve modele uymayan maddeler ölçekten çıkarılır; 2PL ise veriye uyan modeli seçme yaklaşımıdır.
91.2 Varsayımlar ve veri türü
| Varsayım | Ne demek | MerQur'da nasıl denetlenir |
|---|---|---|
| Tek boyutluluk | Tüm maddeler tek bir \theta'yı ölçer | "Tek boyutluluk" ek çıktısı: tetrakorik/polikorik özdeğer oranı (\ge3 ise baskın tek boyut) |
| Yerel bağımsızlık | \theta sabitken maddeler bağımsız | Doğrudan denetlenmez; M2 ve SRMSR genel uyumsuzluğu yakalar |
| Monotonluk ve model biçimi | Olasılık \theta ile artar; Rasch'ta eşit eğim | Madde uyumu (infit/outfit, S-X²); iç içe modeller LRT |
| Gizil dağılım | \theta\sim N(0,\sigma^2) (MML) | Denetlenmez |
| Örneklem | 2PL için n\ge200–500; 3PL ve çok kategorilide daha fazla | En az 10 geçerli satır (irt.py:139–140), yoksa hata |
| Kategorik veri | Maddeler tam sayı kodlu (ör. 0/1) | Tam sayı değilse hata; sabit madde hata (irt.py:145–151) |
Eksik değer. Tüm maddeleri boş olan satırlar atılır (irt.py:136–138); kısmi eksik cevaplar MML olabilirliğinde atlanır (yalnız gözlenen maddeler çarpılır; irt.py:434–440). Dolayısıyla MML ve kişi puanları eksik hücrelerle de hesaplanır. Ancak S-X², M2 ve tek boyutluluk yalnız tam satırlarla hesaplanır; M2 için tüm satırların tam olması gerekir, değilse M2 atlanır ve uyarı verilir (irt.py:1732–1743). CML de yalnız tam satırlarla çalışır (irt.py:1662–1668).
Uç durumlar:
- 2'den az madde: hata (
irt.py:133–134). - İkili veride PCM/RSM seçilirse Rasch, GPCM/GRM seçilirse 2PL uygulanır; çok kategorili veride Rasch → PCM, 2PL → GPCM'e dönüştürülür ve bu ayar bloğuna yazılır (
irt.py:1636–1651). 3PL çok kategorili veride hatadır. - CML yalnız ikili Rasch'ta; başka modelde MML'e dönülür ve uyarı verilir (
irt.py:1653–1656). Çok kategorili veride CML istenirse MML uygulanır; formdaki kişi puanı ve SE seçiminin kullanıldığı not edilir (irt_rasch.py:173–177). - EM 60 çevrimde yakınsamazsa doğrudan marjinal olabilirlik en iyilemesine geçilir; yakınsama ölçütü sağlanmazsa uyarı (
irt.py:663–733, 770–771). - 3PL'de g_j 0 ya da 1'e 10^{-4}'ten yakınsa SH tanımsızdır ("—"), öteki SH'ler o parametre sabit tutularak hesaplanır (
irt.py:744–749). - Bilgi matrisi pozitif tanımlı değilse uyarı; ML kişi puanında tüm cevaplar en düşük/en yüksekse \theta=\pm\infty; kök [-20,\ 20] dışındaysa sınıra yazılır ve not düşülür (
irt.py:842–870).
91.3 Parametreler
| Arayüz adı | Varsayılan | Ne yapar | Sonucu nasıl değiştirir |
|---|---|---|---|
| Maddeler | — | Sayısal sütunlar (en az 2) | J |
| Model | Rasch (1PL) | Rasch, 2PL, 3PL, PCM, RSM, GRM, GPCM | Olasılık fonksiyonu ve parametre sayısı |
| Kestirim | MML (EM, Bock-Aitkin) | MML ya da CML (yalnız Rasch/PCM'de etkin) | CML: madde güçlükleri koşullu olabilirlikten, kişiler ML |
| Kişi puanı | EAP (sonsal ortalama) | EAP, MAP, ML, WLE | \hat\theta ve SH; ampirik güvenirlik |
| Standart hata | Gözlenen bilgi (Oakes) | Oakes, çapraz çarpım, sandviç | Parametre SH'leri |
| Madde uyumunda θ | EAP (varsayılan) | EAP ya da seçilen kişi kestirimi | Infit/outfit |
| Çıktılar: madde uyumu | Açık | Infit/outfit + S-X² | Ek tablo |
| Çıktılar: model uyumu | Açık | M2/C2, RMSEA, SRMSR, CFI/TLI | Ek bölüm (bağımsızlık modeli de kestirilir) |
| Çıktılar: model karşılaştırması | Açık | Aynı aileden modelleri kestirip AIC/BIC, iç içe LRT | Ek tablo (süreyi uzatır) |
| Çıktılar: tek boyutluluk | Kapalı | Tetrakorik/polikorik özdeğerler | Ek bölüm |
| Çıktılar: kişi puanlarını kaydet | Kapalı | IRT_THETA_, IRT_SE_ sütunları | Veri setine yazar |
| DIF grubu | (yok) | İki düzeyli kategorik sütun | Mantel–Haenszel DIF tablosu (yalnız ikili) |
| Kategori eğrisi maddesi | 1 | Grafikteki kategori eğrisinin maddesi | Yalnız grafik |
Neden varsayılan Rasch, ama karşılaştırma açık?
Rasch, ölçme kuramı olarak en kısıtlı (ve yorumlaması en yalın) modeldir; panelin adı da "IRT / Rasch"tır. Model karşılaştırması varsayılan açık olduğundan aynı çalıştırmada 2PL ve 3PL de kestirilir ve LRT/BIC tablosu kullanıcıya Rasch'ın eşit eğim varsayımının veriye uyup uymadığını gösterir. Örnekte BIC 2PL'yi seçer.
91.4 Tıp örneği
Dosya: english/datasets/Tip/126_irt_diabetes_knowledge.xlsx. Tıp setinde bu analizin VIDEO_SCRIPT_TR.txt ve sunum kaydı yoktur; değişkenler dosyadan doğrudan seçilmiştir.
| Değişken | Rol | Tür | Açıklama / doğru oranı |
|---|---|---|---|
| q01_hba1c_meaning … q14_glycemic_index | Madde | İkili (0/1) | Diyabet öz-yönetim bilgisi; doğru oranları 0,324 (q02) ile 0,958 (q11) arası |
| education | DIF grubu | Kategorik | primary (288), high_school_plus (283) |
| id | — | Kimlik | Analize girmez |
n ve eksik değer: 571 hasta, eksik hücre yok.
Klinik soru: 14 maddelik diyabet bilgi testi tek boyutlu bir bilgi düzeyini ölçüyor mu; hangi maddeler zor ya da zayıf ayırt edici; madde güçlükleri ilköğretim mezunu hastalar aleyhine mi?
Seçilen ayarlar: Arayüz varsayılanları (Rasch, MML, EAP, Oakes SH, madde/model uyumu ve karşılaştırma açık). Hesap yürüyüşü için ayrıca 2PL (EAP, ML, WLE, MAP; sandviç SH), 3PL ve CML çalıştırılmış; DIF için grup education, tek boyutluluk açılmıştır.
91.5 Formüller ve hesap adımları
MerQur'un hesap sırası şudur: maddeler sayıya çevrilir ve kategoriler 0…K−1'e kodlanır → model ailesi veri türüne göre ayarlanır → benzersiz cevap örüntüleri ve sıklıkları bulunur → başlangıç değerleri → Bock–Aitkin EM (en çok 60 çevrim, tolerans 10^{-4}) → marjinal log-olabilirlik üzerinde Newton cilası → SH (Oakes / çapraz çarpım / sandviç) → IRT parametreleri ve delta SH → kişi puanları ve güvenirlik → madde uyumu, M2, model karşılaştırması, tek boyutluluk, DIF.
91.5.1 Model ve parametrizasyon
Her madde "doğal" parametrelerle tanımlanır (build_spec, irt.py:302–399); kestirim eğim–kesişim (a, d) ölçeğindedir, IRT parametreleri (a, b) sonra türetilir:
| Model | P(X=1\mid\theta) | Serbest parametre | Gizil varyans |
|---|---|---|---|
| Rasch | \sigma(\theta+d_j) | J kesişim | Serbest (\sigma^2) |
| 2PL | \sigma(a_j\theta+d_j) | 2J | 1 |
| 3PL | g_j+(1-g_j)\,\sigma(a_j\theta+d_j) | 3J | 1 |
Burada \sigma(z)=1/(1+e^{-z}) lojistik fonksiyondur. 3PL'de g_j logit ölçeğinde, \sigma^2 log ölçeğinde en iyilenir (_to_u, satır 587–603); SH'ler zincir kuralıyla özgün ölçeğe döner.
Çok kategorili modeller (K kategori, k=0,\dots,K-1):
PCM, GPCM'nin a=1 hâli; RSM eşiklerin maddeler arasında ortak, madde konumunun (c_j) ayrı olduğu PCM'dir.
91.5.2 Marjinal olabilirlik ve kareleme
\theta gözlenmediği için kişi başına olabilirlik \theta üzerinden integrallenir; integral 61 düğümlü dikdörtgen karelemeyle yaklaşıklanır (irt.py:402–477):
- s: benzersiz cevap örüntüsü; f_s: o örüntünün sıklığı (hesap örüntü üzerinden yapılır).
- Eksik cevaplı maddeler çarpıma girmez.
- w_q: normalleştirilmiş standart normal ağırlıklar; \sum w_q=1.
- Rasch'ta (gizil varyans serbest) ızgara \sigma ile ölçeklenir: düğümler \pm6\sigma aralığını kaplar, ağırlıklar z'de standart normaldir (
_Core.grid, satır 445–452).
Koddaki tercih: σ ile ölçeklenen ızgara (Rasch)
mirt, \sigma^2 serbest olsa da sabit [-6{,}6] ızgarasında N(0,\sigma^2) ağırlıkları kullanır. MerQur ızgarayı \theta_q=\sigma z_q olarak ölçekler; büyük \sigma^2'de sabit ızgaranın kuyruk kesmesi gerçek ML'den uzaklaştırır. İki tanım farklı sayısal integraldir; bu veride log-olabilirlik farkı 0,0010, \sigma^2 farkı 1{,}7\times10^{-4}'tür (91.6.1). 2PL'de \sigma=1 olduğundan iki tanım aynıdır ve MerQur mirt ile 10^{-8} düzeyinde örtüşür.
91.5.3 Bock–Aitkin EM ve Newton cilası
E adımı (irt.py:665–671): her örüntünün düğümlerdeki sonsal olasılıkları ve beklenen sayımlar:
M adımı (qfunc, satır 520–536): beklenen tam-veri log-olabilirliği madde başına en büyüklenir (L-BFGS-B):
- \bar n_q: \theta_q'da "beklenen kişi sayısı"; \bar r_{jq}: bunlardan j. maddeyi doğru cevaplayanların beklenen sayısı.
- Durma: \max\lvert\Delta\psi\rvert<10^{-4} (mirt
TOLvarsayılanı) ya da 60 çevrim (EM_SWITCH).
Newton cilası (irt.py:687–733). EM'in 10^{-4} toleransı parametreleri bu kadar kaydırabilir. MerQur ardından marjinal log-olabilirliğin gradyanını (Fisher özdeşliği) sıfırlar:
- \mathbf H: analitik gradyanın merkezî farkıyla Hessian (h=10^{-5}); en çok 8 adım, adım yarılamalı.
- 2PL için \partial\ell/\partial a_j=\sum_sf_s\sum_q\pi_{sq}(x_{sj}-P_{jq})\theta_q, \partial\ell/\partial d_j=\sum_sf_s\sum_q\pi_{sq}(x_{sj}-P_{jq}).
- Rasch'ta \sigma^2 türevi ızgara ölçeklendiği için \partial\theta_q/\partial\sigma^2=\theta_q/(2\sigma^2) üzerinden alınır.
- Yakınsama: \max\lvert g\rvert<10^{-4} (ψ ölçeğinde); değilse uyarı.
- Sonuç, kareleme ile yaklaşıklanmış marjinal olabilirliğin tam maksimumudur (mirt
TOLküçültülmüş hâliyle aynı).
Neden EM'den sonra Newton?
EM her adımda olabilirliği artırır ve kötü başlangıçlara karşı dayanıklıdır, ama optimuma yakın doğrusal (yavaş) yakınsar. Newton ise optimuma yakın karesel yakınsar. İkisini birleştirmek hem kararlılık hem kesinlik sağlar. Örnekte Rasch 28, 2PL 50 EM çevriminden sonra cilalanır; mirt varsayılan TOL = 1e-4 ile durduğunda parametreler 10^{-4} düzeyinde farklı kalır, doğrulamada mirt bu yüzden TOL = 1e-10 ile çalıştırılmıştır.
91.5.4 Standart hatalar ve IRT parametreleri
- \mathbf H: marjinal log-olabilirliğin Hessian'ı (gözlenen bilgi = Oakes 1999 özdeşliğinin verdiği matris);
irt.py:737–772. - \mathbf s_s: örüntü başına skor vektörü (Fisher özdeşliğiyle).
- b_j=-d_j/a_j ve 3PL/çok kategorili eşiklerin SH'si delta yöntemiyle: \text{SH}(b_j)^2=\nabla b^{\top}\mathbf V\nabla b, \nabla b=(d_j/a_j^2,\ -1/a_j) (sayısal türev,
_delta_table, satır 979–998).
Bilgi ölçütleri (irt.py:1038–1043): \text{AIC}=-2\ell+2k, \text{BIC}=-2\ell+k\ln N, \text{SABIC}=-2\ell+k\ln\frac{N+2}{24}, \text{HQ}=-2\ell+2k\ln\ln N.
Model karşılaştırması (compare_models, satır 1561–1582): aynı ailedeki modeller kestirilir; iç içe çiftlerde (Rasch ⊂ 2PL ⊂ 3PL; RSM ⊂ PCM ⊂ GPCM) X^2=2(\ell_2-\ell_1), sd = parametre farkı. Rasch ⊂ 2PL'de bu, J eğimin eşitliği ve \sigma^2'nin 1'e sabitlenmesinin karşılıklı yeniden parametrelemesidir: sd =2J-(J+1)=J-1.
91.5.5 Madde ve test bilgisi
- I_j(\theta): Fisher madde bilgisi (
item_information, satır 274–278). - 2PL'de en büyük değer a_j^2/4'tür ve \theta=b_j'de alınır: yüksek a dar ama yüksek bir tepe, düşük a geniş ama alçak bir tepe verir.
- Rasch'ta (a=1) her maddenin tepesi 0{,}25'tir.
- Test bilgisi, kestirimin kesinliğini \theta'nın fonksiyonu olarak verir; grafikte \text{SH}(\theta)=1/\sqrt{I(\theta)} ikinci eksende çizilir.
Neden bilgi a^2PQ?
Tek bir Bernoulli gözleminin \theta hakkındaki Fisher bilgisi [\partial P/\partial\theta]^2/[P(1-P)]'dir. 2PL'de \partial P/\partial\theta=aP(1-P) olduğundan bilgi a^2P(1-P)'ye sadeleşir. Maddeler \theta verildiğinde bağımsız olduğu için (yerel bağımsızlık) bilgiler toplanır.
91.5.6 Güvenirlik
Marjinal güvenirlik (marginal_reliability, satır 796–810):
- \sigma^2\,I/(\sigma^2I+1): \theta'daki koşullu güvenirlik; gizil dağılım üzerinden ortalanır (Green ve ark. 1984).
- İntegral \pm10\sigma aralığında 4001 noktalı yamuk kuralıyla.
Ampirik güvenirlik (irt.py:939–945): \hat\rho=\operatorname{Var}(\hat\theta)/[\operatorname{Var}(\hat\theta)+\overline{\text{SH}^2}] (seçilen kişi kestirimiyle, sonlu değerlerden).
mirt `marginal_rxx` ile fark (Rasch)
\sigma^2=1 modellerde (2PL, 3PL, GRM, GPCM) MerQur ile mirt aynıdır. Gizil varyans serbest modellerde (Rasch, PCM, RSM) mirt \int I/(I+\sigma^2)\,\phi(\theta;0{,}1)d\theta hesaplar; bu ifadede \sigma^2 yanlış yerde ve ağırlık yanlış dağılımdadır. Örnekte mirt 0,5514, MerQur 0,7693 verir; ampirik güvenirlik (0,7730) MerQur'un değerini destekler. MerQur metni tanımı açıkça yazar (irt_mrxx_def).
91.5.7 Kişi puanları
person_scores (satır 874–936), örüntü başına:
- EAP: sonsal ortalama, kareleme düğümlerinde (61 düğüm); SH sonsal standart sapma.
- ML ve WLE/MAP kökleri [-20,\ 20] aralığında vektörel ikiye bölmeyle; SH =(-\partial g/\partial\theta)^{-1/2} (g: ilgili tahmin denklemi), sayısal türevle.
- ML'de tüm cevaplar 0 ise -\infty, tümü doğruysa +\infty (SH tanımsız); WLE ve MAP sonludur.
- Rasch'ta a_j=1 ve MAP'te \sigma^2 kestirilen gizil varyanstır.
Neden WLE?
ML kestiricisinin O(1/J) mertebesinde yanlılığı vardır ve uç örüntülerde sonsuza gider. Warm (1989), olabilirliği \sqrt{I(\theta)} ile ağırlıklandırarak bu yanlılığı birinci mertebede giderir; tahmin denklemine J/(2I) terimi eklenir. EAP ve MAP önsel dağılım nedeniyle ortalamaya doğru çekilir (büzülme); WLE çekilmez.
91.5.8 Madde uyumu: infit, outfit, S-X²
Her kişi için \theta (varsayılan EAP) yerine konarak (infit_outfit, satır 1063–1091):
- Outfit: standartlaştırılmış artık karelerinin ortalaması; uç (beklenmedik) cevaplara duyarlı.
- Infit: bilgi ağırlıklı ortalama; kişinin maddeye yakın olduğu bölgedeki uyumsuzluğa duyarlı.
- Beklenen değer 1; 0,5–1,5 dışı işaretlenir (
*). <1: aşırı uyum (fazla deterministik), >1: gürültü. - ZSTD: Wilson–Hilferty küp kök dönüşümüyle yaklaşık standart normal.
S-X² (Orlando ve Thissen 2000; sx2, satır 1182–1202): toplam puan grupları içinde gözlenen ve beklenen doğru oranları karşılaştırılır. Beklenen dağılım Lord–Wingersky özyinelemesiyle (ilgili madde hariç toplam puanın \theta'ya koşullu dağılımı) hesaplanır; beklenen sayısı 1'in altındaki hücreler birleştirilir:
91.5.9 Model uyumu: M2
Maydeu-Olivares ve Joe'nun (2005) sınırlı bilgi istatistiği, birinci ve ikinci derece marjinal oranları kullanır (limited_info_fit, satır 1253–1343):
- \mathbf p_2: gözlenen tek (P(X_j=1)) ve çift (P(X_j=1,X_l=1)) marjinal oranlar; ikili veride s=J+J(J-1)/2=105.
- \boldsymbol\pi_2: modelin aynı oranları (kareleme ile); \boldsymbol\Delta=\partial\boldsymbol\pi_2/\partial\boldsymbol\psi^{\top}; \boldsymbol\Xi: \mathbf p_2'nin asimptotik kovaryansı (model altında).
- sd =s-k: 2PL'de 105-28=77, Rasch'ta 105-15=90.
- \text{RMSEA}_2=\sqrt{\max(M_2-\text{sd},0)/(\text{sd}(N-1))}; GA merkezî olmayan χ² ile. SRMSR: gözlenen ve model korelasyonları arasındaki farkların karekök ortalaması.
- CFI/TLI: bağımsızlık modeline (eğimler 0, yalnız kesişimler;
fit_null, satır 1383–1406) göre, M2 ve sd ile. - Çok kategorili maddelerde varsayılan C2'dir.
91.5.10 DIF: Mantel–Haenszel
Eşleştirme ölçütü toplam puandır (incelenen madde dahil). Her puan düzeyi k için 2×2 tablo (referans/odak × doğru/yanlış) kurulur (dif_mantel_haenszel, satır 1503–1542):
- A_k,B_k: referans grupta doğru/yanlış; C_k,D_k: odak grupta doğru/yanlış; T_k toplam.
- E(A_k)=n_{Rk}m_{1k}/T_k, \operatorname{Var}(A_k)=n_{Rk}n_{Fk}m_{1k}m_{0k}/[T_k^2(T_k-1)]; T_k\le1 olan düzeyler atlanır.
- \hat\alpha>1 (\Delta<0): madde odak grup aleyhine. ETS sınıfı: \lvert\Delta\rvert<1 A, <1{,}5 B, \ge1{,}5 C.
- Odak grup, düzeyler metin olarak sıralandığında ikincisidir (
irt.py:1770–1779).
91.5.11 CML (koşullu ML, yalnız ikili Rasch)
Rasch'ta toplam puan r_i, \theta_i için yeterli istatistiktir; koşullu olabilirlik \theta'dan bağımsızdır (Andersen 1972; fit_cml, satır 1430–1481):
- \sigma_j: madde güçlüğü; s_j: maddeyi doğru cevaplayan sayısı; n_r: toplam puanı r olan kişi sayısı.
- \gamma_r: \boldsymbol\varepsilon'nin r. temel simetrik fonksiyonu (toplama algoritmasıyla).
- Kişi puanları ham puan başına ML; uç puanlar (0 ve J) tanımsızdır. eRm
RM(sum0 = TRUE)kuralı.
91.6 Elle hesap: Tıp verisinde sayısal yürüyüş
Ara değerler dogrulama/irt/elle_hesap.py ile, MerQur çağrılmadan hesaplanmıştır. Kestirim EM kullanmadan doğrudan marjinal olabilirlik üzerinde (analitik gradyanlı BFGS + Newton) yapılmıştır; Rasch için hem MerQur'un (\theta_q=\sigma z_q) hem mirt'in (sabit ızgara) tanımı hesaplanmıştır.
Adım 1 — Veri. N=571, J=14, eksik yok. Doğru oranları: q11 0,958 ve q12 0,937 (en kolay), q02 0,324 ve q08 0,336 (en zor). Kişi 1'in örüntüsü (0{,}0{,}0{,}1{,}0{,}1{,}1{,}0{,}1{,}0{,}1{,}1{,}1{,}1), toplam 8; kişi 2'nin toplamı 13.
Adım 2 — Rasch (varsayılan). Yakınsamış çözüm: \ell=-3995{,}8143, \hat\sigma^2=1{,}739136 (SH 0,153288; \hat\sigma=1{,}3188). Güçlükler b_j=-d_j: q11 -3{,}858, q12 -3{,}381, q07 -2{,}293 (kolay); q02 0,978, q08 0,905 (zor). k=15:
Rasch'ta güçlükler \theta\sim N(0;\,1{,}739) ölçeğindedir: q01'in b=-1{,}436'sı, standart sapma biriminde -1{,}436/1{,}319=-1{,}09'dur.
Adım 3 — 2PL. \ell=-3905{,}3276, k=28, AIC 7866,66, BIC 7988,38. Seçili maddeler:
| Madde | a (SH) | d | b (SH) | I_j(0) |
|---|---|---|---|---|
| q01_hba1c_meaning | 0,962 (0,141) | 1,289 | −1,339 (0,184) | 0,157 |
| q03_hypo_treatment | 2,257 (0,266) | −0,354 | 0,157 (0,066) | 1,234 |
| q04_carb_foods | 0,584 (0,111) | 0,733 | −1,254 (0,264) | 0,075 |
| q08_insulin_storage | 3,599 (0,590) | −1,691 | 0,470 (0,062) | 1,702 |
| q11_target_glucose | 1,495 (0,319) | 4,039 | −2,701 (0,383) | 0,038 |
| q12_retinopathy_screening | 2,993 (0,633) | 5,339 | −1,784 (0,144) | 0,043 |
q08 için: P(0)=\sigma(-1{,}691)=0{,}1556, I_{08}(0)=3{,}599^2\times0{,}1556\times0{,}8444=1{,}702; bu madde \theta\approx0{,}47 civarında en çok bilgiyi verir (tepe a^2/4=3{,}24). q04'ün ayırt ediciliği düşüktür (a<0{,}65; yorumda "düşük ayırt edicilik" uyarısı). b'nin SH'si delta yöntemiyle: q08 için \nabla b=(d/a^2,\ -1/a)=(-0{,}1306;\ -0{,}2779).
Şekil 91.1. 2PL'de dört madde. Sol: madde karakteristik eğrileri (yatay çizgi P = 0,5; kesiştiği θ = b). Orta: madde bilgi fonksiyonları; yüksek a (q08) dar ve yüksek tepe, düşük a (q04) yayvan ve alçak. Sağ: 14 maddenin test bilgisi ve SH(θ) = 1/√I(θ).
Adım 4 — LRT ve model seçimi.
3PL'ye karşı X^2(14)=15{,}11, p=0{,}371: tahmin parametreleri gerekli değildir. En düşük BIC 2PL'dedir (7988,38; Rasch 8086,84, 3PL 8062,13). Rasch'ın eşit eğim varsayımı bu testte reddedilir: eğimler 0,58 ile 3,60 arasında değişir.
Adım 5 — Kişi puanları (2PL). Kişi 1 (toplam 8): sonsal olasılık en büyük düğüm \theta_q=-0{,}4 (0,192):
| Yöntem | \hat\theta | SH |
|---|---|---|
| EAP | −0,3301 | 0,4019 |
| MAP | −0,3042 | 0,4078 |
| WLE | −0,3206 | 0,4684 |
| ML | −0,3657 | 0,4526 |
Kişi 2 (13/14 doğru): EAP 1,4073 (0,5605), MAP 1,2589, WLE 1,5321 (0,9298), ML 2,2552 (1,2446). Uca yakın örüntülerde ML büyük ve belirsizdir; EAP/MAP önsel dağılım nedeniyle ortalamaya çekilir, WLE aradadır. ML'nin SH'si 1/\sqrt{I(\hat\theta)}: kişi 2'de I(2{,}255)=0{,}6456.
Adım 6 — Bilgi ve güvenirlik. Test bilgisi I(-2)=4{,}552, I(-1)=4{,}538, I(0)=5{,}928, I(1)=3{,}694, I(2)=0{,}852: test ortalama ve altında kesin, yüksek bilgi düzeyinde (θ = 2'de SH ≈ 1,08) zayıftır. 2PL marjinal güvenirlik 0,8035, ampirik (EAP) 0,8128. Rasch'ta marjinal 0,7693, ampirik 0,7730.
Adım 7 — Madde uyumu. Rasch'ta q03 (outfit 0,661, infit ZSTD −6,95) ve q08 (infit 0,684) aşırı uyumludur: bu maddeler Rasch'ın varsaydığından daha ayırt edicidir (a\approx2{,}3 ve 3{,}6). q12'nin outfit'i 0,400'dür (0,5 altı). 2PL'de q08 ve q12 outfit'i 0,31'dir; yüksek a'lı maddelerde MNSQ'nun 1'in altına düşmesi beklenen bir sonuçtur (91.9). S-X²'de 2PL'de 14 maddenin ikisi (q06 p=0{,}033, q14 p=0{,}042) sınırda; Rasch'ta altı madde p<0{,}01'dir.
Adım 8 — Model uyumu (M2). 2PL: M_2(77)=86{,}99, p=0{,}204, \text{RMSEA}_2=0{,}0151 [0; 0,0291], SRMSR = 0,0346, TLI 0,995, CFI 0,996 (bağımsızlık modeli M_2(91)=2485{,}27). Rasch: M_2(90)=262{,}92, p<0{,}001, RMSEA 0,058, SRMSR 0,085. Hesap: \text{RMSEA}_2=\sqrt{(86{,}992-77)/(77\times570)}=0{,}0151.
Adım 9 — Tek boyutluluk. Tetrakorik matrisin özdeğerleri 6,268; 1,076; 1,068; …; oran 5,83, ilk özdeğer %44,8: baskın tek boyut. (Matrisin son özdeğeri -0{,}104'tür: matris pozitif tanımlı değildir; MerQur bunu en küçük özdeğerle not eder ve düzleştirme yapmaz, bkz. 91.9.)
Adım 10 — DIF (education: odak = primary, 288; referans = high_school_plus, 283). q10_food_label: \chi^2_{\text{MH}}=11{,}663, p=0{,}0006, \hat\alpha_{\text{MH}}=2{,}0515, \Delta_{\text{MH}}=-2{,}35\ln2{,}0515=-1{,}689 → ETS C (büyük DIF; aynı toplam puandaki ilköğretim mezunu hastalar bu maddeyi doğru cevaplamakta daha zorlanır). q14: \Delta=1{,}183 (B, p=0{,}087); öteki 12 madde A.
Adım 11 — CML (karşılaştırma). Koşullu log-olabilirlik -2572{,}3265; \sigma_{\text{q01}}=-0{,}5663 (SH 0,1070). CML güçlükleri toplamı 0'a sabittir ve MML Rasch güçlüklerinden farklı ölçektedir (MML'de \theta ortalaması 0).
91.6.1 Doğrulama: MerQur, Python ve R
MerQur değerleri execute() sonucundan alınmıştır; stats.irt değerleri yuvarlamadan saklar. R 4.5.3: mirt 1.47 (TOL = 1e-10, SE.type = "Oakes", fscores, testinfo, iteminfo, M2(type = "M2"), itemfit("S_X2")), eRm 1.0.10 RM, difR difMH. İki tanım farkı satırlarda ayrı tutulmuştur: (1) Rasch'ta MerQur'un σ-ölçekli ızgarası mirt'te yoktur; bu tanım R'de optim ile elle yazılmış (log-olabilirlik 10^{-11} düzeyinde aynı), mirt'in sabit ızgaralı Rasch'ı ise Python'un aynı tanımlı çözümüyle karşılaştırılmıştır (mirt EM'i olabilirliğin düz olduğu \sigma^2 yönünde optimumun 3\times10^{-4} yakınında durduğu için 10^{-3} toleransla; 91.8 S3). (2) mirt itemfit() infit/outfit'i yüksek ayırt edicilikli maddelerde farklı MNSQ verir ve q'yu \sqrt2'de keser; R sütunundaki infit/outfit, Wright–Masters formülüyle mirt fscores EAP \theta'ları kullanılarak R'de hesaplanmıştır ve MerQur'la birebir aynıdır. Kişi ML/WLE SH'lerinde mirt sayısal türev kullandığından R toleransı 10^{-3}/10^{-4}'tür; 3PL log-olabilirliğinde mirt TOL = 1e-9 ile EM'i durdurur (10^{-2}).
| Büyüklük | MerQur | Python (bağımsız) | R 4.5.3 | En büyük fark | Durum |
|---|---|---|---|---|---|
| Rasch: log-olabilirlik | −3995,814332 | −3995,814332 | −3995,814332 | 4,5e−13 | ✓ |
| Rasch: gizil varyans σ² | 1,739136 | 1,739136 | 1,739136 | 4,0e−08 | ✓ |
| Rasch: SH(σ²) | 0,153288 | 0,153288 | — | 4,2e−11 | ✓ |
| Rasch: b q01 | −1,435827 | −1,435827 | −1,435827 | 2,8e−09 | ✓ |
| Rasch: b q11 | −3,857652 | −3,857652 | −3,857652 | 2,0e−08 | ✓ |
| Rasch: SH(b) q01 | 0,123983 | 0,123983 | — | 5,0e−11 | ✓ |
| Rasch: AIC | 8021,628665 | 8021,628665 | — | 9,1e−13 | ✓ |
| Rasch: BIC | 8086,839503 | 8086,839503 | — | 9,1e−13 | ✓ |
| Rasch: EAP θ, kişi 1 | −0,279219 | −0,279219 | — | 8,2e−15 | ✓ |
| Rasch: SH(EAP), kişi 1 | 0,584067 | 0,584067 | — | 3,3e−16 | ✓ |
| Rasch: test bilgisi I(0) | 2,417372 | 2,417372 | — | 3,6e−15 | ✓ |
| Rasch: marjinal güvenirlik | 0,769322 | 0,769322 | — | 5,6e−16 | ✓ |
| Rasch: ampirik güvenirlik | 0,773029 | 0,773029 | — | 2,2e−16 | ✓ |
| Rasch: outfit q12 | 0,399731 | 0,399731 | — | 1,6e−15 | ✓ |
| Rasch: infit q08 | 0,684413 | 0,684413 | — | 3,7e−15 | ✓ |
| Rasch: infit ZSTD q08 | −8,003359 | −8,003359 | — | 1,5e−13 | ✓ |
| Rasch (sabit ızgara): log-olab. [Python ↔ mirt] | −3995,813311 | −3995,813311 | −3995,813314 | 2,2e−06 | ✓ (R: 10−3) |
| Rasch (sabit ızgara): σ² [Python ↔ mirt] | 1,739308 | 1,739308 | 1,738988 | 3,2e−04 | ✓ (R: 10−3) |
| Rasch (sabit ızgara): d q01 [Python ↔ mirt] | 1,435845 | 1,435845 | 1,435806 | 3,9e−05 | ✓ (R: 10−3) |
| 2PL: a q01 | 0,962285 | 0,962285 | 0,962285 | 2,5e−12 | ✓ |
| 2PL: d q01 | 1,288937 | 1,288937 | 1,288937 | 7,6e−10 | ✓ |
| 2PL: SH(a) q01 | 0,140677 | 0,140677 | 0,140677 | 2,0e−11 | ✓ |
| 2PL: b q01 | −1,339454 | −1,339454 | −1,339454 | 7,9e−10 | ✓ |
| 2PL: SH(b) q01 (delta) | 0,184338 | 0,184338 | 0,184338 | 2,4e−11 | ✓ |
| 2PL: a q08 | 3,598562 | 3,598562 | 3,598562 | 1,0e−09 | ✓ |
| 2PL: d q08 | −1,691160 | −1,691160 | −1,691160 | 2,2e−09 | ✓ |
| 2PL: SH(a) q08 | 0,590348 | 0,590348 | 0,590348 | 8,9e−10 | ✓ |
| 2PL: b q08 | 0,469954 | 0,469954 | 0,469954 | 7,6e−10 | ✓ |
| 2PL: SH(b) q08 (delta) | 0,062341 | 0,062341 | 0,062341 | 4,1e−11 | ✓ |
| 2PL: log-olabilirlik | −3905,327616 | −3905,327616 | −3905,327616 | 4,5e−13 | ✓ |
| 2PL: AIC | 7866,655232 | 7866,655232 | 7866,655232 | 9,1e−13 | ✓ |
| 2PL: BIC | 7988,382130 | 7988,382130 | 7988,382130 | 0,0e+00 | ✓ |
| LRT 2PL – Rasch: X² | 180,973433 | 180,973433 | — | 9,1e−13 | ✓ |
| 3PL: log-olabilirlik | −3897,771330 | — | −3897,772881 | 1,6e−03 | ✓ (R: 10−2) |
| 2PL: EAP θ, kişi 1 | −0,330077 | −0,330077 | −0,330077 | 1,3e−09 | ✓ |
| 2PL: SH(EAP), kişi 1 | 0,401889 | 0,401889 | 0,401889 | 2,8e−10 | ✓ |
| 2PL: ML θ, kişi 2 | 2,255167 | 2,255167 | 2,255166 | 1,1e−06 | ✓ |
| 2PL: SH(ML), kişi 2 | 1,244551 | 1,244551 | 1,244696 | 1,5e−04 | ✓ (R: 10−3) |
| 2PL: WLE θ, kişi 1 | −0,320582 | −0,320582 | −0,320582 | 3,5e−07 | ✓ |
| 2PL: SH(WLE), kişi 1 | 0,468363 | 0,468363 | 0,468349 | 1,4e−05 | ✓ (R: 10−4) |
| 2PL: MAP θ, kişi 2 | 1,258878 | 1,258878 | 1,258877 | 6,2e−07 | ✓ |
| 2PL: madde bilgisi q08, θ = 0 | 1,701645 | 1,701645 | 1,701645 | 3,6e−09 | ✓ |
| 2PL: test bilgisi, θ = 0 | 5,928230 | 5,928230 | 5,928230 | 3,5e−09 | ✓ |
| 2PL: test bilgisi, θ = −2 | 4,551546 | 4,551546 | 4,551546 | 2,4e−09 | ✓ |
| 2PL: marjinal güvenirlik | 0,803502 | 0,803502 | 0,803502 | 5,5e−11 | ✓ |
| 2PL: ampirik güvenirlik (EAP) | 0,812812 | 0,812812 | 0,812812 | 2,6e−09 | ✓ |
| 2PL: outfit q03 | 0,612231 | 0,612231 | 0,612231 | 1,7e−10 | ✓ |
| 2PL: infit q03 | 0,828506 | 0,828506 | 0,828506 | 1,6e−10 | ✓ |
| 2PL: outfit ZSTD q03 | −3,245477 | −3,245477 | −3,245477 | 2,4e−09 | ✓ |
| 2PL: infit q12 | 0,853561 | 0,853561 | 0,853561 | 3,7e−09 | ✓ |
| 2PL: infit ZSTD q12 | −0,945147 | −0,945147 | −0,945147 | 2,8e−08 | ✓ |
| 2PL: M2 | 86,992465 | — | 86,992465 | 2,3e−08 | ✓ |
| 2PL: M2 p | 0,204402 | — | 0,204402 | 4,9e−10 | ✓ |
| 2PL: RMSEA (M2) | 0,015089 | — | 0,015089 | 1,8e−11 | ✓ |
| 2PL: SRMSR | 0,034576 | — | 0,034576 | 2,1e−11 | ✓ |
| 2PL: TLI (M2) | 0,995068 | — | 0,995068 | 7,2e−09 | ✓ |
| 2PL: CFI (M2) | 0,995827 | — | 0,995827 | 6,1e−09 | ✓ |
| 2PL: S-X² q01 | 6,871543 | — | 6,871543 | 1,4e−08 | ✓ |
| 2PL: S-X² q05 | 6,400254 | — | 6,400254 | 1,9e−08 | ✓ |
| 2PL: S-X² q14 | 17,464867 | — | 17,464867 | 1,6e−08 | ✓ |
| 2PL: sandviç SH(a) q01 | 0,144748 | 0,144748 | 0,144748 | 9,3e−12 | ✓ |
| CML: σ q01 (Σσ = 0) | −0,566279 | −0,566279 | −0,566281 | 1,5e−06 | ✓ (R: 10−4) |
| CML: SH(σ) q01 | 0,107018 | 0,107018 | 0,107015 | 2,4e−06 | ✓ (R: 10−4) |
| CML: koşullu log-olabilirlik | −2572,326468 | −2572,326468 | −2572,326468 | 2,1e−08 | ✓ |
| MH χ² q10 | 11,663240 | 11,663240 | 11,663240 | 5,9e−14 | ✓ |
| α_MH q10 | 2,051480 | 2,051480 | 2,051480 | 1,8e−15 | ✓ |
| Δ_MH q10 | −1,688619 | −1,688619 | — | 0,0e+00 | ✓ |
| MH χ² q14 | 2,920724 | 2,920724 | 2,920724 | 2,1e−14 | ✓ |
| α_MH q14 | 0,604491 | 0,604491 | 0,604491 | 3,3e−16 | ✓ |
| Δ_MH q14 | 1,182914 | 1,182914 | — | 0,0e+00 | ✓ |
Toplam 70 satırın tamamı ölçütü sağlar. Tetrakorik özdeğerler karşılaştırmaya alınmamıştır: psych tetrachoric pozitif tanımlı olmayan matrisi düzleştirir (6,197), MerQur düzleştirmez (6,268).
91.7 Çıktıyı okuma
Varsayılan (Rasch) çalıştırmanın gerçek çıktısından (kısaltılmış):
Model : Rasch (1PL)
Kestirim : Marjinal ML — EM (Bock-Aitkin), 61 kareleme düğümü [−6, 6]
(gizil varyans serbestse ±6σ); 28 EM çevrimi + Newton cilası
Kişi sayısı (N) : 571
Model bilgisi
Log-olabilirlik = -3995.814 parametre = 15
AIC = 8021.63 BIC = 8086.84 SABIC = 8039.22 HQ = 8047.07
Gizil varyans (σ²) : 1.739 (SE = 0.153)
Madde parametreleri — kestirim (SE)
b = güçlük (−d); a = 1 sabit, gizil varyans serbest.
q01_hba1c_meaning b=-1.436 (0.124)
q11_target_glucose b=-3.858 (0.230)
Güvenirlik ve kişi parametreleri
Marjinal güvenirlik : 0.769
Ampirik güvenirlik (EAP) : 0.773
Madde uyumu
Madde Outfit ZSTD Infit ZSTD S-X² sd p RMSEA
q03_hypo_treatment 0.661 -6.64 0.751 -6.95 21.93 8 0.005 0.055
q12_retinopathy_sc 0.400 -2.51 0.920 -0.50* 15.75 7 0.028 0.047
Model uyumu (sınırlı bilgi)
M2(90) = 262.920, p < .001
RMSEA = 0.058 (%90 GA [0.050, 0.066])
SRMSR = 0.085
Model karşılaştırması
Rasch 15 -3995.81 8021.63 8086.84
2PL 28 -3905.33 7866.66 7988.38 χ²(13) = 180.97, p < .001 [karşı Rasch]
3PL 42 -3897.77 7879.54 8062.13 χ²(14) = 15.11, p = 0.371 [karşı 2PL]
En düşük BIC: 2PL (iki parametreli lojistik).
| Satır / öğe | Ne yazar | Nasıl yorumlanır |
|---|---|---|
| Kestirim | Yöntem, EM çevrim sayısı | Yakınsamazsa ⚠ satırı çıkar |
| Model bilgisi | \ell, k, AIC/BIC/SABIC/HQ, SH türü, \sigma^2 | Rasch'ta \sigma^2 serbest; 2PL'de "1 (sabit)" |
| Madde parametreleri | IRT parametreleri (SH); 2PL'de ayrıca eğim–kesişim tablosu | b: güçlük; a<0{,}65 "düşük ayırt edicilik" |
| Güvenirlik | Marjinal ve ampirik güvenirlik; \theta özeti | \ge0{,}80 iyi, \ge0{,}70 kabul edilebilir |
| Madde uyumu | Outfit/infit (ZSTD), S-X² (sd, p, RMSEA) | MNSQ 0,5–1,5 dışı *; S-X² p<0{,}05 uyumsuz |
| Model uyumu | M2 (sd, p), RMSEA (GA), SRMSR, TLI/CFI | RMSEA \le0{,}05 ve SRMSR \le0{,}05 iyi |
| Model karşılaştırması | npar, \ell, AIC, BIC, iç içe LRT | En düşük BIC; LRT anlamlıysa karmaşık model |
| Tek boyutluluk | Özdeğerler, oran, ilk özdeğerin payı | Oran \ge3: baskın tek boyut |
| DIF | \chi^2_{\text{MH}}, p, \alpha_{\text{MH}}, \Delta_{\text{MH}}, ETS | C: büyük DIF; işaret: negatif odak aleyhine |
| Yorum | Otomatik özet cümleleri | Eşikler _interpretation (irt_rasch.py:417–450) |
APA biçiminde rapor (2PL):
On dört maddelik diyabet bilgi testine iki parametreli lojistik model uyduruldu (N = 571; marjinal en çok olabilirlik, 61 düğümlü kareleme). 2PL, Rasch modelinden anlamlı biçimde daha iyi uydu, χ²(13) = 180,97, p < ,001; tahmin parametresi eklemek uyumu iyileştirmedi, χ²(14) = 15,11, p = ,371 (BIC: 2PL 7988,4; Rasch 8086,8; 3PL 8062,1). Model uyumu iyiydi, M2(77) = 86,99, p = ,204, RMSEA = ,015, SRMSR = ,035, CFI = ,996. Ayırt edicilikler 0,58 (q04) ile 3,60 (q08), güçlükler −2,70 (q11) ile 0,89 (q02) arasında değişti. Marjinal güvenirlik ,80 idi; test, ortalama ve altındaki bilgi düzeylerinde en kesin ölçümü sağladı. Mantel–Haenszel analizinde q10, ilköğretim mezunu hastalar aleyhine büyük DIF gösterdi (Δ_MH = −1,69, ETS C).
91.8 Uzman soruları
S1. Rasch'ta neden gizil varyans serbest, 2PL'de 1'e sabit?
Ölçeğin birimi bir yerden belirlenmelidir. Rasch'ta tüm eğimler 1'e sabitlenerek birim maddelere bağlanır; bu yüzden \theta'nın varyansı serbest kalır. 2PL'de eğimler serbest olduğundan birimi \operatorname{Var}(\theta)=1 belirler. İki parametreleme dönüşebilir: Rasch'ın \sigma=1{,}319'u, 2PL'de tüm eğimleri 1,319'a eşitlemekle aynıdır. Bu nedenle Rasch ve 2PL güçlükleri doğrudan karşılaştırılmaz; Rasch b'si \sigma'ya bölünerek SS birimine çevrilir.
S2. MerQur'un Rasch log-olabilirliği neden mirt'ten 0,001 farklı?
Kareleme ızgarası farklıdır: MerQur \theta_q=\sigma z_q (düğümler \pm6\sigma, ağırlıklar N(0{,}1)), mirt sabit [-6{,}6] düğüm ve N(0,\sigma^2) ağırlıkları kullanır. İkisi de gerçek integralin yaklaşığıdır; MerQur'un tanımı büyük \sigma^2'de kuyruk kesmesinden etkilenmez. Bu veride fark log-olabilirlikte 0,0010, \sigma^2'de 0,0002, güçlüklerde <10^{-4}'tür. \sigma^2=1 modellerde fark yoktur.
S3. EM'in tolerans 10^{-4}'ü sonuçları ne kadar etkiler?
MerQur'da etkilemez: EM'den sonra marjinal olabilirliğin gradyanı Newton ile 10^{-9} düzeyine indirilir. mirt varsayılan TOL = 1e-4 ile durduğunda parametreler 10^{-4} mertebesinde optimumdan uzak kalabilir; MerQur ile karşılaştırmada mirt TOL küçültülmelidir. Küçültülmüş tolerans bile her zaman yetmez: bu veride mirt Rasch'ı TOL = 1e-10 ile 29 çevrimde "yakınsadı" diye bitirir, ama log-olabilirliği (aynı sabit ızgara tanımında) tam optimumdan 2{,}2\times10^{-6} düşüktür ve \sigma^2 3\times10^{-4} farklıdır: olabilirlik gizil varyans yönünde çok düzdür ve EM orada yavaş ilerler. 3PL'de TOL = 1e-9 ile EM 100000 çevrimde durdurulur.
S4. 2PL'de outfit 0,31 olan bir madde "uyumsuz" mu?
Hayır, zorunlu olarak değil. Infit/outfit MNSQ Rasch geleneğinden gelir; beklenen değerleri modelin doğru olduğu varsayımıyla 1'dir, ama küçük örneklem ve uç olasılıklarda (q12: P\approx0{,}94) varyansları büyüktür. Yüksek a'lı maddelerde (q08, a=3{,}6) cevaplar neredeyse deterministiktir; MNSQ 1'in altına düşer ("aşırı uyum") ama bu modelin yanlış olduğunu göstermez. 2PL için S-X² daha uygun madde uyum ölçüsüdür (q08: p=0{,}595). MerQur'un yorum satırı 0,5–1,5 aralığını model ayrımı yapmadan uygular.
S5. Rasch'ta mirt'in marjinal güvenirliği neden 0,55, MerQur'unki 0,77?
mirt marginal_rxx gizil varyans serbest modellerde \int I/(I+\sigma^2)\,dN(0{,}1) hesaplar (örnekte 0,5514; formül Python'da yeniden üretilmiştir). Doğru tanım koşullu güvenirliğin \sigma^2I/(\sigma^2I+1) olarak gizil dağılım N(0,\sigma^2) üzerinden ortalamasıdır; MerQur bunu uygular (0,7693). Ampirik güvenirlik (0,7730) MerQur'u doğrular. \sigma^2=1 modellerde iki tanım çakışır (2PL: ikisi de 0,8035).
S6. CML ile MML güçlükleri neden farklı?
CML, toplam puana koşullayarak \theta'yı olabilirlikten çıkarır; gizil dağılım varsayımı gerekmez, ama güçlükler yalnız göreli belirlenir ve \sum\sigma_j=0 ile sabitlenir. MML'de ölçek \operatorname{E}(\theta)=0 ile sabitlenir. İki çözüm kabaca bir sabit kayma ile ilişkilidir; ölçek dönüşümünden sonra yakındırlar. CML'nin kişi puanları ham puan başına ML'dir; uç puanlar (0, J) tanımsızdır.
S7. ETS C sınıflaması anlamlılık testini içeriyor mu?
Hayır. MerQur ETS sınıfını yalnız \lvert\Delta_{\text{MH}}\rvert büyüklüğüne göre verir (A <1, B <1{,}5, C \ge1{,}5; difR'in büyüklük ölçeği). ETS'nin özgün kuralı B için \Delta'nın 0'dan, C için 1'den anlamlı biçimde farklı olmasını da ister. Bayrak (*) ayrıca p<0{,}05'e göre konur; örnekte q10 hem C hem anlamlıdır, q14 B ama anlamsızdır (p=0{,}087). Ayrıca saflaştırma (purification) yapılmaz; eşleştirme ölçütü DIF'li maddeleri de içerir.
S8. M2 Rasch'ta neden mirt'ten biraz farklı?
M2 parametrelere ve kareleme tanımına bağlıdır; Rasch'ta MerQur ile mirt'in optimumları (ızgara tanımı nedeniyle) farklı olduğundan M2 de farklıdır (262,92 ve 263,03). 2PL'de parametreler aynıdır ve M2 10^{-8} düzeyinde örtüşür (86,9925). MerQur'un kaynak notuna göre 3PL M2 ve GPCM C2'de mirt M2() farklı değer verir; MerQur formülün bağımsız R hesabıyla örtüşür.
S9. Eksik cevaplar varsa ne olur?
MML ve kişi puanları eksik hücreleri olabilirlikten çıkararak tüm satırları kullanır (MAR varsayımı altında geçerlidir). S-X², tek boyutluluk ve DIF yalnız tam satırlarla; M2 ise ancak tüm satırlar tamsa hesaplanır, değilse "eksik veri nedeniyle hesaplanmadı" uyarısı çıkar. CML de yalnız tam satırlarla çalışır ve kaç satırın dışarıda kaldığını yazar.
91.9 Sık hatalar ve tuzaklar
- Rasch ve 2PL güçlüklerini aynı ölçekte sanmak. Rasch b'leri \theta\sim N(0,\sigma^2) ölçeğindedir (\sigma=1{,}32), 2PL b'leri N(0{,}1) ölçeğinde. Karşılaştırmadan önce Rasch b'si \sigma'ya bölünmelidir.
- 2PL'de infit/outfit eşiklerini Rasch gibi uygulamak. 0,5–1,5 aralığı Rasch ailesi içindir; yüksek ayırt edicilikli maddelerde MNSQ'nun 1'in altına düşmesi 2PL'de beklenir. Yorum satırı Rasch dışı modellerde bunu not eder ve S-X²'ye yönlendirir (
irt_rasch.py:440–443). - Model uyumunda RMSEA'yı tek başına okumak. Rasch'ta RMSEA = 0,058 "kabul edilebilir" yazılır, ama M2 p<0{,}001 ve SRMSR = 0,085'tir (iyi uyum eşiği 0,05). LRT ve BIC 2PL'yi açıkça yeğler.
- Tek boyutluluk oranını kesin test sanmak. İlk/ikinci özdeğer oranı betimseldir. Tetrakorik matris pozitif tanımlı değilse (örnekte son özdeğer −0,104) MerQur bunu notla bildirir ve düzleştirme yapmaz; psych düzleştirir ve biraz farklı özdeğer verir.
- ML kişi puanlarını tüm-doğru örüntülerde kullanmak. Tüm cevaplar doğruysa ML +\infty'dur; kayıtlı sütunda boş kalır. Raporlama ve sonraki analizler için EAP ya da WLE kullanın.
- CML'yi çok kategorili veride beklemek. CML yalnız ikili Rasch'ta vardır; çok kategorili veride MML uygulanır ve bu not edilir.
- Model karşılaştırmasının süresini göz ardı etmek. Karşılaştırma açıkken aynı ailedeki tüm modeller (ikili veride Rasch, 2PL, 3PL) kestirilir; 3PL yavaştır. Yalnız tek model isteniyorsa kutuyu kapatın.
- DIF'te odak grubu yanlış okumak. Odak grup, düzeylerin metin sıralamasında ikincisidir (örnekte "primary"); \Delta<0 odak grup aleyhinedir.
91.10 Kaynaklar
- Andersen, E. B. (1972). The numerical solution of a set of conditional estimation equations. Journal of the Royal Statistical Society: Series B, 34(1), 42–54. https://doi.org/10.1111/j.2517-6161.1972.tb00887.x
- Birnbaum, A. (1968). Some latent trait models and their use in inferring an examinee's ability. In F. M. Lord & M. R. Novick, Statistical theories of mental test scores (pp. 395–479). Addison-Wesley.
- Bock, R. D., & Aitkin, M. (1981). Marginal maximum likelihood estimation of item parameters: Application of an EM algorithm. Psychometrika, 46(4), 443–459. https://doi.org/10.1007/BF02293801
- Bock, R. D., & Mislevy, R. J. (1982). Adaptive EAP estimation of ability in a microcomputer environment. Applied Psychological Measurement, 6(4), 431–444. https://doi.org/10.1177/014662168200600405
- Chalmers, R. P. (2012). mirt: A multidimensional item response theory package for the R environment. Journal of Statistical Software, 48(6), 1–29. https://doi.org/10.18637/jss.v048.i06
- Green, B. F., Bock, R. D., Humphreys, L. G., Linn, R. L., & Reckase, M. D. (1984). Technical guidelines for assessing computerized adaptive tests. Journal of Educational Measurement, 21(4), 347–360. https://doi.org/10.1111/j.1745-3984.1984.tb01039.x
- Holland, P. W., & Thayer, D. T. (1988). Differential item performance and the Mantel-Haenszel procedure. In H. Wainer & H. I. Braun (Eds.), Test validity (pp. 129–145). Lawrence Erlbaum.
- Lord, F. M., & Wingersky, M. S. (1984). Comparison of IRT true-score and equipercentile observed-score "equatings". Applied Psychological Measurement, 8(4), 453–461. https://doi.org/10.1177/014662168400800409
- Magis, D., Béland, S., Tuerlinckx, F., & De Boeck, P. (2010). A general framework and an R package for the detection of dichotomous differential item functioning. Behavior Research Methods, 42(3), 847–862. https://doi.org/10.3758/BRM.42.3.847
- Mair, P., & Hatzinger, R. (2007). Extended Rasch modeling: The eRm package for the application of IRT models in R. Journal of Statistical Software, 20(9), 1–20. https://doi.org/10.18637/jss.v020.i09
- Maydeu-Olivares, A. (2013). Goodness-of-fit assessment of item response theory models. Measurement: Interdisciplinary Research and Perspectives, 11(3), 71–101. https://doi.org/10.1080/15366367.2013.831680
- Maydeu-Olivares, A., & Joe, H. (2005). Limited- and full-information estimation and goodness-of-fit testing in 2^n contingency tables: A unified framework. Journal of the American Statistical Association, 100(471), 1009–1020. https://doi.org/10.1198/016214504000002069
- Maydeu-Olivares, A., & Joe, H. (2006). Limited information goodness-of-fit testing in multidimensional contingency tables. Psychometrika, 71(4), 713–732. https://doi.org/10.1007/s11336-005-1295-9
- Oakes, D. (1999). Direct calculation of the information matrix via the EM algorithm. Journal of the Royal Statistical Society: Series B, 61(2), 479–482. https://doi.org/10.1111/1467-9868.00188
- Orlando, M., & Thissen, D. (2000). Likelihood-based item-fit indices for dichotomous item response theory models. Applied Psychological Measurement, 24(1), 50–64. https://doi.org/10.1177/01466216000241003
- Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests. Danish Institute for Educational Research.
- Warm, T. A. (1989). Weighted likelihood estimation of ability in item response theory. Psychometrika, 54(3), 427–450. https://doi.org/10.1007/BF02294627
- Wright, B. D., & Masters, G. N. (1982). Rating scale analysis. MESA Press.