Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas

Detalhes bibliográficos
Autor(a) principal: Santos, José Roberto Silva dos, 1984-
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1617842
Resumo: Orientador: Caio Lucidius Naberezny Azevedo
id UNICAMP-30_1614a19758bd8b7898f28bed5705fc6c
oai_identifier_str oai::862502
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadasA multiple group IRT model with skew-normal latent trait distribution under the centred parametrizationTeoria da resposta ao itemDistribuição normal assimétricaMétodos MCMC (Estatística)Item response theorySkew-normal distributionMCMC methodsOrientador: Caio Lucidius Naberezny AzevedoDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação CientíficaResumo: Uma das suposições dominantes nos modelos de resposta ao item (MRI) é a suposição de normalidade simétrica para modelar o comportamento dos traços latentes. No entanto, tal suposição tem sido questionada em vários trabalhos como, por exemplo, nos trabalhos de Micceri (1989) e Bazán et.al (2006). Recentemente Azevedo et.al (2011) propuseram um MRI com distribuição normal assimétrica centralizada para os traços latentes, considerando a estrutura de um único grupo de indivíduos. No presente trabalho fazemos uma extensão desse modelo para o caso de grupos múltiplos. Desenvolvemos dois algoritmos MCMC para estimação dos parâmetros utilizando a estrutura de dados aumentados para representar a função de resposta ao item (FRI), veja Albert (1992). O primeiro é um amostrador de Gibbs com passos de Metropolis-Hastings. No segundo utilizamos representações estocásticas (gerando uma estrutura hierárquica) das densidades a priori dos traços latentes e parâmetros populacionais conseguindo, assim, formas conhecidas para todas as distribuições condicionais completas, o que nos possibilitou desenvolver o amostrador de Gibbs completo. Comparamos esses algoritmos utilizando como critério o tamanho efetivo de amostra, veja Sahu (2002). O amostrador de Gibbs completo obteve o melhor desempenho. Também avaliamos o impacto do número de respondentes por grupo, número de itens por grupo, número de itens comuns, assimetria da distribuição do grupo de referência e priori, na recuperação dos parâmetros. Os resultados indicaram que nosso modelo recuperou bem todos os parâmetros, principalmente, quando utilizamos a priori de Jeffreys. Além disso, o número de itens por grupo e o número de examinados por grupo, mostraram ter um alto impacto na recuperação dos traços latentes e parâmetros dos itens, respectivamente. Analisamos um conjunto de dados reais que apresenta indícios de assimetria na distribuição dos traços latentes de alguns grupos. Os resultados obtidos com o nosso modelo confirmam a presença de assimetria na maioria dos grupos. Estudamos algumas medidas de diagnóstico baseadas na distribuição preditiva de medidas de discrepância adequadas. Por último, comparamos os modelos simétrico e assimétrico utilizando os critérios sugeridos por Spiegelhalter et al. (2002). O modelo assimétrico se ajustou melhor aos dados segundo todos os critériosAbstract: An usual assumption for parameter estimation in the Item Response Models (IRM) is to assume that the latent traits are random variables which follow a normal distribution. However, many works suggest that this assumption does not apply in many cases. For example, the works of Micceri (1989) and Bazán (2006). Recently Azevedo et.al (2011) proposed an IRM with skew-normal distribution under the centred parametrization for the latent traits, considering one single group of examinees. In the present work, we developed an extension of this model to account for multiple groups. We developed two MCMC algorithms to parameter estimation using the augmented data structure to represent the Item response function (IRF), see Albert (1992). The First is a Metropolis-Hastings within Gibbs sampling. In the second, we use stochastic representations (creating a hierarchical structure) in the prior distribution of the latent traits and population parameters. Therefore, we obtained known full conditional distributions, which enabled us to develop the full Gibbs sampler. We compared these algorithms using the effective sample size criteria, see Sahu (2002). The full Gibbs sampling presented the best performance. We also evaluated the impact of the number of examinees per group, number of items per group, number of common items, priors and asymmetry of the reference group, on the parameter recovery. The results indicated that our approach recovers properly all parameters, mainly, when we consider the Jeffreys prior. Furthermore, the number of items per group and the number of examinees per group, showed to have a high impact on the recovery of the true of latent traits and item parameters, respectively. We analyze a real data set in which we found an evidence of asymmetry in the distribution of latent traits of some groups. The results obtained with our model confirmed the presence of asymmetry in most groups. We studied some diagnostic measures based on predictive distribution of appropriate discrepancy measures. Finally, we compared the symmetric and asymmetric models using the criteria suggested by Spiegelhalter et al. (2002). The asymmetrical model fits better according to all criteriaMestradoEstatísticaMestre em Estatística[s.n.]Azevedo, Caio Lucidius Naberezny, 1979-Migon, Helio dos SantosBolfarine, HelenoUniversidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em EstatísticaUNIVERSIDADE ESTADUAL DE CAMPINASSantos, José Roberto Silva dos, 1984-2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf128 p. : il.https://hdl.handle.net/20.500.12733/1617842SANTOS, José Roberto Silva dos. Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas. 2012. 128 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1617842. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/862502porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-10-19T16:04:35Zoai::862502Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-10-19T16:04:35Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
A multiple group IRT model with skew-normal latent trait distribution under the centred parametrization
title Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
spellingShingle Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
Santos, José Roberto Silva dos, 1984-
Teoria da resposta ao item
Distribuição normal assimétrica
Métodos MCMC (Estatística)
Item response theory
Skew-normal distribution
MCMC methods
title_short Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
title_full Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
title_fullStr Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
title_full_unstemmed Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
title_sort Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas
author Santos, José Roberto Silva dos, 1984-
author_facet Santos, José Roberto Silva dos, 1984-
author_role author
dc.contributor.none.fl_str_mv Azevedo, Caio Lucidius Naberezny, 1979-
Migon, Helio dos Santos
Bolfarine, Heleno
Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica
Programa de Pós-Graduação em Estatística
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Santos, José Roberto Silva dos, 1984-
dc.subject.por.fl_str_mv Teoria da resposta ao item
Distribuição normal assimétrica
Métodos MCMC (Estatística)
Item response theory
Skew-normal distribution
MCMC methods
topic Teoria da resposta ao item
Distribuição normal assimétrica
Métodos MCMC (Estatística)
Item response theory
Skew-normal distribution
MCMC methods
description Orientador: Caio Lucidius Naberezny Azevedo
publishDate 2012
dc.date.none.fl_str_mv 2012
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/1617842
SANTOS, José Roberto Silva dos. Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas. 2012. 128 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1617842. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1617842
identifier_str_mv SANTOS, José Roberto Silva dos. Um modelo de resposta ao item para grupos múltiplos com distribuições normais assimétricas centralizadas. 2012. 128 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1617842. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/862502
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
128 p. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138497211138048

Registros relacionados