在TAM中实现ConQuest评分命令

Question

在IRT软件ConQuest中，您可以使用命令"score“来使用相同的显式变量/原始数据，但使用不同的编码来建模多维/潜在变量。例如：

score (1,2,3) (0,1,2) (0,1,0) ! items(1-3);

“重新编码”最初的分数从1到3的0，1和2的第一维度和0，1，0的第二维度(潜在变量)。

您知道如何在R包TAM (使用lavaan语法或其他方式)中实现相同的功能吗？我在试着做PCM分析。

非常感谢，提前！

KH

Answer 1

我在这里没有得到任何答复，但我联系了TAM软件包的作者Alexander Robitzsch，下面是他发送给我的内容(经他的许可发布)：

data(data.gpcm)
psych::describe(data.gpcm)
resp <- data.gpcm

# define three dimensions and different loadings
# of item categories on these dimensions
I <- 3  # 3 items
D <- 3  # 3 dimensions

# define loading matrix B
# 4 categories for each item (0,1,2,3)
B <- array( 0 , dim=c(I,4,D) )
for (ii in 1:I){
    B[ ii , 1:4  , 1 ] <- 0:3
    B[ ii , 1 ,2 ] <- 1
    B[ ii , 4 ,3 ] <- 1
            }
dimnames(B)[[1]] <- colnames(resp)
B[1,,]
  ##   > B[1,,]
  ##        [,1] [,2] [,3]
  ##   [1,]    0    1    0
  ##   [2,]    1    0    0
  ##   [3,]    2    0    0
  ##   [4,]    3    0    1

# test run
mod1 <- tam.mml( resp , B = B , control=list( snodes=1000 , maxiter=5)  )
summary(mod1)

当然，为了满足我的需要，我不得不编辑代码，但您可能特别感兴趣:出于某种原因，B矩阵只有在我也定义了0类别时才能工作，尽管我的评级/数据只包含1到5之间的值：

B <- array( 0 , dim=c(9,6,5) ) # 9 items, 5 response cat. + 1, 5 latent dimensions
for (ii in 1:I){
  B[ ii , 1:6  , 1 ] <- 0:5
  B[ ii , 2 ,2 ] <- 1
  B[ ii , 2 ,3 ] <- 1
  B[ ii , 6 ,3 ] <- 1
  B[ ii , 6 ,4 ] <- 1
  B[ ii , 4 ,5 ] <- 1
}

dimnames(B)[[1]] <- colnames(X)
B[1,,]

干杯，KH

Answer 2

作为对TAM的上述答案的扩展，这里是如何使用mirt包运行相同的代码，除了使用广义的部分信用模型而不是Rasch模型(Rasch模型需要一个明确的模型参数来进行正确的识别)。

library(mirt)
gpcm_mats <- list(B[1,,], B[2,,], B[3,,])
sv <- mirt(resp, 3, itemtype = 'gpcm', 
           gpcm_mats = gpcm_mats, pars = 'values') #starting values
mod <- mirt(resp, 3, itemtype = 'gpcm', gpcm_mats = gpcm_mats)
coef(mod, simplify=TRUE)