Estimation In Generalized Logistic Regression Models For DIF Detection
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F21%3A00570044" target="_blank" >RIV/67985807:_____/21:00570044 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Estimation In Generalized Logistic Regression Models For DIF Detection
Popis výsledku v původním jazyce
ZÁKLADNÍ ÚDAJE: Estimation In Generalized Logistic Regression Models For DIF Detection. [IMPS 2021: The Annual Meeting of the Psychometric Society. Virtual, 20.07.2021-23.07.2021]. ABSTRAKT: Generalized logistic regression models are extensions of logistic regression method for differential item functioning (DIF) detection among binary data which account for possibility of guessing or inattention when responding. In this talk we will discuss several approaches to estimate item parameters including nonlinear least squares, maximum likelihood method and a newly implemented expectation-maximization algorithm. We will further propose a new algorithm based on parametric link function. Differences in estimation procedures will be illustrated with a simulation study and we will also show their implementation in the statistical software R including its package difNLR (Hladká & Martinková, 2020).
Název v anglickém jazyce
Estimation In Generalized Logistic Regression Models For DIF Detection
Popis výsledku anglicky
ZÁKLADNÍ ÚDAJE: Estimation In Generalized Logistic Regression Models For DIF Detection. [IMPS 2021: The Annual Meeting of the Psychometric Society. Virtual, 20.07.2021-23.07.2021]. ABSTRAKT: Generalized logistic regression models are extensions of logistic regression method for differential item functioning (DIF) detection among binary data which account for possibility of guessing or inattention when responding. In this talk we will discuss several approaches to estimate item parameters including nonlinear least squares, maximum likelihood method and a newly implemented expectation-maximization algorithm. We will further propose a new algorithm based on parametric link function. Differences in estimation procedures will be illustrated with a simulation study and we will also show their implementation in the statistical software R including its package difNLR (Hladká & Martinková, 2020).
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/GA21-03658S" target="_blank" >GA21-03658S: Teoretické základy výpočetní psychometrie</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů