Modeling repeated self-reported outcome data: a continuous-time longitudinal Item Response Theory model
项目反应理论（IRT）模型在健康科学中越来越受到关注，用于从每个人的项目反应提供的信息中分析潜在的结构，如抑郁，焦虑，生活质量或认知功能。然而，在存在重复项目测量的情况下，IRT方法通常假设所有患者的测量时间完全相同。在本文中，我们展示了如何IRT方法可以与混合模型理论相结合，以提供一个纵向IRT模型，该模型利用在项目水平提供的测量尺度的信息，同时处理可能会因个人和项目而异的观察时间。潜在结构是在连续时间中定义的潜在过程，其通过在每个个体和特定观察时间的测量模型与观察到的项目响应相关联;我们在这里关注二元和有序项目的分级响应模型。该模型的极大似然估计程序在R软件包lcmm中提供。所提出的方法在终末期肾病的临床实例中，PREDIALA研究。目的是根据肾移植等待名单登记和肾脏替代治疗的时间，研究抑郁性肾病的轨迹（通过医院焦虑和抑郁量表的7项测量）。我们还说明了如何使用该方法来评估差异项目功能和缺乏测量不变性随时间的推移。
2021-12-28 stat.ME
A Taxonomy of Polytomous Item Response Models
提供了一个共同的框架，包括经典的顺序项目反应模型的累积，顺序和相邻类别模型，以及名义反应模型和项目反应树模型。分类法基于二进制模型可以被视为各种模型的构建块的方式。特别是，可以区分条件和无条件模型组件。到目前为止，条件模型是包含相邻类别模型和整个层次结构模型的较大类别的模型。后者被引入作为一类模型，包括二叉树和层次结构的模型，有条件地使用序数模型。对潜在特质模型中包含的二元模型的研究阐明了模型与项目参数解释之间的关系。它还用于通过给出有序模型的概念化来区分有序模型和名义模型。该分类法与以前的分类法不同，它侧重于二分法的结构化使用，而不是参数化的作用。
2020-10-03 stat.ME
A class of Multidimensional Latent Class IRT models for ordinal polytomous item responses
我们提出了一类项目反应理论模型的项目有序多项反应，扩展了现有的一类多维模型的二分法评分项目测量一个以上的潜在特质。在该方法中，用于表示潜在性状的随机向量被假定为具有离散分布，其支持点对应于群体中的不同潜在类别。我们还允许不同的参数化的条件分布的响应变量的潜在特质-如采用分级响应模型，在部分信用模型，并在评级量表模型-这取决于类型的链接函数和项目参数上施加的约束。对于所提出的模型，我们概述了如何执行极大似然估计通过期望最大化算法。此外，我们提出了一种策略，模型选择，这是基于一系列的步骤，包括选择特定的功能，如潜在的维度的数量，潜在的类的数量，和特定的参数化。为了说明所提出的方法，我们分析来自一项研究的焦虑和抑郁的肿瘤患者所感知的数据。
2012-01-23 stat.ME
Item-Focussed Trees for the Detection of Differential Item Functioning in Partial Credit Models
在项目反应模型中检测差异项目功能（DIF）的方法有很多。然而，大多数方法假设响应是二元的，对于有序响应类别，可用的方法是稀缺的。本文研究了广泛应用的部分信用模型中的DIF问题。提出了一种以项目为中心的树，允许检测DIF项目，这可能会影响部分信用模型的性能。该方法使用树方法，为被检测为DIF项目的每个项目生成树。由此产生的树显示哪些变量导致DIF以及以何种方式。树的可视化使结果易于访问。该方法相比，一种替代的方法，仿真证明了该方法的性能和应用程序说明了它是如何工作的真实数据。
2016-09-28 stat.ME
Latent Trait Item Response Models for Continuous Responses
给出了连续反应条件下潜在特质项目反应模型的一般框架。与传统上区分真实分数和错误分数的经典测试理论模型相反，这些反应显然与潜在特征有关。结果表明，经典的测试理论模型可以作为特例导出，但模型类要宽得多。特别是，它提供了以某种方式受到限制的反应的适当建模，例如，如果反应是积极的或被限制在一个区间内。这类限制很容易合并到建模框架中。对区间的限制通常在产生不适当模型的常见模型中被忽略，例如，在对Likert类型数据建模时。该模型还扩展了常见的响应时间模型，这些模型可以被视为特殊情况。属性的模型类派生和总得分的作用进行了调查，这导致修改后的总得分。几个应用程序说明了模型的使用，包括一个例子，其中考虑到可能修改响应的协变量。
2022-04-08 stat.ME
Latent Impact and Differential Item Functioning Analysis for Asymmetric IRT Models
Lancaster University（兰卡斯特大学）；Purdue University（普渡大学）
本文提出一种框架，用于在非对称IRT模型下联合分析影响和项目功能差异，通过潜在类别和项目特定偏移来捕捉组间差异和DIF效应，无需观测组标签或预设锚项目。
2026-05-07 stat.ME
Joint Maximum Likelihood Estimation for High-dimensional Exploratory Item Response Analysis
联合极大似然（JML）估计是拟合项目反应理论（IRT）模型的最早方法之一。该过程将项目和人员参数视为未知但固定的模型参数，并通过求解优化问题同时估计它们。然而，当样本量趋于无穷大且项目数保持不变时，JML估计对于许多IRT模型是渐近不相容的。因此，在心理测量学文献中，这种估计量是不太喜欢边际极大似然（MML）估计。在本文中，我们重新调查的高维探索性项目因子分析的JML估计，从统计和计算的角度。特别是，我们建立了一个概念的统计一致性的约束JML估计，渐近设置下，项目和人的数量增长到无穷大，许多响应可能会丢失。一个并行计算算法，提出了这种估计，可以扩展到非常大的数据集。通过模拟研究，我们表明，当维数较高时，所提出的估计产生类似的结果，甚至比MML估计更好的结果，但可以更有效地获得计算。基于修订版的艾森克人格量表（EPQ-R），提供了一个说明性的真实数据示例。
2019-06-14 stat.ME
Bi-factor and second-order copula models for item response data
基于Copula的双因子和二阶模型被提出用于项目响应数据，其中项目可以被分成不重叠的组，使得每个组内存在同质依赖。我们的一般模型包括高斯双因子和二阶模型作为特殊情况下，可以导致更多的概率在联合上尾或下尾相比，高斯双因子和二阶模型。详细介绍了双因子和二阶copula模型参数的极大似然估计，以及模型选择和拟合优度技术。我们的一般方法证明了一个广泛的模拟研究和说明多伦多述情障碍量表。我们的研究表明，高斯双因子和二阶模型在概念上都有很大的改进，因为这些项目可以解释潜在的最大值/最小值或与潜在平均值相比的平均值的混合，并适合数据。
2021-02-21 stat.ME
A Nonparametric Bayesian Item Response Modeling Approach for Clustering Items and Individuals Simultaneously
项目反应理论（IRT）是一种流行的建模范式，用于根据测试或问卷中的离散反应来测量被试的潜在特质和项目属性。关于项目和个体的异质性模式检测的讨论非常有限。在本文中，我们介绍了一个非参数贝叶斯方法的聚类项目和个人同时在Rasch模型。具体来说，我们提出的方法是基于有限混合物（MFM）模型的混合。MFM同时获得项目和个体的聚类数和聚类配置。通过仿真研究评估了MFM Rasch模型下参数估计和参数聚类的性能，并应用实际数据集来说明MFM Rasch建模。
2020-05-29 stat.AP stat.ME
Sparse Latent Class Analysis For Dichotomous Responses: Post-Estimation Refinement via Item-level Pseudo-Likelihood
London School of Economics and Political Science（伦敦政治经济学院）；RWTH Aachen University（亚琛工业大学）
本文提出一种计算高效的后估计细化方法，通过稀疏模型估计提升模型可解释性，通过项目特定响应概率的模型选择进一步减少冗余层次，从而获得更易于解释的稀疏矩阵。
2026-09-11 stat.ME
A novel nonparametric framework for DIF detection using kernel-smoothed item response curves
Institute of Computer Science of the Czech Academy of Sciences（捷克科学院计算机科学研究所）；Faculty of Education, Charles University（查理大学教育学院）
本文提出了一种基于核平滑项目响应曲线的非参数DIF检测方法，通过直接比较IRCs有效控制I类错误并提高检测效力，尤其在复杂场景中表现更优。
2025-11-24 stat.ME
Factor tree copula models for item response data
本文融合因子 copula 与截断 vine copula，提出因子树 copula 模型，在保留潜变量可解释性的同时建模残差依赖，并给出估计、模型选择算法、模拟验证及 PTSD 应用。
2022-01-02 stat.ME
Asymptotic Standard Errors for Reliability Coefficients in Item Response Theory
University of Maryland（马里兰大学）
本文基于项目反应理论模型，提出计算可靠性系数及其标准误差的通用方法，针对两类可靠性系数在样本变异下的采样变异性进行研究，并通过模拟验证了方法的有效性。
2026-02-27 stat.ME
The co-varying ties between networks and item responses via latent variables
Indiana University School of Medicine（印第安纳大学医学院）；University of Maryland（马里兰大学）；The Ohio State University（俄亥俄州立大学）
本文提出JNIRM模型，通过相关潜在变量联合分析教师网络与项目响应之间的共变关系，发现指导关系对满意度和学生感知影响更大，且互补性原则在某些学校中适用。
2024-09-28 stat.ME stat.ML
lsirm12pl: An R package for latent space item response modeling
本文介绍R包lsirm12pl，实现潜空间项目反应模型的贝叶斯估计及其扩展，支持多种数据类型与缺失处理，并提供聚类、汇总和绘图等功能以增强模型解释。
2025-03-08 stat.CO stat.ME
Bridging Item Response Theory and Factor Analysis: A Four-Parameter Mixture-Dichotomized Model with Bayesian Estimation
Institute of Computer Science of the Czech Academy of Sciences（捷克科学院计算机科学研究所）；Faculty of Education, Charles University（查理大学教育学院）
提出四参数因子分析模型，通过贝叶斯估计统一项目反应理论与因子分析，处理猜测与疏忽效应，并验证模型等价性。
2026-06-26 stat.ME
Don't Let Your Likert Scales Grow Up To Be Visual Analog Scales: Understanding the Relationship Between Number of Response Categories and Measurement Error
本文通过模拟研究反应类别数量与测量误差的关系，发现当测量误差随类别数增加时存在明确最优值，并警示将李克特量表转为VAS会显著降低信度，改标度后须重新验证。
2025-02-05 stat.ME
Robust Estimation of Item Parameters via Divergence Measures in Item Response Theory
针对项目反应理论（IRT）中边际极大似然估计（MMLE）对异常反应敏感的问题，提出基于密度幂散度和γ-散度的鲁棒项目参数估计方法，通过超参数调整平衡鲁棒性与效率，提升估计精度。
2025-02-15 stat.AP stat.ME
A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
Washington University in St Louis（圣路易斯华盛顿大学）
本文结合贝叶斯非参数IRT与高斯过程时间序列方法，提出GD-GPIRT模型及MCMC采样算法，用于估计随时间变化的序数潜在特质，并在模拟和实际研究中验证了其有效性。
2025-04-03 cs.LG stat.ME
Estimating Heterogeneous Treatment Effects with Item-Level Outcome Data: Insights from Item Response Theory
针对心理测量工具评估的潜变量结果，提出基于项目反应理论的IL-HTE模型，通过估计各项目处理效应解决了标准误低估和识别问题，并利用48项试验的75个数据集验证了其在揭示项目变异和校正测量误差等方面的实用价值。
2025-01-20 econ.EM stat.ME
Statistical Analysis of Large-scale Item Response Data under Measurement Non-invariance: A Statistically Consistent Method and Its Application to PISA 2022
本文提出一种统计一致且计算高效的多群体DIF分析方法，无需参考群体和锚定项目假设，应用于PISA 2022数据，揭示DIF结构并恢复国家排名。
2025-05-23 stat.ME
A Bayesian Nonparametric IRT Model
本文介绍了一个灵活的贝叶斯非参数项目反应理论（IRT）模型，它适用于二分或多分项目反应，并可以适用于一维或多维标度。这是一个无限混合的IRT模型，具有个人能力和项目难度参数，并具有被分配混合分布的随机截距参数，混合权重是其他个人和项目参数的概率单位函数。贝叶斯非参数IRT模型具有灵活性，可以对后验分布中的个人能力参数和项目难度参数进行离群稳健估计。该模型的后验分布的估计是由标准的马尔可夫链蒙特卡罗（MCMC）方法切片抽样的基础上进行。通过对教师准备问卷的真实数据进行分析，说明了这种混合IRT模型，该问卷由多项组成，并由描述考生（教师）的其他协变量组成。对于这些数据，该模型获得零离群值和1的R平方。最后，本文简要介绍了如何应用项目反应理论模型分析项目反应数据，并使用作者开发的菜单驱动软件。
2015-02-11 stat.ME
Reliability-Targeted Simulation of Item Response Data: Solving the Inverse Design Problem
The University of Alabama（阿拉巴马大学）
本文提出可靠性导向的项目反应数据仿真框架，通过EQC和SAC算法实现目标可靠性校准，澄清了不同可靠性度量的理论区别，并提供开源工具支持标准化可靠性设计。
2026-10-12 stat.CO stat.ME
Regularizing threshold priors with sparse response patterns in Bayesian factor analysis with categorical indicators
本文针对分类指标因子分析中稀疏响应导致的阈值估计问题，提出将阈值先验重构为响应类别概率先验的贝叶斯方法，并通过模拟和实证证明其统计效率与现有方法相当且更易解释。
2024-05-01 stat.AP stat.ME
A Note on Improving Variational Estimation for Multidimensional Item Response Theory
针对MIRT验证性估计中GVEM对区分度参数的偏差，本文提出重要性加权IW-GVEM并结合自适应矩估计自动调整学习率，模拟表明其能以适度计算开销有效纠偏。
2023-10-18 stat.ME
Spatial Dependencies in Item Response Theory: Gaussian Process Priors for Ecological and Cognitive Measurement
University of Chicago（芝加哥大学）；University of Michigan（密歇根大学）
本文提出SGP-IRT方法，用高斯过程先验替代条件自回归先验，突破二元响应限制，在地理与抽象认知空间中建模复杂空间依赖关系，提升参数恢复与测量精度。
2026-10-09 stat.AP stat.ME
Bayesian Shrinkage for Functional Network Models, with Applications to Longitudinal Item Response Data
纵向项目反应数据在社会科学、教育科学和心理学等学科中很常见。研究项目之间随时间变化的关系对于教育评估或根据调查问题设计营销策略至关重要。虽然动态网络模型已经得到了广泛的发展，我们不能直接将它们应用到项目响应数据，因为有多个系统的节点与各种类型的项目之间的局部相互作用，导致多元化的网络结构。我们提出了一个新的模型来研究这些项目之间的时间相互作用，通过嵌入指数随机图模型框架内的功能参数。由于似然函数包含难以处理的归一化常数，因此对这种模型的推断是困难的。此外，函数参数的数量随着项目数量的增加而呈指数增长。这种模型的变量选择是不平凡的，因为标准的收缩方法不考虑功能参数的时间趋势。为了克服这些挑战，我们开发了一种新的贝叶斯方法相结合的辅助变量MCMC算法和最近开发的功能收缩方法。我们将我们的算法应用于调查和审查数据集，说明所提出的方法可以避免难以处理的归一化常数的评估，以及项目之间的显着的时间相互作用的检测。通过在不同场景下的仿真研究，我们检查我们的算法的性能。据我们所知，我们的方法是第一次尝试选择函数变量的模型与棘手的归一化常数。
2021-10-22 stat.CO stat.ME
Multidimensional Item Response Theory under General Latent Distributions
University of Michigan（密歇根大学）；University of Washington（华盛顿大学）
针对多维项目反应理论中潜在分布被假定为高斯分布的限制，提出基于流的框架以捕捉非高斯潜在分布，并联合学习项目参数、潜在分布和后验近似，改善参数恢复。
2026-05-28 stat.AP stat.ME
Matrix Decomposition Perspective for Accuracy Assessment of Item Response Theory
Kurume University（久留米大学）
项目反应理论利用由0/1值元素组成的观察项目反应矩阵，得到考生能力和问题难度参数的估计及其置信区间。许多论文讨论了估计的性能。然而，本文没有。使用最大似然估计，我们可以重建估计的项目响应矩阵。然后，我们可以从矩阵分解的角度来评估这个重构矩阵对观察到的响应矩阵的准确性。也就是说，本文的重点是重建的响应矩阵的性能。为了比较项目反应理论与其他方法的性能，我们通过对观测反应矩阵的近似，给出了两种低秩反应矩阵：一种是当反应矩阵是完全矩阵时，通过奇异值分解方法得到的矩阵;另一种是当反应矩阵是不完全矩阵时，通过矩阵分解方法得到的矩阵。首先，我们发现当响应矩阵是完全矩阵时，奇异值分解法和矩阵分解法的性能几乎相同。这里，性能通过使用根均方误差和准确度的两个矩阵之间的接近度来测量。其次，我们已经看到，由项目反应理论得到的重构矩阵与观察矩阵的接近程度位于由k=和k=2的矩阵分解方法得到的两个近似的低秩反应矩阵与观察矩阵之间，其中k表示分解矩阵中使用的前k列。
2022-03-07 cs.LG stat.AP stat.CO
A multidimensional latent class IRT model for non-ignorable missing responses
本文提出了一个结构方程模型，它简化为一个多维潜在类别项目反应理论模型，用于分析具有不可重复缺失的二进制项目反应。缺失机制由两组潜在变量驱动：一组描述响应倾向，另一组涉及测试项目测量的能力。假设这些潜在变量具有离散分布，以便减少关于模型的潜在结构的参数假设的数量。还可以通过潜变量分布的每个支持点的概率的多项式逻辑参数化来包括单个协变量。由于这种分布的离散性，所提出的模型是有效地估计的期望最大化算法。进行模拟研究，以评估参数估计的有限样本性质。此外，一个应用程序说明了数据来自学生入学考试的录取到一些大学课程。
2014-10-17 stat.ME
Deep Computerized Adaptive Testing
University of Chicago（芝加哥大学）
本文提出一种基于多变量潜在特质的深度自适应测验系统，利用贝叶斯稀疏多变量IRT方法，通过直接采样提升信息论项目选择效率，并采用双重深度Q学习算法优化项目选择策略。
2026-03-14 stat.ME
Dynamic Bayesian Item Response Model with Decomposition (D-BIRD): Modeling Cohort and Individual Learning Over Time
本文提出D-BIRD，一种贝叶斯动态项目反应模型，通过将学生能力分解为群体趋势与个体轨迹，实现了对纵向稀疏评估数据的可解释学习建模，并通过模拟与真实数据验证了其有效性。
2025-06-26 cs.CY stat.AP stat.ME
Computational strategies and estimation performance with Bayesian semiparametric Item Response Theory models
项目反应理论（IRT）模型通常依赖于特定主题的潜在特质的正态性假设，这在实践中往往是不现实的。基于Dirichlet过程混合的半参数扩展提供了一个更灵活的表示未知分布的潜在特质。然而，在IRT文献中使用这种模型是非常有限的，在很大程度上是因为缺乏全面的研究和可用的软件工具。本文为半参数IRT模型及其实现提供了指导。特别是，我们依赖于NIMBLE，一个灵活的软件系统，分层模型，使使用狄利克雷过程的混合物。我们强调有效的抽样策略模型估计和比较参数和半参数模型下的推断结果。
2022-08-10 stat.AP stat.ME
KernSmoothIRT: An R Package for Kernel Smoothing in Item Response Theory
项目反应理论（IRT）模型是一类用于描述个体对一组具有一定数量选项的项目的反应行为的统计模型。它们被社会科学的研究人员采用，特别是在心理学，教育，医学，市场营销和其他旨在测量潜在结构的领域中分析表现或态度数据。大多数IRT分析使用的参数模型依赖于经常不被满足的假设。在这种情况下，非参数方法可能更可取;然而，允许使用该方法的软件应用程序并不多。为了解决这个问题，本文提出了R包KernSmoothIRT。它实现了对期权特征曲线的估计的核平滑，并增加了几个绘图和分析工具来评估整个测试/问卷，项目和主题。为了显示该软件包的功能，使用了两个真实的数据集，一个采用多项选择响应，另一个采用缩放响应。
2014-04-15 stat.AP stat.CO stat.ME
Item response parameter estimation performance using Gaussian quadrature and Laplace
本文通过模拟比较 Laplace 与 mirt 中 GHQ-EM 的 IRT 项目参数估计性能，发现二者在较大项目数和样本量下精度相近，GHQ-EM 可作为 NONMEM 的替代或辅助方法。
2025-03-17 stat.AP stat.ME
Detection of Two-Way Outliers in Multivariate Data and Application to Cheating Detection in Educational Tests
本文提出了一种新的隐变量模型，用于同时（双向）检测项目反应类型数据的离群个体和项目。该模型是一个因素模型之间的协同作用，捕捉正常的项目响应行为和一个潜在的类模型，捕捉边远的个人和项目的二进制响应和连续响应时间。一个统计决策框架下提出的模型，提供复合决策规则控制本地错误发现/nondiscovery率的离群值检测。统计推断是在贝叶斯框架下进行的，为此开发了马尔可夫链蒙特卡罗算法。所提出的方法被应用到检测作弊的教育考试中，由于项目泄漏使用基于计算机的非自适应执照评估的案例研究。所提出的方法的性能进行了评估，通过仿真研究。
2021-10-22 stat.AP stat.ME
Introducing Flexible Monotone Multiple Choice Item Response Theory Models and Bit Scales
Umeå University（于默奥大学）
提出用自动编码器拟合的单调多项选择IRT模型，并通过模拟与瑞典真实测验数据证明其拟合优于名义反应模型，同时引入可将潜在特质量表转为比率量表的比特量表。
2024-10-02 cs.LG stat.ME stat.ML
Sparse Bayesian Multidimensional Item Response Theory
本文提出一种可扩展的贝叶斯EM算法，用于从混合数据中估计稀疏因子载荷并自动确定潜在因子维度，有效解决了传统MCMC方法在MIRT模型中速度慢且难以实现精确稀疏恢复的问题。
2025-03-07 stat.ME stat.ML
Sequential Design for Computerized Adaptive Testing that Allows for Response Revision
在计算机自适应测试（CAT）中，根据已经观察到的反应实时选择项目（问题），以便尽可能准确地估计考生的能力。这通常被公式化为非线性、顺序、试验设计问题，其具有对应于真或假响应的二进制观测。然而，在实践中，大多数项目是多项选择和二分模型没有充分利用现有的数据。此外，CAT因不允许考生复习和修改答案而受到严厉批评。在这项工作中，我们提出了一种新的CAT设计，它是基于多分类的名义上的响应模型，并允许考生在测试过程中的任何时候修改他们的反应。我们表明，作为管理项目的数量趋于无穷大，建议的估计是（i）强一致的任何项目的选择和修订策略和（ii）渐近正常时，选择的项目，以最大限度地提高Fisher信息在当前的能力估计和修订的数量是小于的项目数量。我们还提出了一个模拟研究的结果，支持我们的渐近结果。
2015-01-07 math.ST stat.AP stat.ME
Face Identification Proficiency Test Designed Using Item Response Theory
The University of Texas at Dallas（德克萨斯大学达拉斯分校）；National Institute of Standards and Technology（美国国家标准与技术研究院）；University of Central Florida（中佛罗里达大学）
针对现有静态人脸识别能力测试无法多次有效施测的问题，研究提出三元身份匹配（TIM）测试，结合项目反应理论（IRT）验证其难度覆盖全面、能力评估可靠且跨群体通用，为构建灵活校准的人脸识别能力衡量框架提供基础。
2022-08-09 cs.CV stat.ME
Heywood cases in unidimensional factor models and item response models for binary data
Heywood案例在线性因子分析文献中被认为是公共性大于1.00的变量，在当今的因子模型中，这个问题也表现在负残差方差上。对于二进制数据，有序因子模型可以应用delta参数化或theta参数化。前者比后者更常见，并且当使用有限信息估计时可以产生Heywood情况。同样的问题在θ参数化因子模型中表现为非收敛情况，在项目反应理论（IRT）模型中表现为极大的歧视。在这项研究中，我们解释了为什么同样的问题会以不同的形式出现，这取决于分析方法。我们首先讨论这个问题，使用方程，然后说明我们的结论，使用一个小的模拟研究，其中所有三种方法，三角洲和θ参数化的有序因子模型（估计基于多元相关性）和IRT模型（全信息估计），用于分析相同的数据集。我们还比较了序因子模型的WLS，WLSMV和ULS估计的性能。最后，我们用同样的三种方法分析真实数据。仿真研究和实际数据分析的结果证实了理论结论。
2021-08-12 stat.AP stat.ME
Leveraging Natural Language and Item Response Theory Models for ESG Scoring
Ph.D. in Global Health and Sustainability（全球健康与可持续发展博士项目）
本文提出将NLP技术与Rasch模型结合用于ESG评分，分析巴西石油公司新闻数据，提供更精确的ESG情绪趋势评估，增强ESG指标稳健性。
2024-07-29 cs.AI q-fin.GN stat.ME
Autoencoded sparse Bayesian in-IRT factorization, calibration, and amortized inference for the Work Disability Functional Assessment Battery
NIH Clinical Center（美国国立卫生研究院临床中心）；NIH NIDDK（美国国立卫生研究院国家糖尿病、消化和肾脏疾病研究所）
本研究提出一种贝叶斯层次模型，通过稀疏收缩和摊销推断，自洽地完成多维IRT的量表分解、项目选择与校准，避免传统事后方法的线性分解和统计检验，并在WD-FAB数据上验证其区分度优于传统方法。
2023-05-09 cs.LG stat.AP stat.ME
