Flyism
Search
搜尋
暗色模式
亮色模式
閱讀模式
探索
Home
❯
Rasch_model
❯
term
❯
可重現分析
可重現分析
2026年11月07日
閱讀時間約 1 分鐘
保存資料字典、程式、軟體版本、模型設定與決策紀錄，使分析流程能被查核、重做與比較。
估計方法
；
Rasch模型
；
構念效度
關係圖譜
反向連結
Rasch_model
Rasch研究設計與可重現實作地圖
Logit是勝算取自然對數後的尺度
Rasch分析要檢查單向度與局部獨立性
Rasch模型提供共同題目尺度但不會自動保證構念相同
Rasch模型是IRT模型家族中限制較嚴格的一種形式
Rasch模型的應用必須嵌入具體制度與使用目的
Rasch模型的適用性取決於資料是否符合模型要求
Testlet模型用來處理共享刺激造成的題目依賴
估計方法
充分統計量濃縮估計參數所需的樣本資訊
共同題目連結讓不同測驗版本有機會放在共同尺度
參數分離
參數分離不代表所有估計值在統計上互相獨立
條件最大概似估計以條件化處理干擾參數
測驗情境熟悉度可能混入原本想測量的能力
研究透明度使量尺主張能被外部檢查
評分者嚴格度是多面向模型中的一種可估計面向
評分規準
評分規準需要在評分者之間保持可理解與可執行
語言作文評分的評分者效應可用多面向Rasch分析
跨文化可比性