Kapitel 4 | R Documentation |
Das ist die Nutzerseite zum Kapitel 4, Differenzielles Itemfunktionieren in Subgruppen, im Herausgeberband Large-Scale Assessment mit R: Methodische Grundlagen der österreichischen Bildungsstandardüberprüfung. Im Abschnitt Details werden die im Kapitel verwendeten R-Syntaxen zur Unterstützung für Leser/innen kommentiert und dokumentiert. Im Abschnitt Examples werden die R-Syntaxen des Kapitels vollständig wiedergegeben und gegebenenfalls erweitert.
Matthias Trendtel, Franziska Schwabe, Robert Fellinger
Trendtel, M., Schwabe, F. & Fellinger, R. (2016). Differenzielles Itemfunktionieren in Subgruppen. In S. Breit & C. Schreiner (Hrsg.), Large-Scale Assessment mit R: Methodische Grundlagen der österreichischen Bildungsstandardüberprüfung (pp. 111–147). Wien: facultas.
Zu datenKapitel04
, den im Kapitel verwendeten Daten.
Zurück zu Kapitel 3
, Standard-Setting.
Zu Kapitel 5
, Testdesign.
Zur Übersicht
.
## Not run: library(difR) library(mirt) library(sirt) library(TAM) set.seed(12345) data(datenKapitel04) dat <- datenKapitel04$dat dat.th1 <- datenKapitel04$dat.th1 ibank <- datenKapitel04$ibank ## ------------------------------------------------------------- ## Abschnitt 4.4.1 DIF-Analysen für vollständige Daten ## ------------------------------------------------------------- items.th1 <- grep("E8R", colnames(dat.th1), value=T) resp <- dat.th1[, items.th1] AHS <- dat.th1$AHS # ------------------------------------------------------------- # Abschnitt 4.4.1, Listing 1: Mantel-Haenszel # difMH(Data = resp, group = AHS, correct = F, focal.name = 0) # ------------------------------------------------------------- # Abschnitt 4.4.1, Listing 2: Standardisierte p-Wert Differenzen # difStd(Data = resp, group = AHS, focal.name = 0) # ------------------------------------------------------------- # Abschnitt 4.4.1, Listing 3: SIBTEST # SIBTEST(dat = resp, group = AHS, focal_name = 0, focal_set = grep("E8RS03131", items.th1)) SIBTEST(dat = resp, group = AHS, focal_name=0, focal_set = grep("E8RS15621", items.th1)) # ------------------------------------------------------------- # Abschnitt 4.4.1, Listing 4: Methode nach Lord # difLord(Data = resp, group = AHS, focal.name = 0, model = "1PL") # ------------------------------------------------------------- # Abschnitt 4.4.1, Listing 5: Zusammenschau # dichoDif(Data = resp, group = AHS, correct = F, focal.name = 0, method = c("MH", "Std", "Lord"), model = "1PL") ## ------------------------------------------------------------- ## Abschnitt 4.4.2 DIF-Analysen für unvollständige Daten ## ------------------------------------------------------------- items <- grep("E8R", colnames(dat), value = T) resp <- dat[ ,items] AHS <- dat$AHS # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 1: Matching-Variable setzen # score <- rowSums(resp, na.rm=T) # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 2: Durchführung Logistische Regression # difLR <- dif.logistic.regression(resp, group = AHS, score = score) # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 3: Durchführung Logistische Regression # mit angepasster Referenzgruppe # difLR <- dif.logistic.regression(resp, AHS==0, score) # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 4: Ausgabe erster Teil # cbind(item = difLR$item, round(difLR[, 4:13], 3)) # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 5: Ausgabe zweiter Teil # cbind(difLR[, c(3,14:16)], sign = difLR[, 17], ETS = difLR[, 18]) # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 6: DIF-Größen # table(difLR[, 17], difLR[, 18]) difLR[c(10, 18), c(3, 14, 17:18)] # ------------------------------------------------------------- # Abschnitt 4.4.2, Listing 7: Ausgabe dritter Teil # cbind(difLR[, c(3, 21:23)], sign=difLR[, 24]) ## ------------------------------------------------------------- ## Abschnitt 4.4.3 Hypothesenprüfung mit GLMM ## ------------------------------------------------------------- # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 1: Itemauswahl # HO.items <- ibank[ibank$format == "ho", "task"] # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 2: Facettenidentifikation # facets <- data.frame(AHS = dat$AHS) form <- formula( ~ item * AHS) # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 3: Initiierung des Designs # design <- designMatrices.mfr(resp = dat[, items], formulaA = form, facets = facets) # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 4: Übergabe der Designmatrix und des # erweiterten Responsepatterns # A <- design$A$A.3d[, , 1:(length(items) + 2)] dimnames(A)[[3]] <- c(items, "AHS", "HO:AHS") resp <- design$gresp$gresp.noStep # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 5: Ausgabe der ersten Zeilen des # Responsepatterns # head(resp) # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 6: Identifikation Itemformat X Gruppe # HO.AHS0 <- paste0(HO.items, "-AHS0") HO.AHS1 <- paste0(HO.items, "-AHS1") # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 7: Spezifizierung des Designs # A[, , "HO:AHS"] <- 0 A[HO.AHS0, 2, "HO:AHS"] <- -1; A[HO.AHS1, 2, "HO:AHS"] <- 1 # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 8: Ausgabe der Designmatrix für # Itemkategorie 'richtig beantwortet' # A[,2,c("AHS", "HO:AHS")] # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 9: Schätzen des Modells # mod <- tam.mml(resp = resp, A=A) # ------------------------------------------------------------- # Abschnitt 4.4.3, Listing 10: Ausgabe der Parameterschätzer # summary(mod) ## End(Not run)
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.