Modelamiento del parámetro de habilidad en modelos de Teoría de Respuesta al Ítem (TRI) logísticos para variables ordinales
Type
Trabajo de grado - Maestría
Document language
EspañolPublication Date
2010Metadata
Mostrar registro completoSummary
Los modelos de teoría de respuesta al ítem permiten definir una escala para variables que en principio no pueden ser medidas directamente. En este trabajo se presenta una propuesta para definir de forma empírica los diferentes puntos de corte de los niveles de desempeño para el procedimiento de anclaje de la escala propuesto por Beaton y Allen (1992) a partir de los parámetros de los ítems que la conforman; además, se presentan el modelamiento y estimación conjunta de la variable latente (habilidad) como una función lineal de un conjunto de covariables para modelos de respuesta al ítem para items de respuesta dicótoma y para items de respuesta ordinal. La identificabilidad y la estimación máximo-verosímil de los parámetros son abordados para cada uno de los modelos propuestos, y se presentan recomendaciones para el modelamiento del parámetro de habilidad en contextos aplicados teniendo en cuenta las limitaciones y las características encontradas para los modelos analizados. / Abstract: Item response models allow an unobservable latent variable (ability) to be scaled. In this document an empirical method to obtain anchoring levels (Beaton and Allen, 1992) to give substantive interpretation to a scale is proposed, and models that allow jointly considering the item response model and a structural linear model for ability are presented for both dichotomous and ordinal item responses. Identifiability and maximum likelihood estimation are discussed for all models and the findings and limitations encountered are used to guide the applied use of these models.Keywords
Teoría de Respuesta al Ítem ; Modelo de Respuesta Graduada ; Modelamiento de la habilidad ; Regresión latente ; Modelos lineales y no lineales mixtos generalizados / Item Response Theory ; Graded Response Model ; Modeling abilities ; Latent regression ; Generalized Linear and Non-linear Mixed Models ;
Collections
Exceto quando indicado o contrário, a licença deste item é descrito como Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit