R包eRm:扩展Rasch建模。eRm适用于Rasch模型(RM)、线性logistic检验模型(LLTM)、评级量表模型(RSM)、线性评级量表模型(LRSM)、部分信用模型(PCM)和线性部分信用模型(LPCM)。数据矩阵中允许缺少值。其他特征包括人参数的最大似然估计、安徒生LR检验、项目特定Wald检验、Martin-Loef检验、非参数蒙特卡罗检验、项目拟合和个人配置统计(包括infit和装备测量)、各种ICC和相关图、自动逐步项目消除,各种二进制数据矩阵的仿真模块。R-forge提供了一个eRm平台(参见URL)。


zbMATH参考文献(参考 23篇文章 引用,1标准件)

显示第1到第20个结果,共23个。
按年份排序(引用)
  1. 穆勒,玛丽安:拉什分析的项目匹配统计:我们能相信他们吗?(2020年)
  2. Christine Hohensinn:pcIRT:R包,适用于多相和连续Rasch模型(2018)不是zbMATH
  3. Liu,Xiang;Han,庄庄;Johnson,Matthew S.:IRT模型中个人参数的UMP精确检验和置信区间(2018)
  4. 帕特里克·梅尔:现代心理测量学与R(2018)
  5. Víctor Cervantes:DFIT:Raju项目和测试框架差异功能的R包(2017)不是zbMATH
  6. Maria Bolsinova;Gunter Maris;Hoijtink,Herbert:解译Rasch量表:如何在教育测试中得分(2016)
  7. Jorge Tendeiro和Rob Meijer和A.Niessen:PerFit:R软件包,用于IRT中的人适合度分析(2016)不是zbMATH
  8. Strobl,Carolin;Kopf,Julia;Zeileis,Achim:Rasch trees:检测Rasch模型中差异项功能的新方法(2015)
  9. Tutz,Gerhard;Schauberger,Gunther:Rasch模型中差异项功能的惩罚方法(2015)
  10. Wermuth,Nanny;Marchetti,Giovanni M.:星图诱导四分体相关性:对于高斯变量和二进制变量(2014)
  11. Christensen,Karl Bang:使用SAS的多相拉什模型的条件最大似然估计(2013)
  12. Bacci,Silvia:纵向数据:项目反应理论模型背景下的不同方法(2012)
  13. Hannah Frick;Carolin Strobl;Friedrich Leisch;Achim Zeileis:灵活的Rasch混合模型与一揽子心理混合(2012)不是zbMATH
  14. R、 Chalmers:mirt:R环境的多维项目反应理论包(2012)不是zbMATH
  15. Paul De Boeck;Marjan Bakker;Robert Zwitser;Michel Nivard;Abe Hofman;Francis Tuerlinckx;Ivailo Partchev:R(2011年)中lme4包中使用lmer函数的项目响应模型估计不是zbMATH
  16. Seung Choi;Laura Gibbons;Paul Crane:lordif:使用迭代混合序贯逻辑回归/项目反应理论和蒙特卡罗模拟检测差异项目功能的R包(2011年)不是zbMATH
  17. Jonathan Weeks:plink:R包,用于使用基于IRT的方法链接混合格式测试(2010)不是zbMATH
  18. Sheng Yanyan Sheng:MATLAB中具有一般和特定潜在特征的MIRT模型的贝叶斯估计(2010)不是zbMATH
  19. Carolyn Anderson;Zhushan Li;Jeroen Vermunt:多同构项和多个潜在变量的Rasch族模型估计(2007)不是zbMATH
  20. 简·德勒乌;帕特里克·梅尔:《R中的心理测量学》专卷导论(2007)不是zbMATH