首先,克隆下面的项目
然后安装复制代码
- git clone https://github.com/inuyasha2012/pypsy.git
- cd pypsy
- python setup.py install
- python demo_ccfa_irt.py
结构方程技术和传统算法的结果比较
区分度
结构方程 | EM算法 |
0.684 | 0.826 |
0.763 | 0.723 |
0.936 | 0.891 |
0.684 | 0.688 |
0.587 | 0.657 |
难度
结构方程 | EM算法 |
3.84 | 2.773 |
1.346 | 0.99 |
0.276 | 0.249 |
1.92 | 1.285 |
3.455 | 2.053 |
结果显示,LSAT数据下的参数估计,结构方程与传统EM算法的差距还是有点大。结构方程技术估计IRT参数通常应用于那些传统全息算法无法解决的问题,例如瑟斯顿IRT的参数估计。
若想了解结构方程与结构方程如何估计IRT参数,可以参考我的下面两篇文章
Python,心理测量和自适应学习(四):结构方程模型上篇
https://zhuanlan.zhihu.com/p/32531377
二分数据、有序数据与结构方程模型
https://zhuanlan.zhihu.com/p/33272168