文献

J-GLOBAL ID：202002259894778625   整理番号：20A0069716

一般化部分クレジットモデルの完全Bayes実装と国際障害調査への応用【JST・京大機械翻訳】

A full Bayesian implementation of a generalized partial credit model with an application to an international disability survey

著者 (6件)： Sahu Sujit K. (University of Southampton, UK) ,  Bass Mark R. (University of Southampton, UK) ,  Sabariego Carla (Swiss Paraplegic Research, Nottwil, and University of Lucerne, Switzerland) ,  Cieza Alarcos (World Health Organization, Geneva, Switzerland) ,  Fellinghauer Carolina S. (Swiss Paraplegic Research, Nottwil, Switzerland) ,  Chatterji Somnath (World Health Organization, Geneva, Switzerland)
資料名： Journal of the Royal Statistical Society. Series C. Applied Statistics  (Journal of the Royal Statistical Society. Series C. Applied Statistics)
巻： 69  号： 1  ページ： 131-150  発行年： 2020年 
JST資料番号： A0430A  ISSN： 0035-9254  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 一般化部分信用モデル(GPCM)は,アイテム応答理論を用いる健康および医学における多くの応用において普遍的である。このような多項応答モデルは,試験装置の有効性を試験するために,個々の潜在的特性を評価し,予測することから,項目を順序付けするのに非常に多くの用途を持っている。完全Bayesフレームワークにこれらのモデルを実装することにより,効率的なSTANソフトウェアパッケージに実装されたMarkov連鎖モンテカルロ法の使用を通して計算され,本論文はGPCMの完全推論能力を利用した。GPCMは,回帰と項目パラメータの同時推定を可能にする説明共変量効果を含む。Fisher情報基準を用いてアイテムをランク付けするためのBayes法をMarkov連鎖モンテカルロサンプリングを用いて実行した。これにより,文献において利用されていない新しい方法において,アイテム特異的Fisher情報基準の事後予測分布を計算することにより,推論における不確実性を完全に伝搬させ,不確実性を確認することができる。最後に,関連するBayes予測分布を近似することにより,新しい個体の潜在的特性スコアを予測するための新しいモンテカルロ法を提案した。世界保健機関と世界銀行によってSri Lankaで行われたモデル障害調査からのデータを用いて,この方法を説明した。提案したアプローチは,環境および社会経済因子によって説明できる障害のすべての側面に対する同時モデルベース推論を提供することを示した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 等級づけ ,  試験装置 ,  モデリング ,  不確実性 ,  モンテカルロ法 ,  *Markov連鎖 ,  有効性 ,  世界保健機関 ,  教育 ,  プログラムパッケージ
準シソーラス用語： 社会経済 ,  Bayes法 ,  共変量 ,  同時推定 ,  MCMC , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes法 ,  教育試験 ,  階層的モデリング ,  項目ランキング ,  項目応答理論

分類 (1件)： システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： 一般化 ,  クレジット ,  モデル ,  実装 ,  障害 ,  調査 ,  応用