Autoencoded sparse Bayesian in-IRT factorization, calibration, and amortized inference for the Work Disability Functional Assessment Battery

要約

作業障害機能評価バッテリー (WD-FAB) は、項目バンクへの応答に基づいて、作業関連の精神的および身体的機能を評価するために設計された多次元項目応答理論 (IRT) 手段です。
以前の反復では、従来の手段を使用して開発されました。項目の分割/選択のための線形因数分解と帰無仮説統計テスト、そして最後に、互いに素な 1 次元 IRT モデルの事後キャリブレーションです。
その結果、WD-FAB は、他の多くの IRT 機器と同様に、ポストホック モデルです。
探索的因子分析に基づくその項目の分割は、最終的な非線形 IRT モデルに対してブラインドであり、最終モデルへの適合度と一致する方法で実行されません。
この原稿では、次の同時タスクを首尾一貫して実行するためのベイジアン階層モデルを開発します: スケール分解、項目選択、パラメーター識別、および応答スコアリング。
この方法では、スパース性に基づく収縮を使用して、多次元 IRT モデルの開発に通常必要とされる線形因子分解と帰無仮説の統計テストを不要にし、アイテムの分割が最終的な非線形因子モデルと一致するようにします。
また、多次元 IRT モデルを確率的オートエンコーダーに類推し、アイテム応答からの能力パラメーターの推論を償却するエンコーダー関数を指定します。
エンコーダ関数は、モデル全体の近似ベイジアン推論に使用する確率的変分ベイジアン期待値最大化 (VBEM) 手順の「VBE」ステップに相当します。
WD-FAB 項目応答のサンプルに対してこの方法を使用し、結果の項目弁別を従来の事後法を使用して得られた項目と比較します。

要約(オリジナル)

The Work Disability Functional Assessment Battery (WD-FAB) is a multidimensional item response theory (IRT) instrument designed for assessing work-related mental and physical function based on responses to an item bank. In prior iterations it was developed using traditional means — linear factorization and null hypothesis statistical testing for item partitioning/selection, and finally, posthoc calibration of disjoint unidimensional IRT models. As a result, the WD-FAB, like many other IRT instruments, is a posthoc model. Its item partitioning, based on exploratory factor analysis, is blind to the final nonlinear IRT model and is not performed in a manner consistent with goodness of fit to the final model. In this manuscript, we develop a Bayesian hierarchical model for self-consistently performing the following simultaneous tasks: scale factorization, item selection, parameter identification, and response scoring. This method uses sparsity-based shrinkage to obviate the linear factorization and null hypothesis statistical tests that are usually required for developing multidimensional IRT models, so that item partitioning is consistent with the ultimate nonlinear factor model. We also analogize our multidimensional IRT model to probabilistic autoencoders, specifying an encoder function that amortizes the inference of ability parameters from item responses. The encoder function is equivalent to the ‘VBE’ step in a stochastic variational Bayesian expectation maximization (VBEM) procedure that we use for approxiamte Bayesian inference on the entire model. We use the method on a sample of WD-FAB item responses and compare the resulting item discriminations to those obtained using the traditional posthoc method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google