fprのみなさｍ
もう明日のことになってしまいました。
明日、午後1時より、東大駒場キャンパスで、第90回の行動計量シンポジウムが
あります。
事前登録など必要ありませんので、当日ふらりとお出かけください。ふらりと言っ
ても内容は濃いものですから、口当たりはよくないかもしれません。
先に概要をお知らせしましたが、ここの発表者のアブストラクトをお知らせしま
す。
*テーマ：* 「計量心理モデルの数理統計学的吟味」
*日 時：* 2008年3月8日（土）13:00から
*場 所：*
東京大学教養学部数理科学研究棟地下一階大講義室
_________________________________________________
Bayesian Item Response Theory
Brian W Junker
Department of Statistics
Carnegie Mellon University
Pittsburgh PA 15213 USA
brian (at) stat.cmu.edu
Item response theory (IRT) is arguably the most successful modern
psychometric model. It is incorporated in many large scale
standardized testing programs either as a scoring method, as a quality
control/scaling tool during test development, as an equating or CAT
tool, etc., etc. It has seen more limited but still successful use in
smaller scale settings. Since at least the publication of Lord &
Novick's text with the famous section on IRT by Birnbaum 40 years ago,
our understanding of IRT models, and our ability to apply them in
practical testing situations, has been increasingly enhanced by the
recognition of the mathematical similarities between IRT (and latent
variable models generally) and Bayesian statistics. Today, new, novel
applications and modifications of IRT depend critically on an
understanding Bayesian model specification and Bayesian computation,
applied in the IRT framework. Yet, there is also evidence that
application problems are becoming so large that a Bayesian approach
may soon no longer be feasible. What will replace Bayesian
computation for IRT and relate models in psychometrics?
In this talk I will review the history and present of applied Bayesian
statistics in IRT modeling, and speculate on some of the directions
that computation for IRT modeling may be heading. I will illustrate
with some of my own work, and indicate some of the very significant
contributions of others to this important area.
_________________________________________________________________________
Elimination of factor indeterminacy in time series factor analysis
Keiji Takai and Yutaka Kano (Osaka University)
In interval estimations, when a Studentized statistic follows asymptotically
the standard normal distribution,
approximations of the distribution of the statistic to the standard normal
is available.However, these intervals based on this normal approximation
could have large coverage error.Although we can use normalizing
transformations for decreasing coverage error of intervals,
there is a problem in interval estimation by these transformation.
We discuss solutions to this problem.
_________________________________________________________
Interval estimation based on normalizing transformation
--- Unmonotonizing vs monotonizing
Yukihiro Konya, Yasutaka Shimizu and Yutaka Kano (Osaka University)
系列因子分析における因子不確定性の消滅について発表する。
時系列因子分析のモデルでは、従来の因子分析と同様に因子の不確
定性が存在する。パラメタが既知の場合と推定される場合に、この
不確定性が消滅する定理を示す。
_____________________________________________________________
A Bayesian approach towards multidimensional scaling
Kensuke Okada and Kazuo Shigemasu (The University of Tokyo)
＿ベイズ推定による多次元尺度構成法は、(1)ストレス(二乗誤差)を小さくできる
(2)標準誤差を得られる (3)モデル選択に基づく次元数選択が可能になる、など
よい性質が多いことが知られている。本研究では、確認的方法を含めた
ベイズ多次元尺度構成法の発展的な研究を報告する。
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
A Bayesian semiparametric item response models with Dirichlet process
priors
Kei Miyazaki, Takahiiro Hoshino and Kazuo Shigemasu (The University
of Tokyo)
本研究ではディリクレ過程混合モデルを仮定したセミパラメトリックな項目反応
理論 モデルを提案する。本手法は単調非減少な任意の項目特性曲線を表現でき、また
一般的な推定法に必要な混合要素数の仮定が不要な、セミパラメトリック推定が
可能となる。
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
繁桝算男
ここは心理学研究の基礎メーリングリストに投稿された過去の記事を掲載しているページです。