1656011662

Boosting-Techniken zur Modellierung itemmodifizierender Effekte : Eine Erweiterung klassischer Item-Response-Modelle / von Moritz Berger

Deutsch

Wiesbaden : Springer Spektrum, 2015

Online-Ressource (IX, 125 S. 45 Abb, online resource)

Description based upon print version of record

Druckausg.: Berger, Moritz: Boosting-Techniken zur Modellierung itemmodifizierender Effekte. - Wiesbaden : Springer Spektrum, 2015. - VIII, 125 S.

978-3-658-08705-0

Weitere Ausgaben: 978-3-658-08704-3 (Druckausgabe)

DOI: 10.1007/978-3-658-08705-0

Item-Response-Modelle in Form logistischer RegressionsmodelleModellierung von Differential Item Functioning -- Regularisierung mithilfe von Boosting-Verfahren.

*Mathematical statistics ; Psychological tests and testing ; Psychometrics ; Statistics ; Psychology—Methodology. ; Psychological measurement. ; Statistics ; Mathematical statistics ; Psychological tests and testing ; Psychometrics

Klassifikation der Library of Congress: QA276-280

Dewey Dezimal-Klassifikation: 519.5;

Regensburger Verbund-Klassifikation: CS 1500: CL-CZ Psychologie / CS Diagnostik / Testtheorie

Book Industry Communication: PBT

bisacsh: MAT029000

Item-Response-Modelle in Form logistischer Regressionsmodelle -- Modellierung von Differential Item Functioning -- Regularisierung mithilfe von Boosting-Verfahren.

Moritz Berger beschäftigt sich mit einer Erweiterung des klassischen binären Rasch-Modells, mit der es möglich ist, Unterschiede zwischen Personen aus unterschiedlichen Subgruppen bei der Beantwortung von Testitems zu berücksichtigen. Das binäre Rasch-Modell findet Anwendung in der Psychometrie bei der Auswertung von Intelligenztests. Grundannahme dieses Modells ist, dass die Schwierigkeit eines Testitems für alle Personen mit derselben Fähigkeit exakt gleich ist, was jedoch oftmals nicht der Fall ist. Das vorgestellte, erweiterte Modell wird mithilfe von Boosting-Verfahren geschätzt. Auf Basis von Simulationen und echten Datenbeispielen wird die Güte der Modelle und des Schätzverfahrens gründlich untersucht und Grenzen der Methoden aufgezeigt. Der Inhalt Item-Response-Modelle in Form logistischer Regressionsmodelle Modellierung von Differential Item Functioning Regularisierung mithilfe von Boosting-Verfahren Die Zielgruppen Dozierende und Studierende der Bereiche Psychologie, Statistik und Mathematik Fachkräfte im Bereich Psychologie und der Auswertung psychologischer Tests Der Autor Moritz Berger studierte an der LMU München Statistik und arbeitet derzeit am dortigen Institut für Statistik als wissenschaftlicher Mitarbeiter am Seminar für angewandte Stochastik. Hauptsächlich beschäftigt er sich bei seiner Tätigkeit mit Regressionsproblemen in hochdimensionalen Datenstrukturen. .

Vervielfältigungen (z.B. Kopien, Downloads) sind nur von einzelnen Kapiteln oder Seiten und nur zum eigenen wissenschaftlichen Gebrauch erlaubt. Keine Weitergabe an Dritte. Kein systematisches Downloaden durch Robots.

https://doi.org/10.1007/978-3-658-08705-0 [E-books (Springer)]