fprのみなさま 土曜日に行動計量シンポジウムがありました。 参加者はあまり多くありませんでしたが、Native Japnanese SpeakerではないBrian Junkerのために、質疑応答を含め、全て英語で行ないました。また、それにこたえてJunkerさんも全ての発表に意見を言ってくれました。 "ふらりと”来てくださったような方もあり、ありがとうございました。先のメールで、"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。”と言う意味不明のことを書いてしまいましたが、ベイズ流の性格の濃いシンポジウムなので、専門外の方には違和感のある方もいるかという心配ゆえでした。しかし、先日、朝日新聞の日曜版でベイズ流統計学の紹介があったように、ベイズの考え方もあまり違和感のないものになっているのかもしれません。 さて、今日のメールの目的は、先日の案内で、高木さん達の発表と紺谷さん達の発表のアブストラクトが逆になっていましたので訂正させていただくことです。下記に正しいアブストラクトを書いておきます。 お詫びして訂正いたします。 繁桝@東大駒場 *テーマ：* 「計量心理モデルの数理統計学的吟味」 _________________________________________________ Bayesian Item Response Theory Brian W Junker 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) 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。 _________________________________________________________ Interval estimation based on normalizing transformation --- Unmonotonizing vs monotonizing Yukihiro Konya, Yasutaka Shimizu 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. _____________________________________________________________ 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。 ＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿ -- Kazuo Shigemasu <kshige (at) bayes.c.u-tokyo.ac.jp>
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。