A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model

要約

社会科学者はしばしば、時間と共に変化する潜在特性を推定するために順序指標を使用することに関心がある。多くの場合、このような潜在特性と観測された指標との関係を記述する項目応答理論（IRT）モデルを用いて行われる。我々は、項目応答関数の形状に関する最小限の仮定を行うベイズ型ノンパラメトリックIRTの最近の進歩と、縦断的観測から潜在形質の動的構造を捕捉するガウス過程時系列法を組み合わせる。我々は、一般化された動的ガウス過程項目反応理論（GD-GPIRT）と、潜在形質と反応関数の両方を推定するためのマルコフ連鎖モンテカルロサンプリングアルゴリズムを提案する。動的IRTのベースラインに対するシミュレーション研究でGD-GPIRTを評価し、経済環境に関する世論や人工妊娠中絶議論に関する議会イデオロギーの評価など、様々な実質的研究に適用する。

要約(オリジナル)

Social scientists are often interested in using ordinal indicators to estimate latent traits that change over time. Frequently, this is done with item response theoretic (IRT) models that describe the relationship between those latent traits and observed indicators. We combine recent advances in Bayesian nonparametric IRT, which makes minimal assumptions on shapes of item response functions, and Gaussian process time series methods to capture dynamic structures in latent traits from longitudinal observations. We propose a generalized dynamic Gaussian process item response theory (GD-GPIRT) as well as a Markov chain Monte Carlo sampling algorithm for estimation of both latent traits and response functions. We evaluate GD-GPIRT in simulation studies against baselines in dynamic IRT, and apply it to various substantive studies, including assessing public opinions on economy environment and congressional ideology related to abortion debate.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL