在IRT软件中实施TAM

Question

中的ConQuest得分命令ConQuest您可以使用命令“score”来使用相同的清单变量/原始数据，但编码不同的多维/潜在变量建模。例如：

score (1,2,3) (0,1,2) (0,1,0) ! items(1-3); 

“再编码” 的原始分数为1至3中0，1和2的第一维度和为0，1，0为第二维（潜变量）。

你知道任何方式如何实现在[R包TAM（使用lavaan语法或其他）是否相同？我正在尝试运行PCM分析。

非常感谢提前！

KH

Answer 1

我没有在这里得到一个答案，但我接触亚历山大Robitzsch，谭包的作者，这里就是他送我（用他的许可出版）：

data(data.gpcm) 
psych::describe(data.gpcm) 
resp <- data.gpcm 

# define three dimensions and different loadings 
# of item categories on these dimensions 
I <- 3 # 3 items 
D <- 3 # 3 dimensions 

# define loading matrix B 
# 4 categories for each item (0,1,2,3) 
B <- array(0 , dim=c(I,4,D)) 
for (ii in 1:I){ 
    B[ ii , 1:4 , 1 ] <- 0:3 
    B[ ii , 1 ,2 ] <- 1 
    B[ ii , 4 ,3 ] <- 1 
      } 
dimnames(B)[[1]] <- colnames(resp) 
B[1,,] 
    ## > B[1,,] 
    ##  [,1] [,2] [,3] 
    ## [1,] 0 1 0 
    ## [2,] 1 0 0 
    ## [3,] 2 0 0 
    ## [4,] 3 0 1 

# test run 
mod1 <- tam.mml(resp , B = B , control=list(snodes=1000 , maxiter=5) ) 
summary(mod1) 

当然，我不得不为自己的需要编辑代码，但某些特别的东西可能会引起大家的兴趣：出于某种原因，如果我还定义了0类别，但B矩阵只能起作用，尽管我的评分/数据仅包括从1到5的值：

B <- array(0 , dim=c(9,6,5)) # 9 items, 5 response cat. + 1, 5 latent dimensions 
for (ii in 1:I){ 
    B[ ii , 1:6 , 1 ] <- 0:5 
    B[ ii , 2 ,2 ] <- 1 
    B[ ii , 2 ,3 ] <- 1 
    B[ ii , 6 ,3 ] <- 1 
    B[ ii , 6 ,4 ] <- 1 
    B[ ii , 4 ,5 ] <- 1 
} 

dimnames(B)[[1]] <- colnames(X) 
B[1,,] 

个

干杯， KH

Answer 2

，正如扩展与TAM上面的答案，这里是如何运行与mirt包相同的代码，但是使用了广义部分信用模型，而不是Rasch模型的（Rasch模型需要一个明确的模型参数进行正确的识别）。

library(mirt) 
gpcm_mats <- list(B[1,,], B[2,,], B[3,,]) 
sv <- mirt(resp, 3, itemtype = 'gpcm', 
      gpcm_mats = gpcm_mats, pars = 'values') #starting values 
mod <- mirt(resp, 3, itemtype = 'gpcm', gpcm_mats = gpcm_mats) 
coef(mod, simplify=TRUE)