PARAMETRIC AND NONPARAMETRIC ITEM RESPONSE THEORY IN SURVEY RESEARCH

ISBN: 978-83-8291-414-6

224 stron
format: B5
oprawa: miękka
Rok wydania: 2022

Celem monografii jest zaprezentowanie modeli odpowiedzi na pozycje testowe (modeli IRT), które wykorzystywane są w badaniach testowych i kwestionariuszach. Publikacja ma charakter teoretyczno-empiryczny i przeznaczona jest dla Czytelników o zaawansowanym poziomie wiedzy statystycznej.

W monografii tej zaprezentowano zagadnienia zarówno metodologiczne (założenia, estymacja parametrów, ocena jakości modelu), jak i zastosowanie jedno- oraz wielowymiarowych modeli IRT w ekonomii i finansach. Badania empiryczne przeprowadzone zostały na podstawie badań własnych, jak i danych wtórnych. Zaprezentowano także przykłady zastosowania modeli IRT na zbiorach danych z programu R, dzięki czemu

Czytelnik samodzielnie będzie mógł przeprowadzić samodzielnie wszystkie kroki analizy. Część empiryczna monografii stanowi próbę zapełnienia luki, która istnieje w obszarze badań ekonomicznych, gdzie brakuje prac w zakresie modeli odpowiedzi na pozycje testowe, szczególnie w badaniach sondażowych.

SPIS TREŚCI

Introduction

Chapter 1. The role of the measurement theory in modern science
1.1. Historical background of testing
1.2. Theories of measurement
1.3. Classical test theory
Generalizability theory
1.4. Application in R

Chapter 2. Nonparametric Item Response Theory
2.1. Introduction
2.2. Assumptions for nonparametric item response models
2.3. Measurement properties of nonparametric item response theory models
2.4. Unfolding model
2.5. Mokken model
2.6. Application of nonparametric IRT models in survey research

Chapter 3. Item Response models
3.1. Latent variables
3.2. Basic concept of IRT model
3.3. Early Item Response Models
3.4. IRT assumptions
3.5. IRT models for binary data
3.6. IRT models for polytomous data
3.7. Estimation of parameters
3.8. Goodness-of-fit
3.9. Characteristics of item response model
3.10. Application of IRT models in R
3.10.1. Binary IRT models in economic knowledge testing
3.10.2. Ordinal IRT models in study on satisfaction from e-learning
durnig Cov-19
3.10.3. IRT models in the analysis of secondary data

Chapter 4. Multidimensional item response space
4.1. Multidimensional item response space
4.2. Multidimensional item response models for dichotomous data
4.3. MIRT models for polytomous data
4.4. Application of multidimensional IRT models in R
4.4.1. Multidimensional IRT models in economic knowledge testing
4.4.2. Multidimensional IRT models in studies on satisfaction from
on-line learning during Cov-19

Summary

Bibliography