Discrimination, difficulty, and inf

Discrimination, difficulty, and information
We ran a graded-response polytomous model (which is analogous to a 2PLM for dichotomous outcomes) on the 12 Dirty Dozen items while allowing items to load on their respective latent subscales (dimensions). The discrimination (a) and difficulty (bs) parameters from these models appear in Table 2.

Across samples, the 12 items had as ranging from 0.74 to 2.34, which suggested the items adequately discriminated among people along their respective latent traits.

The eight (Sample 1) or six (Sample 2) difficulty parameters for each item (bs) suggested that DTDD items tended to be ‘‘difficult’’ to endorse on average, perhaps because each trait is considered socially undesirable.

Narcissism items were easier to endorse, given the negative-to-positive crossover point in the difficulty parameters was near the midpoint of the latent variable; however, psychopathy and Machiavellianism items were more difficult to endorse across both samples.




The corresponding scale information curves (SICs) for each subscale are overlaid in Fig. 1. Because SICs are an additive function of the number of items contributing to a given scale, they are impressive given that each subscale has only four items. Table 3 shows the total information (area under the curve—AUC) for each SIC for each subscale, and the total information per item. Recall that information in IRT is related to reliability in CTT. This relationship was confirmed in both samples: mean interitem correlations (MICs in Table 2) were correlated with SIC AUCs from the three subscales, rs(1) = .999 and .947 in Sample 1 and 2, respectively.

ผลลัพธ์ (ไทย) 1:

เลือกปฏิบัติ ยาก และข้อมูลเราวิ่งแบบจำลองการตอบสนองอย่างช้า ๆ polytomous (ซึ่งคล้ายกับ 2PLM ผลนาน) สินค้าโหลสกปรก 12 ยังช่วยให้รายการที่จะโหลดบน subscales ของพวกเขาเกี่ยวข้องแฝง (มิติ) การเลือกปฏิบัติ (a) และพารามิเตอร์ความยากลำบาก (bs) จากรุ่นเหล่านี้ปรากฏในตารางที่ 2 ในกลุ่มตัวอย่าง 12 รายการมีเป็นถึง 0.74 2.34 ซึ่งได้รับการแนะนำสินค้า discriminated คนตามลักษณะแฝงของพวกเขาเกี่ยวข้องอย่างเพียงพอ แปด (ตัวอย่าง 1) หรือ 6 (ตัวอย่าง 2) ยากพารามิเตอร์สำหรับแต่ละรายการ (bs) แนะนำว่า DTDD สินค้ามีแนวโน้มจะ ''ยาก '' ให้ความเห็นชอบโดยเฉลี่ย อาจเนื่องจากแต่ละลักษณะที่ถือว่าสังคมไม่พึงปรารถนา รายการที่หลงตัวเองได้ง่ายขึ้นให้ความเห็นชอบ ให้ไขว้ลบบวก จุดในพารามิเตอร์ความยากลำบากใกล้จุดกึ่งกลางของตัวแปรแฝง อย่างไรก็ตาม psychopathy และ Machiavellianism รายการได้ยากต่อการสนับสนุนในกลุ่มตัวอย่างทั้งสองสอดคล้องระดับข้อมูลเส้นโค้ง (SICs) สำหรับแต่ละ subscale จะวางซ้อนอยู่ในรูปที่ 1 เนื่องจาก SICs มีฟังก์ชันการรวมของหมายเลขของสินค้าที่เอื้อต่อการกำหนดสเกล พวกเขาจะประทับใจที่มี subscale แต่ละรายการที่ 4 เท่านั้น ตารางที่ 3 แสดงข้อมูลทั้งหมด (พื้นที่ภายใต้โค้ง — AUC) สำหรับแต่ละ SIC subscale แต่ละ และข้อมูลทั้งหมดต่อสินค้า เรียกว่า ข้อมูลใน IRT จะเกี่ยวข้องกับความน่าเชื่อถือใน CTT ความสัมพันธ์นี้ได้รับการยืนยันในสองตัวอย่าง: หมายถึง ความสัมพันธ์ interitem (ไมโครโฟนในตารางที่ 2) มีความสัมพันธ์กับ SIC AUCs จาก subscales 3, rs(1) =.999 และ.947 ในตัวอย่าง 1 และ 2 ตามลำดับ

ผลลัพธ์ (ไทย) 2:

การเลือกปฏิบัติความยากลำบากและข้อมูลที่
เราวิ่งช้า ๆ การตอบสนองรูปแบบพหุวิภาค (ซึ่งจะคล้ายคลึงกับ 2PLM สำหรับผล dichotomous) เมื่อวันที่ 12 รายการสกปรกโหลขณะที่ช่วยให้รายการที่จะโหลดบน subscales แฝงของตน (ขนาด) เลือกปฏิบัติ (ก) และความยากลำบาก (BS) พารามิเตอร์จากแบบจำลองเหล่านี้จะปรากฏในตารางที่ 2

ข้ามตัวอย่าง 12 รายการได้เป็นตั้งแต่ 0.74-2.34 ซึ่งแนะนำรายการที่เลือกปฏิบัติอย่างเพียงพอในหมู่คนพร้อมลักษณะแฝงของตน.

แปด ( ตัวอย่าง 1) หรือหก (ตัวอย่างพารามิเตอร์ 2) ความยากลำบากสำหรับแต่ละรายการ (BS) ชี้ให้เห็นว่ารายการ DTDD มักจะเป็น '' ยาก '' ที่จะรับรองโดยเฉลี่ยบางทีอาจเป็นเพราะแต่ละลักษณะที่ถือว่าเป็นที่ไม่พึงประสงค์ต่อสังคม.

รายการหลงตัวเองได้ง่ายขึ้นในการรับรอง กำหนดจุดครอสโอเวอร์ในเชิงลบต่อการเชิงบวกในพารามิเตอร์ความยากลำบากอยู่ใกล้จุดกึ่งกลางของตัวแปรแฝง; แต่โรคจิตและ Machiavellianism รายการเป็นเรื่องที่ยากมากที่จะรับรองทั่วทั้งตัวอย่าง.




ที่สอดคล้องโค้งข้อมูลขนาด (หัวเราะคิกคัก) สำหรับแต่ละ subscale หนักหน่วงในรูป 1. เพราะหัวเราะคิกคักเป็นฟังก์ชั่นของสารเติมแต่งจำนวนรายการที่เอื้อต่อการได้รับขนาดที่พวกเขาเป็นที่น่าประทับใจที่ได้รับในแต่ละ subscale มีเพียงสี่รายการ ตารางที่ 3 แสดงข้อมูลรวม (พื้นที่ใต้โค้ง AUC) สำหรับแต่ละ SIC สำหรับแต่ละ subscale และข้อมูลทั้งหมดต่อรายการ จำข้อมูลใน IRT มีความเกี่ยวข้องกับความน่าเชื่อถือใน CTT ความสัมพันธ์นี้ได้รับการยืนยันในตัวอย่างทั้งสองหมายถึงความสัมพันธ์ interitem (MICs ในตารางที่ 2) มีความสัมพันธ์กับ SIC AUCS จากสาม subscales อาร์เอส (1) = 0.999 และ 0.947 ในกลุ่มตัวอย่างที่ 1 และ 2 ตามลำดับ

ผลลัพธ์ (ไทย) 3:

ค่าอำนาจจำแนก ความยากง่ายและข้อมูลเราวิ่งคะแนนการตอบสนองแบบหญิง ( ซึ่งคล้ายคลึงกับ 2plm สำหรับผลไดโคโตมัส ) รายการ 12 โหลสกปรกในขณะที่ให้รายการที่จะโหลดในนั้นแฝงของตน ( มิติ ) ค่าอำนาจจำแนก ( ) และค่าความยาก ( BS ) พารามิเตอร์จากโมเดลเหล่านี้ปรากฏในตารางที่ 2ในตัวอย่าง 12 รายการมีตั้งแต่ 0.74 ถึง 2.34 ซึ่งแนะนำรายการจำแนกตามลักษณะแฝงอย่างเพียงพอท่ามกลางชนชาติของตน8 ตัวอย่าง ( 1 ) หรือ 6 ( ตัวอย่าง 2 ) ค่าพารามิเตอร์ความยากสำหรับสินค้าแต่ละรายการ ( BS ) แนะนำว่า dtdd รายการมีแนวโน้มที่จะ ' 'difficult ' ' สนับสนุนเฉลี่ย เพราะบางทีแต่ละลักษณะ ถือว่าเป็นคนที่สังคมรังเกียจรายการตัวเองเป็นเรื่องง่ายที่จะสนับสนุนให้ลบจุดครอสโอเวอร์เป็นบวกในปัญหาพารามิเตอร์อยู่ใกล้จุดกึ่งกลางของตัวแปรแฝง อย่างไรก็ตาม รายการซึ่งมีเล่ห์เหลี่ยมได้ยากกว่า โรคจิต และสนับสนุนในทั้งสองตัวอย่างที่ขนาดข้อมูลเส้นโค้ง ( SICS ทำไม ) สำหรับแต่ละ ( มีหุ้มในรูปที่ 1 . เพราะ SICS ทำไมเป็นเสริมการทำงานของจำนวนรายการที่เอื้อต่อการระบุขนาด พวกเขาจะประทับใจที่ได้รับแต่ละ ( มีเพียงสี่รายการ ตารางที่ 3 แสดงข้อมูลทั้งหมด ( พื้นที่ใต้เส้นโค้งยา ) แต่ละ sic แต่ละ ( และรวมข้อมูลต่อรายการ เรียกคืนข้อมูลที่ 1 เกี่ยวข้องกับความน่าเชื่อถือในทั่วโลก . ความสัมพันธ์นี้ได้รับการยืนยันในทั้งสองตัวอย่าง : หมายถึง interitem ความสัมพันธ์ ( ไมค์ในตารางที่ 2 ) มีความสัมพันธ์กับ SIC aucs จากสามโดย RS ( , 1 ) = 0.999 . . . 947 ในตัวอย่างที่ 1 และ 2 ตามลำดับ