LSAT是ltm包中带的示例数据,格式如下:
Item1 Item 2 Item 3 Item4 Item 5
1 0 0 1 0 0
2 0 0 0 0 0
3 0 1 0 0 0
4 0 0 1 1 1
……
1000 1 0 1 1 1
数据集包括1000个被试在5个测试项目上的表现数据(0为答错,1为答对)。进行2PL分析:
fit <- ltm(LSAT ~ z1)
coef(fit)
Dffclt DscrmnItem
1 -3.3597341 0.8253715Item
2 -1.3696497 0.7229499Item
3 -0.2798983 0.8904748Item
4 -1.8659189 0.6885502Item
5 -3.1235725 0.6574516
可以看到每个项目的难度和区分度。
接下来进行能力评估计算:
factor.scores(fit)
Call:ltm(formula = LSAT ~ z1)
Scoring Method: Empirical BayesFactor-Scores for observed response patterns:
Item 1 Item 2 Item 3 Item 4 Item 5 Obs Exp z1 se.z1
1 0 0 0 0 0 3 2.277 -1.895 0.795
2 0 0 0 0 1 6 5.861 -1.479 0.796
3 0 0 0 1 0 2 2.596 -1.460 0.796
4 0 0 0 1 1 11 8.942 -1.041 0.800
……
问题是:结果中的z1和se.z1是与被试的能力值相关的吗?分别如何理解?
Obs和Exp倒是应该是观测到的数据量和期望的数据量