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
Dealing with nonresponse in survey sampling: a latent modeling approach
几乎所有的调查都存在无答复现象,这可能严重影响估计。它通常被区分为单元和项目无反应:在前者中,我们完全无法从样本中选择的单元中获得信息,而在后者中,我们只观察到所选单元的部分信息。单元无响应通常通过重新加权来处理:在样本中选择的每个单元都有一个抽样权重和一个未知的响应概率;初始抽样权重乘以估计响应概率的倒数。项目无应答通常通过插补处理。注意到,对于一个特定的调查变量,我们只有观察到的和未观察到的值,在这项工作中,我们利用单位和项目之间的连接无响应。特别是,我们假设驱动单元响应的因素与驱动项目响应的因素相同。然后,通过使用具有潜在协变量的逻辑斯谛回归来估计响应概率,该潜在协变量测量这种响应意愿,并且可以解释参与调查的单元的未知行为的一部分。使用潜在特质模型估计潜在协变量。这种方法特别适用于敏感项目,因此可以处理无法解释的不答复。对于被调查者和非被调查者已知的辅助信息可以包括在潜在变量模型或逻辑模型中。当辅助信息不可用时,也可以使用该方法,并且我们在这里关注这种情况。所提出的估计的理论性质进行了概述和模拟研究,以说明其有限大小的样本性能。
2013-12-03 stat.ME
From abstract items to latent spaces to observed data and back: Compositional Variational Auto-Encoder
条件生成模型是机器学习的重要工具。本文重点讨论了它们的控制。虽然许多方法的目的是解开的数据,通过坐标明智的控制其潜在的表示,本文探索的另一个方向。所提出的CompVAE处理具有自然的多集合列表结构(即,可以自然地分解成元素)的数据。从贝叶斯变分原理衍生,CompVAE学习利用观察和符号信息的潜在表示。该方法的第一个贡献是,这种潜在的表示支持合成生成模型,服从多集合列表操作(添加或减去组成中的元素)。这种组合能力是由整个框架w.r.t.的不变性和通用性实现的。分别是元素的顺序和数量。本文的第二个贡献是对合成1D和2D问题的概念证明,证明了所提出的方法的效率。
2020-01-22 cs.LG stat.ML
GPIRT: A Gaussian Process Model for Item Response Theory
Washington University in St. Louis(圣路易斯华盛顿大学)
项目反应理论(IRT)模型的目标是从二元观测指标中估计潜在特质,同时学习从潜在特质映射到观测反应的项目反应函数(IRFs)。然而,在许多情况下,观察到的行为可以偏离传统的IRT模型的参数假设显着。非参数IRT模型通过放松对IRFs形式的假设来克服这些挑战,但标准工具无法同时估计灵活的IRFs和对受访者的恢复能力估计。我们提出了一个贝叶斯非参数模型,解决了这个问题,通过放置高斯过程先验的潜在功能定义的IRF。这使我们能够同时放松对IRF形状的假设,同时保持估计潜在特质的能力。这反过来又使我们能够轻松地将模型扩展到进一步的任务,例如主动学习。因此,GPIRT为IRT文献中的几个长期存在的问题提供了一个简单而直观的解决方案。
2020-06-17 cs.LG stat.ML
Valid and Efficient Two-Stage Latent Subgroup Analysis with Observational Data
Hong Kong University of Science and Technology(香港科技大学);Columbia University(哥伦比亚大学)
本文提出了一种基于观测数据的有效两阶段潜在子群分析方法,通过谱方法视角实现高误分类容忍度,处理高维混杂因素并提高计算效率。
2026-01-01 stat.ME
Item selection by Latent Class-based methods
对疗养院的评估通常是基于对大量多分类项目的问卷调查。在这样的背景下,潜在类(LC)模型代表了一个有用的工具,用于聚类对象在同质组对应于不同程度的损害的健康状况。众所周知,基于模型的聚类的性能和潜在类的数量的选择的准确性可能会受到不相关或噪声变量的存在的影响。在本文中,我们展示了一个项目选择算法的应用程序,收集的真实数据,名为ULISSE,在意大利养老院的老年患者的生活质量。该算法与Dean和Raftery在2010年提出的算法密切相关,旨在根据贝叶斯信息准则找到提供最佳聚类的项目子集。与此同时,它允许我们选择最佳数量的潜在类。鉴于ULISSE研究的复杂性,我们通过对初始项目子集的不同规格和重新设计程序进行敏感性分析,对结果进行验证。
2014-07-15 stat.AP
A Latent Variable Model with Change-Points and Its Application to Time Pressure Effects in Educational Assessment
提出一种带变点的潜在因子模型,通过扩展IRT同时估计项目参数、潜在特质和行为变化位置,有效降低时间压力导致的能力估计偏差,揭示高低风险测试中作答行为演变模式。
2025-05-05 stat.ME
Quantifying and Correcting Measurement Error in LLM-Generated Classifications: A Beta-Binomial Latent Class Model for Correlated Repeated Judgments
Google(谷歌)
针对LLM输出随机性导致的测量误差问题,提出一种贝叶斯潜在状态模型,将真实分类视为潜在变量并同时估计各项误差率与因果影响,为科学和商业应用提供准确可靠的测量框架。
2026-10-05 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
Latent Gaussian Processes for Distribution Estimation of Multivariate Categorical Data
多变量分类数据出现在机器学习的许多应用中。这些分类变量向量的主要困难之一是稀疏性。可能的观测值数量随着向量长度呈指数增长,但相比之下,数据集的多样性可能较差。最近的模型在使用这些数据的监督任务中获得了显着的改进。这些模型将观测嵌入连续空间中,以捕捉它们之间的相似性。基于这些想法,我们提出了一个贝叶斯模型的无监督任务的分布估计的多元分类数据。我们对从连续潜在空间的非线性变换生成的分类变量向量进行建模。非线性捕获分布中的多模态。连续表示解决稀疏性。我们的模型将许多现有的模型联系在一起,将线性分类潜在高斯模型,高斯过程潜在变量模型和高斯过程分类联系在一起。我们推导出我们的模型的基础上,最近的事态发展,抽样为基础的变分推断。我们的经验表明,该模型优于其线性和离散的稀疏数据的插补任务。
2015-03-07 stat.ML
Bayesian Plackett--Luce latent block models for ranked data
University College Dublin(都柏林大学学院);Rinn Artificial Intelligence(Rinn人工智能);University of Oslo(奥斯陆大学)
该研究提出了一种联合划分评估者与项目的贝叶斯Plackett-Luce潜在块模型,通过模拟验证其不确定性表征能力,将其应用于TCGA泛癌基因排序,揭示组织驱动的样本结构并支持生物学解释。
2026-07-30 stat.AP stat.CO 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
A Latent Variable Model for Response Times with Individual-Specific Change-Points
Lancaster University(兰卡斯特大学);Indian Institute of Technology Kanpur(坎普尔印度理工学院)
提出一种包含个体特异性变点的对数响应时间潜变量模型,通过边际最大似然估计参数,并利用后验分布量化个体变点位置的不确定性。
2026-05-27 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
Issue-Specific Polarization and Cohesion in a Multi-Party Legislature: Integrating the Latent Space Item Response Model with Topic-Based Regression
Yonsei University(延世大学)
本文提出了一种整合潜在空间项目响应模型与基于主题的回归的贝叶斯框架,用于分析多党制立法中议题特定的极化与凝聚,揭示了党派冲突的异质性及一维模型的局限性。
2026-09-22 stat.AP
Clustering South African households based on their asset status using latent variable models
阿金库尔卫生和人口监测系统自2001年以来进行了半年一次的家庭资产调查,以量化生活在南非东北部农村人口的家庭社会经济状况。该调查包含二进制,序数和名义项目。在没有收入或支出数据的情况下,研究人口中的SES景观进行了探索和描述,根据其资产状况将家庭聚类为同质组。基于隐变量模型,提出了一种基于模型的方法来聚类的阿金库尔家庭。在对二元或有序项建模的情况下,采用项目反应理论模型。对于名义调查项目,使用了一个因素分析模型,其性质类似于多项概率模型。这两种模型类型都有一个潜在的潜在变量结构--这种相似性被利用,模型被组合起来产生一个能够处理混合数据类型的混合模型。此外,混合模型的混合物被认为是在混合的二进制,有序和标称响应数据的上下文中提供聚类能力。该模型被称为混合数据混合因子分析器(MFA-MD)。MFA-MD模型适用于调查数据的Agincourt家庭聚类成同质组。该模型估计贝叶斯范式内,使用马尔可夫链蒙特卡罗算法。直观的分组结果,提供了对阿金库尔地区不同社会经济阶层的洞察力。
2014-07-31 stat.AP stat.ME
A Latent Topic Model with Markovian Transition for Process Data
我们提出了一个潜在的主题模型与马尔可夫转移的过程数据,其中包括记录在日志文件中的时间戳事件。这些数据越来越广泛地应用于以计算机为基础的教育评估中,其中包括复杂的问题解决项目。该模型可以看作是一个扩展的层次贝叶斯主题模型与隐马尔可夫结构,以适应考生的潜在状态的潜在演变。使用主题转移概率以及响应时间使我们能够捕捉考生的学习轨迹,使聚类/分类更有效。提出了一种前后向变分期望最大化(FB-VEM)算法来解决这一具有挑战性的计算问题。有用的理论性质建立在一定的渐近制度。该方法应用于2012年国际学生评估项目(PISA 2012)中的一个复杂问题解决项目。
2019-11-05 math.ST stat.AP stat.ME
A Non-parametric Bayesian Model for Detecting Differential Item Functioning: An Application to Political Representation in the US
本文提出在IRT模型中引入狄利克雷过程先验以自动检测差异项目功能,并通过对美国选民与立法者唱名表决偏好数据的分析,发现部分选民的潜在偏好与立法者不可直接比较,忽视该问题会误导政治代表性质量的判断。
2022-11-14 stat.AP
A statistical framework for dynamic cognitive diagnosis in digital learning environments
Centre for Health Informatics, Computing, and Statistics(健康信息学、计算与统计中心);Lancaster Medical School, Lancaster University(兰开斯特大学兰开斯特医学院)
本文提出一种基于受限潜在类模型的动态认知诊断模型,用于分析数字学习环境中学生随时间变化的技能掌握情况,通过日志数据联合估计Q矩阵和潜在技能特征,提高教育实践中的个体化诊断能力。
2026-09-02 stat.AP stat.ME
Equivalence Set Restricted Latent Class Models (ESRLCM)
本文提出等价集约束潜类别模型(ESRLCM),以更一般的方式识别具有共同项目响应概率的簇,并验证其可识别性及在模拟和实际应用中的有效性。
2024-06-05 cs.LG math.ST stat.ML
Optimal Sequential Recommendations: Exploiting User and Item Structure
University of California, Davis(加利福尼亚大学戴维斯分校);Massachusetts Institute of Technology(麻省理工学院)
研究在线推荐系统,提出一种同时利用用户和物品聚类结构的算法,并通过信息论下界证明其接近最优,揭示了仅使用单一结构的次优性。
2025-04-28 cs.IT cs.LG math.IT
Identifiability of Partial-Mastery Cognitive Diagnostic Models
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)
研究部分掌握认知诊断模型的可识别性,通过符号计算、实分析和代数统计工具,推导可识别性充分条件,证明局部属性可推出项目参数等的有限到一可识别,为该模型的估计和推断奠定理论基础。
2026-07-21 math.ST stat.TH
Investigating the 'old boy network' using latent space models
本文探讨了一组英国学校之间的机构联系的性质,其中包括很大比例的私立学校,可能会被认为是有助于“老男孩网络”。分析是基于双边确定的学校橄榄球联盟夹具网络。在确定这些装置的地理接近的首要重要性提供了一个空间的“地面真相”,对模型的性能进行评估。贝叶斯拟合的潜在位置集群模型被发现提供最佳的模型检查。这是用来证明各种方法,共同提供了一个一致的和微妙的解释影响社区和边缘形成的因素在网络中。同质性在费用和寄宿生的比例的影响被确定为显着的,有证据表明,这是由一个社区的学校寄宿生的比例最高,收取最高的费用,暗示的存在和性质的“老男孩网络”在机构层面。
2021-12-22 stat.AP
Mapping unobserved item-respondent interactions: A latent space item response model with interaction map
经典的项目反应模型假设所有具有相同难度的项目在具有相同能力的所有被调查者中具有相同的反应概率。然而,这些假设在实践中很可能会被违反,而且评估这些假设是否被违反并不简单,因为既没有观察到受访者的能力,也没有观察到项目的难度。一个例子是教育评估,其中存在未观察到的异质性,这是由未观察到的变量引起的,如文化背景和学生的教养,导师的质量和学生接受的其他形式的情感和专业支持,以及其他可能影响响应概率的未观察到的变量。为了解决这种违反假设,我们引入了一种新的潜在空间模型,它假设项目和受访者都嵌入在一个未观察到的度量空间中,正确响应的概率随着受访者和项目在潜在空间中的位置之间的距离而降低。由此产生的潜在空间的方法提供了一个互动地图,代表受访者和项目的互动,并有助于获得有见地的诊断信息的项目以及受访者。在实践中,这种互动地图使教师能够发现学生代表性不足的群体谁需要更多的支持比其他学生。我们提供了实证证据来证明所提出的潜在空间方法的实用性,以及模拟结果。
2020-11-16 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
A Regularised Latent-Class Item Response Model for Detecting Measurement Non-Invariance in Ordinal Response Scales
Lancaster University(兰卡斯特大学);Purdue University(普渡大学)
提出一种正则化潜在类别项目反应模型,通过ℓ1惩罚边际似然和EM算法检测有序量表上的差异项目功能,无需已知分组标签或锚定项目。
2026-06-05 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
The Geometry of Continuous Latent Space Models for Network Data
我们回顾了网络数据的连续潜在空间(统计)模型,特别注意潜在空间的几何形状的作用。在这些模型中,网络二元关系的存在/不存在被假定为有条件独立的二元?在潜在空间中未被观察到的位置。通过这种方式,这些模型提供了一个概率框架,用于将网络节点嵌入配备有几何形状的连续空间中,该几何形状便于描述随机二元关系之间的依赖关系。具体来说,这些模型自然地捕捉了同质倾向和三元聚类,以及观察到的网络的其他共同属性。除了从几何角度回顾连续潜在空间模型的文献外,我们还强调了潜在空间的几何形状对这些模型通过直觉和模拟产生的网络属性的重要作用。最后,我们讨论的结果,从谱图理论,使我们能够探索的潜在空间的几何形状的作用,独立于网络的大小。最后,我们将讨论如何使用这些结果来从观察到的网络中推断出适当的潜在空间几何形状。
2019-03-25 cs.SI stat.ME
Geometric Model Selection for Latent Space Network Models: Hypothesis Testing via Multidimensional Scaling and Resampling Techniques
University of Kentucky(肯塔基大学)
本文提出了一种通过多维标度和重采样技术进行假设检验的方法,用于选择潜在空间网络模型的几何结构,以提高对大规模和稀疏网络的拟合效果。
2026-02-04 stat.ME
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
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
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
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
A Fused Latent and Graphical Model for Multivariate Binary Data
我们考虑分析多元二进制数据的建模,推理和计算。我们提出了一个新的模型,由一个低维的潜变量组件和稀疏的图形组件。我们的研究是出于对认知评估中的项目反应数据的分析,并已应用到许多学科的项目反应数据收集。认知评估中项目反应数据的标准方法采用多维项目反应理论(IRT)模型。然而,人类认知通常是一个复杂的过程,因此可能无法通过几个因素充分描述。因此,一个低维的潜在因素模型,如多维IRT模型,往往不足以捕捉数据的结构。该模型增加了一个稀疏的图形组件,捕捉剩余的特设依赖。当图形成分退化时,它简化为一个多维IRT模型。通过构造一个伪似然函数和适当选择惩罚项,同时进行模型选择和参数估计。伪似然函数的凸性使我们能够开发出一种有效的算法,而惩罚项生成一个低维的潜在成分和稀疏的图形结构。在适当的正则条件下建立了理想的理论性质。该方法适用于修订后的艾森克人格问卷,揭示其有用的项目分析。仿真结果表明,该方法在实际应用中效果良好。
2016-06-29 stat.ME
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
DIF Analysis with Unknown Groups and Anchor Items
针对比较组与锚题均未知的 DIF 分析问题,本文提出结合潜在类别模型与 L1 正则化的统一统计框架,并用 EM 算法同时识别潜在分组和 DIF 项目。
2023-11-19 stat.AP stat.ME
Sensitivity Bounds and Conservative Inference for Contagion under Latent Homophily
Williams College(威廉姆斯学院)
针对固定时间网络数据中传染效应与同质性难以区分的问题,提出基于选择偏差的敏感性分析框架,通过非参数界将传染识别转化为潜在同质性强度问题,并应用于2008年美国众议院TARP投票分析。
2026-09-11 stat.AP stat.ME
Mapping food insecurity in the Brazilian Amazon using a spatial item factor analysis model
提出空间项目因子分析模型捕捉空间依赖性,预测巴西亚马逊地区粮食不安全潜在因子并识别热点,为政策制定提供更强工具。
2025-07-11 stat.ME
DIF Statistical Inference without Knowing Anchoring Items
针对DIF分析中锚题未知导致潜在特质分布难识别、现有方法难以保证有效推断的问题,提出基于MIMIC模型和最小L1范数条件的方法,实现无锚题先验下的DIF效应估计、不确定性量化与I类错误控制。
2023-01-11 stat.AP 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
Identifying the latent space geometry of network models through analysis of curvature
一种常见的建模网络的方法是将每个节点分配到低维流形上的一个位置,其中距离与连接可能性成反比。更积极的流形曲率鼓励更多和更紧密的社区;负曲率导致排斥。我们一贯估计流形的类型,尺寸和曲率从简单连接,完整的黎曼流形的常曲率。我们表示的图形作为一个嘈杂的距离矩阵的基础上集团之间的关系,然后开发假设检验,以确定是否可以considerably等距嵌入在每个候选的几何形状所观察到的距离。我们将我们的方法应用于经济学和神经科学的数据集。
2022-12-30 cs.SI math.GT stat.AP
Invariance of Comparisons: Separation of Item and Person Parameters beyond Rasch Models
Rasch模型是常用的潜在特质模型中最突出的成员。主要原因是,它可以被视为一种测量模型,允许分离的人和项目参数,一个功能,被称为比较或特定客观性的不变性。结果表明,该属性是不是一个独特的性状的Rasch型模型,但也发现在替代的潜在性状模型。区分理论测量模型中的可分性和经验可分性,经验可分性意味着可以在不参考其他参数组的情况下估计参数。一种新的类型的成对估计与此属性的建议,也可以用于替代模型。可分离性在二元模型和多元模型中都被考虑。
2023-01-08 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
Causal inference for social network data
我们描述了半参数估计和推理的因果关系的观察数据,从一个单一的社会网络。我们的渐近结果是第一次允许依赖于越来越多的其他单位的样本量的增加,每个观察。此外,虽然以前的方法已经隐含地允许只有一个两个可能的来源之间的依赖关系的社会网络的观察,我们允许依赖由于跨网络的关系和依赖的信息传输由于节点之间的潜在相似性共享关系。我们提出了新的因果效应,特别是在社会网络环境中的利益,如网络关系和网络结构的干预措施。我们用我们的方法重新分析一个有影响力和有争议的研究,估计因果同伴效应的肥胖使用社交网络数据从心脏研究;占网络结构后,我们没有发现因果同伴效应的证据。
2022-06-01 math.ST stat.ME stat.TH
Evaluation of student proficiency through a multidimensional finite mixture IRT model
在某些学术系统中,学生可以在教学期结束后立即报名参加考试,或者可以将其推迟到任何稍后的考试时段,以便在不尝试考试之前,分数会丢失。我们提出了一种方法,在itinere的学生的熟练会计也为非尝试性考试的评价。该方法基于将每一次考试视为一个项目,因此对项目的反应相当于尝试考试,并且基于项目反应理论模型,该模型包括与学生的能力和尝试考试的倾向相对应的两个潜在变量。假设这两个潜在变量具有离散分布,其定义了在能力和分配给考试的优先级方面均质的学生的潜在类。该模型还允许在其结构部分中使用单个协变量,并通过期望最大化算法进行拟合。通过对佛罗伦萨大学(意大利)经济学院大一新生考试数据的分析,说明了这种方法。
2016-09-21 stat.ME
Endogeneity-Aware Cognitive Diagnostic Model for Multidomain Ordinal Assessments
Sun Yat-sen University(中山大学);University of Hong Kong(香港大学)
针对传统认知诊断模型无法表征多域潜在属性定向依赖的问题,提出内生性感知认知诊断模型EACDM,通过联合估计实现更准确的属性关系分析,在模拟与帕金森病数据中验证了其有效性。
2026-08-12 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
Estimating Causal Peer Influence in Homophilous Social Networks by Inferring Latent Locations
本文针对潜在同质性导致社会影响难以从观测网络数据中识别的问题,证明在随机块模型或连续潜在空间模型下,利用全局网络结构估计潜在属性后,可在线性模型中一致估计同伴影响效应。
2021-06-17 cs.SI physics.soc-ph stat.ME
Identifiability of Latent Space Network Models on Anisotropic Thurston Geometries
Yale University(耶鲁大学);The Wharton School, University of Pennsylvania(宾夕法尼亚大学沃顿商学院)
研究非乘积非等曲率三维几何中潜在空间网络模型的可辨识性,提出锚点消除等距模糊,证明有向连边可一阶检测几何,耦合模型优于排序模型。
2026-09-10 physics.soc-ph stat.CO stat.ME
Radial Neighborhood Smoothing Recommender System
Department of Statistics and Bioinformatics and Computational Biology Program(统计学与生物信息学及计算生物学项目部);School of Mathematical Sciences and Center for Statistical Science(数学科学学院和统计科学中心)
提出径向邻域估计器(RNE),通过观测矩阵行列距离近似潜在空间距离并结合局部核回归平滑,提升推荐插补精度并缓解冷启动问题。
2025-07-14 cs.LG stat.AP stat.ME
Bayesian Latent Class Regression and Variable Selection with Applications to Sleep Patterns Data
Trinity College Dublin(都柏林三一学院)
本文提出了一种贝叶斯潜在类别回归方法,用于识别儿童睡眠问题的潜在亚组,并通过变量选择提高模型准确性。
2025-12-16 stat.AP stat.CO stat.ME