R 1모수 모형

1 개요

R IRT 1모수 모형

R 문항반응이론 1PLM

R 문항반응이론 1모수 모형

2 ltm 패키지

df <- read.csv("https://github.com/jmnote/zdata/raw/master/github.com/cran/ltm/data/LSAT.csv")
library(ltm)
model <- rasch(df)

cat('로그우도:', model$log.Lik)
cat('AIC:', summary(model)$AIC)
cat('BIC:', summary(model)$BIC)

# 계수
coef(model)

# 문항특성곡선
plot(model)

# 문항정보곡선
plot(model, "IIC")

3 irtplay 패키지

df <- read.csv("https://github.com/jmnote/zdata/raw/master/github.com/cran/ltm/data/LSAT.csv")
library(irtplay)
model <- est_irt(data=df, model="1PLM", verbose=FALSE)
coef(model)

plotICC <- function(model) {
  p1 <- model$estimates$par.1
  p2 <- model$estimates$par.2
  p3 <- model$estimates$par.3
  p3[is.na(p3)] <- 0
  D <- model$scale.D
  z <- seq(-4, 4, length=100)
  len <- nrow(model$estimates)
  pos <- round(seq(10, 90, length=len))
  for( i in 1:len ) {
    f <- function(x) {p3[i]+(1-p3[i])*plogis(p1[i]*D*(x-p2[i]))}
    if( i == 1 ) plot(z, f(z), type='l', col=i, ylim=c(0,1),
                      main="Item Characteristic Curves",
                      xlab="Ability", ylab="Probability")
    else lines(z, f(z), type='l', col=i, ylim=c(0,1))
    text(z[pos[i]], f(z[pos[i]]), adj=c(0,2), labels=c(paste('Item',i)), col=i)
  }
}
plotICC(model)

4 같이 보기

• 1모수 모형
• LSAT 데이터
• R 문항반응이론
• R 문항반응이론 라쉬 모형
• R 문항반응이론 2모수 모형
• R 문항반응이론 3모수 모형
• Python 문항반응이론 1모수 모형