Rasch潘老師上課整理

 

Rasch 內容記點

 

From 潘老師上課課程

 

背景知識：

1.      IRT有分成3種參數估計模式

1.          1-Parameter：僅估計Item difficulty

2.          2-parameter：估計Item difficulty + Discrimination

3.          3-parameter：僅估計Item difficulty + Discrimination +Guessing（猜測）

* Guessing：受試者作答可能用猜的

* Discrimination：項目鑑別度，指題目算出來的斜率為何。

2. Infit/outfit：

假設今天有一道題目難度為：1(最易)~7(最難)

Infit：受試者是否在相近的題目中，能夠照題目難度呈現能力。例如：答對4後也答對3，2。

Outfit：受試者是否有極端不一致的作答情形，例如：答對7，但卻答錯1的情形。

2.      Anlysis for residuals：用以找出剩下的殘差還有沒有什麼主成分。

3.      DIF是指「O特徵」，會造成測驗之難易度不同，須排除。

4.      Categories：指的是測驗量表的項目尺度，例如：李克特式3點/5點

5.      Monotonically increasing：單調遞增，指如受試者能力上升，答對A題之機率只增不減。

6.      step calibrations：指跨過不同的得分點，有相應的難度要求。

7.      average measures：指題目中的「難度順序」是固定的（聽起來很common sense，但是重點應是題目需要針對難度順序做共同基準），如果人的能提升，期平均得分也會提升。

優點：

1.      可以解決資料尺度的ordinal的問題，嚴格來說我們學門資料大多都是ordinal的

2.      IRT比起CTT比較不需要在意樣本代表性的問題。

* Sample-free：因為同樣一套難度的題目，對於不同族群來說，難易度應該相同。（驗證完成的測驗的應用，不太需要再考慮適用樣本因難度已固定）

*不太需要/具有樣本代表性的另外思路為：要驗證Rasch，必須要每個難度階層都有一定的人數，但真實樣本之能力大多會落在中間難度，故如果要能夠cover很簡單/很難的題目，勢必要找特定的族群，因此整體樣本就會非現實分配。

3.      Scale-free/task-free：如果個案的能力固定，在測相同概念的不同測驗中（例如BI and FIM）的相對位置應該都相同。

4.      Rater-free：將評估者主觀的評分加入校準

5.      Activity-free：將受試者要做的活動加入模式中加以校準。

6.      可以突破計分形式不一的問題

 

缺點：

1.      CTT對於所有考生測驗的精準度是一樣的；IRT對於越極端的考生精準度越差(根據上述點2)

 

圖的解釋：

本圖為4點李克特式量表，圖的產出為，將整個量表的0~3分進行機率疊加

如果項目難度是-1.2以下，最有可能拿0分。（紅色）

如果項目難度是-1.2~-0.1之間，最有可能拿1分。（藍色）