CRAN Task View: Psychometric Models and Methodsについて、機械翻訳を交えて日本語化し掲載しております。

概要

Maintainer: Patrick Mair, Yves Rosseel, Kathrin Gruber
Contact: mair at fas.harvard.edu
Version: 2023-12-15
URL: https://CRAN.R-project.org/view=Psychometrics
Source: https://github.com/cran-task-views/Psychometrics/
Contributions: このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guideをご覧ください。
Installation: このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Psychometrics”, coreOnly = TRUE)は全てのコアパッケージをインストールし、ctv::update.views(“Psychometrics”)はまだインストールしていない全てのパッケージをインストールして最新の状態にすることが可能です。詳しくはCRAN Task View Initiativeをご覧ください。

心理測定学は、心理学的測定の理論と技法に関するものです。また、統計学や定量的手法の分野とも協力し、対応するデータの整理、分析、尺度の改良方法を開発してきました。多くの機能はすでに基本的なRに含まれており、心理測定のためのツールと他のビューで説明されているツールの間にはかなりの重複があるため、ここでは心理測定手法に密接に関連するパッケージの概要のみを説明します。

貢献は常に歓迎・奨励されており、メンテナへの電子メール、または上記のリンク先のGitHubリポジトリに課題またはプルリクエストを提出することで行うことができます。

項目反応理論(IRT)

  • eRmは、拡張されたラッシュのモデルに適合します。すなわち、二値データのための通常のラッシュモデル(RM)は、線形ロジスティックテストモデル(LLTM)、評価スケールモデル(RSM)とその線形拡張(LRSM)、部分的な信用モデル(PCM)と条件付きML推定を使用するその線形拡張(LPCM)。欠損値は許可されています。
  • ltmは、簡単なRMに適合します。さらに、マージナルMLのアプローチに基づいたバーンバウムの2つおよび3つのパラメータモデルを推定するための機能は、多値型のデータのための段階的応答モデル、および線形多次元ロジスティックモデルと同様に実装されています。
  • mirtは、IRTパラダイムの下で一次元および多次元潜在特性モデルを用いて二値と多値型応答データの分析を可能にする。探索的かつ確証モデルは直交(EM)または確率的(MHRM)メソッドで推定することができます。確証の二倍と2層の分析、モデリング、アイテムテストレットで使用できます。複数のグループの分析と混合効果の設計も機能して、差分の項目を検出し、アイテムや人物共変量をモデル化するための利用可能です。
  • TAM は、一次元および多次元項目反応モデルに適合し、また多面的モデル、潜在回帰モデルともっともらしい値を描画するためのオプションが含まれています。
  • Direは、Cohen and Jiang (1999)に従い、IRTの枠組みで重み付き潜在変数線形モデルをあてはめ、集団のスコア分布を推定する。そして、もっともらしい値を導き出すことができます。
  • PLmixedは、因子構造を有する(一般化された)線形混合モデル(GLMM)に適合します。
  • MLCIRTwithinは、二分順序多値項目応答の分析のための離散二層IRTモデルの推定のための柔軟なフレームワークを提供します。
  • IRTShinyは、IRT分析のためのインタラクティブな光沢のあるアプリケーションを提供しています。
  • 追加の一次元および多次元アイテム応答モデル(特にローカル依存アイテムレスポンス用)といくつかの探索メソッド(DETECT、LSDM、モデルベースの信頼性)がsirtに含まれています。
  • pcIRTは、多次元多値型ラッシュモデルとミューラーの継続的な評価尺度モデルを推定します。
  • 回答スタイルを用いた部分的クレジットモデルの実装は、PCMRSに記載されています。
  • MultiLCIRTは、(1)多次元性の仮定、(2)潜在特性の離散性、(3)バイナリと序多値型項目の下でのIRTモデルを推定します。
  • バイナリ混合ラッシュモデルでEMアルゴリズムと情報の基準に基づくモデル選択を経由して、条件付き最尤推定は、psychomixに実装されています。
  • PPは、1,2,3,4-PLモデルとGPCM(一般化部分信用モデル)用の(MLE、WLE、MAP、EAP、ROBUST)人物パラメータの推定を含む。パラメータは、アイテムのパラメータが既知で固定されていると仮定して推定される。パッケージが便利例えばある既知のアイテムパラメータを持つ項目プール/アイテムバンクからアイテムが受験者の新たな人口とあらゆる受験生のための能力推定に投与される場合に必要とされている。
  • equateIRTは、直接、チェーンと項目反応理論(IRT)二分のアイテムのための方法を使用して、標準誤差の平均(二等分線)等化係数を計算します。
    • equateMultipleは、IRTメソッドを使用して複数のフォームを同一化するのに使用できます。
  • kequateは、ガウシアン、ロジスティック、均一なカーネルと非平滑化と事前平滑化入力データを支援する、CB、EG、SG、NEAT CE/PSEとNECのデザインを使用して、等化テストのカーネルメソッドを実装します。
  • EstCRMは、EMアルゴリズム最尤経由Samejimaの継続的なIRTモデルのパラメータをキャリブレーションします。それは、アイテムが、残差統計に合う経験的な3Dアイテムカテゴリ応答曲線を描画するには、理論的な3D項目カテゴリ応答曲線を描画するために、シミュレーション研究のためのCRMの下でデータを生成するように計算することができます。
  • difRは、二分法採点項目にDIFを検出するために、いくつかの伝統的なメソッドが含まれています。均一および不均一の両方DIF効果は、方法は、項目反応モデルに依存しないかで、検出することができます。いくつかの方法は、二つ以上の焦点のグループを扱う。
  • lordifは、DIFを機能して差動アイテムの様々なタイプを検出するためのロジスティック回帰フレームワークを提供します。
  • DIFplusは、Mantel-Haenszel DIF検出手順の拡張機能をマルチレベルデータの存在下で実装することができます。
  • DIFlassoは、ラッシュモデルの差異項目機能へのペナルティ手法を実装しています。
  • GPCMlassoは、一般部分クレジットモデル(GPCM)でDIFを検出する機能を提供します。
  • DIFtreeは、二項目または多項目でDIFを引き起こす項目と変数を同時に選択するために再帰的分割を実行します。
  • DIFboostは、ブーストテクニックによってRaschモデルのDIF検出に使用できます。
  • ラジュ、ファン・デル・リンデンとフリーア(1995)の差異項目と項目機能解析を実行するための関数のセットは、DFITに実装されています。それは、関連する統計的有意性検定カットオフポイントを取得するためのモンテカルロ項目パラメータレプリケーション(IPR)アプローチを使用する関数が含まれています。
  • difNLRは、DIFを推定するために、非線形回帰を使用しています。
  • catRは、IRTの方法を使用してコンピュータ化されたアダプティブ・テストが可能になります。
  • mirtCATは、Shinyパッケージを用いた適応と非適応教育や心理テストを作成するためのHTMLインターフェースを生成するためのツールを提供します。IRTの方法論を用いて一次元および多次元のコンピュータ化された適応型テストを適用するための直接Rに応答データを収集するために、簡単なアンケートフォームを作成するのに適す。
  • D3mirtは、2パラメータ・ロジスティックモデルまたは段階的反応モデルに適合する3次元・2分値データまたは多値データに限定した、記述的な多次元項目反応理論モデルの同定、推定、プロットを行います。
  • xxIRTは、IRTおよびコンピュータベースのテストに関連する実装です。
  • Rirtは、3パラメータ・ロジスティックモデル、一般化部分信用モデル、および評定応答モデルを推定します。
  • 一対比較法による(二値およびpolytomous)ラッシュ項目パラメータの明示的な計算(しない推定)がpairwiseを使用して行うことができます。
  • マルチレベルラッシュモデルが交差し、または部分的に交差したランダム効果を持つ混合効果モデルの機能をlme4nlme、およびMCMCglmmを用いて推定することができます。
    • GLMMRRは、リンク関数に関していくつかの柔軟性を追加します。
    • ordinalは、多値型モデルのため、この手法を実装しています。
    • lme4を使用してGLMMファミリーのツリー構造の項目反応モデルを推定するためのインフラストラクチャがirtreesで提供されています。
  • ノンパラメトリックIRT分析は、mokkenであれば手段によって計算できます。自動化されたアイテム選択アルゴリズムと、モデルの仮定のさまざまなチェックが含まれます。
  • 近接データの非単調IRF用のノンパラメトリックIRTは、mudfoldを使用して適合させることができます。
  • RaschSamplerは、指定された周辺分布とランダムゼロ-ワンの行列を生成することにより、正確なラッシュモデルテストの構築を可能にする。
  • 混合分類と三方ANOVAデザインに基づいたラッシュモデルをテストするための統計的検出力のシミュレーションを、pwrRaschを用いて行うことができます。
  • iarmは、モデルの適合性を評価し、RaschモデルとPCMSの不適合アイテムを特定するためのツールを実装しています。これには、アイテムフィット統計、ICC、アイテムとレストスコアの関連付け、条件付き尤度比検定、測定誤差の評価、信頼性の推定、およびテストターゲティングが含まれます。
  • cacIRTは、分類精度と項目反応理論のもと一貫性を計算します。現在は、3PL IRTモデル(または2PLまたは1PL)のためだけの独立したカットのスコアのために働く。
  • irtoysは、3つの異なるプログラム(ICL、BILOG-MG、およびLTMとIRTモデルと便利なさまざまな機能)とのバイナリ応答のIRTモデルの項目パラメータの推定への単純な共通のインターフェースを提供します。
  • CDMは、認知診断モデル(DINA、DINOとGDINA・モデル)も、多次元代償項目反応モデルが含まれ、離散し、準連続多次元潜在変数を持つ一般的な診断モデルを推定する。
  • 正準対応分析を介してロジスティックIRTに関連し、また、最尤推定として近似ガウス分布の調整は、VGAMにおいて様々な形態で実施される。
  • immerは、階層的評価モデルと商用FACETSプログラムへのラッパー関数を含む、複数の評価に対するいくつかの項目応答モデルを実装しています。
  • latdiagは、バイナリアイテムのセットが、非交差のICCsとの潜在的規模を持っている可能性があるかどうかを決定するのに有用なグラフを生成するためにGraphvizのからのドットプログラムを駆動するためのコマンドを生成します。
  • rpfの目的は、ロジックとIRTフィッティング、診断、および分析に共通の数学を考慮することです。これは、上に構築するために、より専用IRTパッケージに適したコアサポートコードとして想定される。
  • WrightMapは、アイテム人のマップをプロットするためのグラフィカルなツールを提供します。
  • irtDemoは、根本的なIRTの概念を実証したり探検したりするためのshinyアプリケーションのコレクションが含まれています。
    • ifaToolsは、OpenMxを使ったIRTとのShinyインターフェースです。
  • Baker / Kimの本に記載されているIRTユーティリティー機能は、birtrに含まれています。
  • 判断データのIRTモデリングを使用および自動化する便利な機能は、jrtに実装されています。
  • conquestrを使用すると、ユーザはR内からACER ConQuestを呼び出すことができます。
  • PROsettaは、PROsetta Stoneの手法に基づき、機器間のスケールリンクを行うための機能を提供します。
  • maatは、複数回実施されるアダプティブ・テストのシミュレーションを行うことができます。

コレスポンデンス分析(CA), 最適なスケーリング

  • caは、単純な対応分析のためのものと、複数のおよび共同の対応分析のためのものとの2つの部分からなります。
  • 信頼できる楕円体を含む、単純で正規のCAがanacorによって提供されます。標準の拡大縮小、Benzecri拡大縮小、重心拡大縮小、およびGoodman拡大縮小などのさまざまな拡大縮小方法が可能です。
  • 同種性分析、別名複数のCAおよびさまざまなGifi拡張機能は、homalsを置き換えるGifiを使用して計算できます。このパッケージには、モラル(単調回帰)、プリンシパル(非線形PCA)、オーバーオール(非線形正準相関分析)など、他のさまざまな最適なスケーリング方法が含まれています。
  • 単純な複数のコレスポンデンス分析は、MASSにcorres()とmca()を用いて行うことができます。
  • ade4は、関数カバーの拡張セットが含まれています。例えば、主成分、シンプルかつ複数、ファジー非対称、かつ偏心対応分析。追加機能は、パッケージmade4にBioconductorに設けられている(hereも参照)。
  • cocorrespは、別のデータ行列に1データ行列を関連付けるために、予測と対称的な共対応分析(COCA)モデルに適合します。
  • いくつかの因子分析的手法FactoMineRから離れて、補助的個体をもつ複数のコレスポンデンス分析(MCA)、補助的量的変数と補助的質的変数、補助的行および/または列の点を含むCAを実行します。
  • veganは、非メートル多次元尺度を含め、すべての基本的な調整方法をサポートしています。制約の調整法は、制約近接の分析、冗長解析、および制約(正規)と部分的に制約されたコレスポンデンス分析が含まれています。
  • cabootcrsは、CAのブートストラップ信頼領域を計算します。
  • cncaGUIは、ユーザが標準(非対称)CAを構築して対話できるGUIを実装しています。
  • SVDは、PCA、CA、MCA(だけでなく、CAのヘリンガー形)などの多変量探索的手法を基に、一般化PCAは、ExPositionに実装されています。パッケージには、補足データを投影することができます。
  • 応答スタイルを検出するための制約付きデュアルスケーリングにcdsを使用できます。
  • CAvariantsは、シンプルな単一次、二次の順序、非対称、単順序の非対称CA、二重の順序の非対称CAの6種類の双方向CAを提供しています。
  • MCAvariantsは、直交多項式を介してMCAと順序MCAを提供します。
  • サーベイのようなデータ上の特定のクラス固有のMCAは、caを使用してフィッティングすることができます。
  • optiscaleは、データベクトル上で最適なスケーリング変換を実行するためのツールを提供します。
  • aspectは、最適なスケーリング方法の一般的な枠組みが実装されています。
  • candiscは、一般化された正準判別・正準相関分析を可視化します。

因子分析(FA)、主成分分析(PCA)

  • Exploratory FAは、psych の関数factanal()とfa()とpoly()(順序データ)としてのパッケージstatsです。
  • ベイズEFA用のBayesFM
  • esaBcvは、潜在因子と因子行列の数を推定します。
  • SparseFactorAnalysisは、疎なFAでカウントおよびバイナリデータをスケーリングします。
  • EFAutilitiesは、さまざまな条件下で堅牢な標準誤差と因子相関を計算します。
  • faoutlierは、FAとSEMのための有力な症例検出法を実装します。
  • psychは、ファクタ/コンポーネントの適切な数を見積もるためのparallel()やVSS()やアイテムクラスタリングのためのICLUST()などの関数が含まれています。
  • PCAは、prcomp()(望ましい、svd()に基づく)とprincomp()(S-PLUSとの互換性のためにeigen()に基づく)を適合することができます。勾配投影アルゴリズムに基づくFAの追加の回転方法はGPArotationにあります。nFactorsは、Cattellスクリーテストの非グラフィカルなソリューションを生成します。一部のグラフィカルなPCA表現は、psyにあります。paranはHornの主成分/要素のテストを実装します。
  • MCMCpackは、序数および混合因子モデルの後肢からサンプリングするためのいくつかの選択肢があるのに対し、補足個体および補助的な量的/質的変数を有するFAおよびPCAはFactoMineRを用いて実施することができます。
  • Gifiは、混合スケールレベル入力データ用のPCAバージョンを実装しています。
  • nsprcompelasticnetは、スパースPCAに適合します。
  • PTAkおよびThreeWaymultiwayを使用して、3種類のPCAモデル(Tucker、Parafac / Candecomp)を取り付けることができます。
  • fastICAicaeegkit(EEGデータ用に設計された)を使用して、独立成分分析(ICA)を計算することができます。
  • ロバストな主成分の数は、所望のpcaPPを使用して計算することができます。
  • bpcaはPCAと縮小の品質の診断ツールに基づいて、多変量データの2次元および3次元バイプロットを実装しています。
  • missMDAは主成分分析(PCA)、複数の対応分析(MCA)モデル、または複数の因子分析(MFA)モデルの不完全連続またはカテゴリカルデータセットの帰属を提供しています。

構造方程式モデル(SEM)

  • lavaanは、パス解析、確証因子解析、構造方程式モデリング、および成長曲線モデルを含む多種多様な多変量統計モデルを推定するために使用できます。これには、ユーザがコンパクトな方法でモデルを表現できるようにするLavaanモデル構文が含まれており、Satorra-Bentler修正を使用したML、GLS、WLS、ロバストML、欠損値のあるデータのFIMLが可能です。平均構造と複数のグループを完全にサポートし、標準化されたソリューション、フィット指標、修正指数などを出力として報告します。
  • OpenMxは、高度な多変量統計的モデルの多種多様な推定を可能にする。それはあなたが迅速かつ柔軟に観測されたデータ与えられたSEMモデルと推定パラメータを定義するための関数とオプティマイザのライブラリで構成されています。
  • semは、FIMLによる一般的な(すなわち、潜在変数の)SEMと、2SLSによる観測変数モデルの構造方程式に適合します。
    • SEMのカテゴリ変数は、polycorを介して調整することができます。
  • tidySEMは、lavaan、OpenMx、またはMplusを使用して構造方程式モデルを生成、推定、報告、プロットするための整然としたワークフローを提供します。
  • SEMsensは、構造方程式モデルにおいて省略された交絡因子に対する感度分析を、メタヒューリスティック最適化法を用いて実行します。
  • lslxは、エラスティックネットまたはミニマックス凹面ペナルティによるペナルティ付き尤度によって準確認SEMに適合します。
  • survey (archived)は、複雑なサーベイの構造方程式モデリング(SEM)を可能にします。複雑なサンプリング設計のための推定値、標準誤差、およびカイ2乗導出フィット法を修正しながら、因子分析、潜在変数を含む多変量回帰モデルおよび他の多くの潜在変数モデルを含む構造式モデル(SEM)に適合する。これは、クラスタリング、層別化、サンプリング加重、および有限人口補正をSEM分析に組み込んでいます。
  • nlsemは、EMアルゴリズムを使用した非線形構造方程式混合モデルに適合します。LMS(潜在的中立構造方程式)、SEMM(構造方程式混合モデル)、NSEMM(非線形構造方程式混合モデル)の3つのアプローチが実装されています。
  • OpenMx経由の共分散構造分析(SEM)アプローチを用いたメタ分析を実施するための関数のコレクションはmetaSEMで提供されています。
  • (構造方程式モデルを含む)潜在変数モデルの計算フレームワークの一般的な実装は、lavaに記載されています。
  • plsは、部分最小二乗推定に使用できます。
    • cSEMは、複合ベースのアプローチ(例:PLS)を用いて構造方程式モデルを適合させます。
  • simsemは、SEMを用いたモンテカルロシミュレーションを支援するために設計されたパッケージです(方法論的な調査のために、はるかにパワー分析して)。
  • DiffProcは、SEMとして実装された多次元連続時間モデルにおける並列化されたモンテカルロシミュレーション推定のためのフレームワークを提供します。
  • semToolsは、RフィッティングのSEMのを助けることができる機能に追加のパッケージである(例えば1機能は、欠落したデータをimputing帰属データセットで実行し、これらのデータセットからの結果を組み合わせて自動化します)。
  • semPlotは、パス図や、様々なSEMのパッケージの出力のための視覚的な分析を生成します。
  • 構造方程式混合モデルからの潜在変数間の非線形関係をグラフ化するplotSEMM
  • SEMは、外れ値および診断活用、SEMに対する影響を実装します。
  • rsemは、データや補助変数がない堅牢なSEMを実装します。
  • regsemは、SEMでRegularizationを実行し、SEMでSparse-aware MLを実装します。
  • semtreeは、再帰的なパーティショニング(SEMツリー、SEMフォレスト)を実装しています。
  • lslは、ペナルティ尤度(潜在構造学習)を介してSEMを実行します。
  • MIIVsemは、器械的変数を用いて構造式モデルを推定する関数が含まれています。
  • systemfitは、非線形連立式モデルを含む観察-変数モデルの推定量の多種多様を、実装しています。
  • STARTSは、STARTSモデルを推定するための関数を含みます。
  • Rと他のSEMソフトウェアとの間のインターフェース:

多次元尺度法(MDS)

  • smacofは、メジャー化によるストレス最小化に基づいた多次元スケーリング(MDS)のアプローチを提供します:対称非類似行列の単純なsmacof、長方形行列のsmacof(展開モデル)、構成の制約を伴うsmacof、個人差(イディオスケール、インデクス、およびアイデンティティの制約を含む)、球面スマコフ(プライマリおよびデュアルアルゴリズム)。これらのアプローチのそれぞれは、タイ処理のための第1、第2、および第3のアプローチを含むメトリックおよび非メトリックな方法で実施されます。
  • smacofxは、MULTISCALE、サモンマッピング、ALSCAL、ローカルMDS、エラスティックスケーリング、Box-Cox MDS、POST-MDS、曲線成分と距離分析など、柔軟なMDS分析に対応しています。
  • クラスターに最適化されたプロジミティ・スケーリングのためのcopsは、コンフィギュレーションのクラスター化された外観を示す。
  • stopsは、多次元スケーリング(MDS)において非線形距離変換をフィットさせ、最適なパラメータを見つけるために構造を考慮してトレードオフする手法のコレクションを提供します。
  • MASSとstatsはcmdscale()を使用して、古典的MDSを計算するための機能を提供する。サモンマッピングsammon()と非メートルMDS isoMDS()は、他の関連する関数です。
  • 非メートルMDSは、さらに、veganでmetaMDS()を行うことができます。
    • labdsvecodistは、関数nmds()を提供しています。
    • ExPositionは、メトリックMDSのための機能を実装しています。
  • 主な座標分析ではveganでのcapscale()を用いて計算することができます。
  • 多次元尺度法には個人差がSensoMineRにindscal()を用いて計算することができます。
  • MLDSは、最大尤度差のスケーリング(MLDS)の計算が可能になります。
  • DistatisRは、DiSTATIS / CovSTATIS 3-wayメトリックMDSアプローチを実装しています。
  • munfoldは、メトリックアンフォールディングのための関数を提供します。
  • asymmetryは、非対称MDSのスライドベクトルモデルを実装します。
  • semdsは、SEMフレームワーク内で非対称および3ウェイMDSに適合します。
  • copsは、クラスターの最適化されたプロキシミティスケーリングを実行します。これは、構成のクラスター化された外観を発音させることを目的としたMDSメソッドを指します。

クラシック・テスト理論(CTT)

  • CTTは、古典的テスト理論に関連付けられている分析とさまざまなタスクを実行するために使用することができます:複数選択の回答を採点、信頼性分析を行う、項目分析を行う、異なるスケールにスコアを変換します。
  • 勾配の不均一性に対するマルチレベルモデルのICCについては、iccbetaを参照してください。
  • CTTShinyは、CTT用のインタラクティブなShinyアプリケーションを提供しています。
  • cocronは、統計的に個人の依存性または非依存性のどちらかのグループに基づいて2つ以上のα係数を比較するための関数が用意されています。
  • betafunctionsは、分類の精度と一貫性に対するいわゆる「Livingston and Lewis」アプローチの実装が含まれています。
  • クロンバックのアルファ、カッパ係数、およびクラス内の相関係数(ICC)は、psyに記載されています。
    • ICCの計算のための関数もpsychおよびICCに記載されています。
  • 尺度構築と個性と実験心理学のための有用な信頼性解析のためのルーチンの数は、psychに含まれています。
  • subscoreは、CTTおよびIRTのサブコアを計算するために使用できます。
  • 定量化構文の妥当性検査手順は、qcvに実装されています。

知識構造分析

  • DAKSは、知識空間の心理理論のための機能とサンプルデータセットを提供します。このパッケージには、データをシミュレートし、知識空間理論で異なる公式を変換するためのデータ分析方法と手順を実装しています。
  • kstは、セットとの関係に基づいて決定論的な知識構造を生成処理し、操作するための基本的な機能が含まれています。
    • フィッティング確率的知識の構造のための機能は、pksに含まれています。

潜在クラス分析(LCA)

  • ランダム効果による潜在クラス分析は、randomLCAを行うことができます。
    • e1071は、lca()を提供しています。
    • 別のパッケージには、多値型の変数、潜在クラス分析のためpoLCAです。
    • LCAはまた、必要に応じて付随する変数と潜在クラス回帰を含めることを可能にするflexmixを使用して取り付けることができます。
  • LCAvarselは、LCAの変数選択を実装します。
  • tidyLPAは、潜在プロファイル分析のユーザーフレンドリーな実装です。
  • ClustVarLV クラスターは潜在変数の周りの変数です。
  • multilevLCA 共変量によるシングルレベルおよびマルチレベル潜在クラス分析。

ペア比較、ランキング、評価

  • 一対比較のためのブラッドリー・テリーモデルは、BradleyTerry2ebaに実装されています。後者は消去・バイ・側面のモデルの計算が可能になります。
  • Bradley-Terryモデルの再帰的なパーティションツリーは、psychotreeで実装されています。
  • BTLLassoを使用すると、対象固有のおよびオブジェクト固有の共変量を対の比較モデルに含めることができ、Lassoを使用して効果を縮小します。
  • prefmodは、対数比較Bradley-Terryモデル(LLBT)とペアモデルの比較、ランキング、評価用のパターンモデルに適合します。
  • lmerMultiMemberは、lme4を使って対数線形Bradley-Terryモデルを混合効果モデル(GLMM)として適合させることができます。
  • pcFactorStanは、ペアワイズ比較係数モデルに関連する便利な機能と事前にプログラムされたStanモデルを提供します。
  • PLMIXは、ベイジアンフレームワーク内の部分的なトップランキング/順序付けのためのPlackett-Luceモデルの有限混合に適合します。
  • smacofは、ランキングや評価のためのさまざまな展開テクニックが実装されています。
  • thurstonianIRTは、強制選択項目のサーストニアIRTモデルに適合することができます。

ネットワーク心理測定

  • glassoは、lassoペナルティ(グラフィカルlasso)を使用したスパース逆共分散行列の推定を実現できます。
  • networktoolsは、ネットワーク分析(ブリッジの中心性、影響、およびゴールドブリッカー)用の各種ツールが含まれています。
  • bootnetは、推定されたネットワーク構造と中心性インデックスの精度と安定性を評価するためのブートストラップ方法を実装しています。
  • NetworkComparisonTestは、ネットワーク比較の置換テストを実装しています。
  • networktreeは、ネットワークのモデルベースの再帰的パーティションを提供しています。
  • mlVARgraphicalVARは、マルチレベルおよびグラフィカルなベクトル自己回帰モデルのネットワーク構造を取得できます。
  • mgmは、時変k次混合グラフィカルモデルを推定します。
  • EstimateGroupNetworkは、共同グラフィカルラッソを介して異なるグループまたはクラスからネットワークを同時に推定できます。
  • IsingSamplerIsingFitは、Isingモデルを実装しています。
  • lvnetは、因子モデルとネットワークモデルを同時に推定します。
  • psychonetricsは、SEMおよび確認ネットワーク分析のアプローチを実装しています。 これには、断面データ、時系列データ、パネルデータからの確認ネットワークモデルと組み合わせたマルチグループ(動的)SEMが含まれます。
  • gimmeは、SEMフレームワーク内で推定される縦断的データのネットワークモデルを提供しています。
  • qgraphは、データをネットワークとして視覚化できます。
  • NetworkToolboxは、神経科学、認知科学、および心理学で使用されるネットワーク分析とグラフ理論測定を実装しています。 メソッドには、しきい値、依存関係、情報フィルタリングネットワーク、効率コスト最適化など、さまざまなフィルタリング方法とアプローチが含まれます。
  • EGAnetは、次元および心理測定評価のための探索的グラフ解析(EGA)フレームワークを実装しています。

ベイジアン精神測定

  • blavaanは、確証的因子分析および構造方程式モデル、潜在成長曲線モデルを含むベイズ潜在変数モデルに各種適合します。
  • LAWBLは、部分的に確認的な因子分析や部分的に確認的なIRTを含む、さまざまなベイズ学習方法を使用した潜在変数の分析フレームワークを実装しています。
  • ギブスサンプリングを用いて項目名のパラメータを推定するためのベイジアンアプローチは、MCMCpackに含まれています。
    • psclは、ベイズIRTおよびロールコール分析を可能にします。
  • LNIRTは、応答と応答時間に対する対数正規応答時間IRTモデリングを、MCMCで推定するパッケージです。
  • edstanは、IRTに関連した便利な機能とあらかじめプログラムされたStanモデルを提供します。
  • fourPNOは、ベイジアン4-PL IRT推定に使用できます。
  • rrumerrumは、Reduced Reparameterized Unified Modelのベイズ推定のためのGibbsサンプリングアルゴリズムの実装を提供しています。
  • DINA(決定論的入力、雑音、ゲート)のベイズ推定については、dinaedinaを参照してください。
  • slcmは、バイナリデータの探索的スパース潜在クラスモデル(SLCM)の実装です。
  • ohoegdmは、多値データに対する順序探索的高次一般診断モデル (OHOEGDM) のベイズ推定を行うものです。
  • edmdataは、さまざまな心理測定出版物で使用されるコード化されたアイテムとq行列を含むデータパッケージです。
  • BayesLCAは、Bayesian LCAを実装します。

他の関連のパッケージ

  • psychotoolsは、データのクラス(例えば、一対比較のため)と基本的なモデルフィッティング機能(例えば、ラッシュ、ブラッドリー・テリーモデルの場合)などの心理モデリングのためのインフラストラクチャを提供します。
  • quickpsyは、すぐにフィットし、複数の条件のための心理関数をプロットするために開発されたパッケージです。
  • cNORMは、回帰に基づく連続ノルムを生成する方法を提供します。このアプローチは、事前分布の仮定に依存せず、非パラメトリックですが、データをセミパラメトリックにモデル化するためにBox-Coxベキ変換と組み合わせることもできます。
  • 教育・心理テストのデータを管理・評価・心理分析するシステムをdexterで実装し、dexterMSTによる多段階テストキャリブレーション、dexterguiによるGUIを搭載しています。
  • flexmixインフラストラクチャに基づいて、心理測定の混合モデルは、psychomix(現時点ではラッシュ混合モデルとブラッドリー・テリー混合モデル)によって提供されています。
  • equateは、アンカーの試験設計との両方のランダムグループと非等価のグループで非IRT等化するための機能が含まれています。スコア分布の単変量と変量presmoothingための方法と同様に平均、線形、equipercentile、円弧等化は、サポートされています。現在サポートされている特定の等化方法はタッカーが含まれ、レヴァインはスコアを観察し、レヴァイン真のスコア、ブラウン/オランダ、回数推計、および鎖でつながれた等化。
  • 教育テストとその項目の分析のためのインタラクティブなshinyアプリケーションは、ShinyItemAnalysisで提供されています。
  • iterraterの信頼性とagreementのためのCoefficentsは、irrで計算することができます。
  • 精神物理学的データは、psyphyMixedPsyを使用して分析することができます。
  • 離散オブジェクトセットのFechnerianスケーリングのための機能とサンプルデータセットは、fechnerによって提供されます。それは主観的な類似度を表すオブジェクト間Fechnerian距離、およびその他の関連情報を計算します。
  • mediationは、パラメトリックおよびノンパラメトリックの両方因果調停分析を可能にする。また、研究者は、特定のパラメトリックモデルの感度分析を行うことができます。
  • medflexは、自然効果モデルによる因果調停分析を行うことができます。
  • multiplexは、特に様々なレベルでの関係と社会的ネットワークのために設計されています。この意味で、プログラムは、複数のネットワークに見られる既存のリレーショナル・バンドルとともに部分的に順序付けられた半群のような代数構造を組み合わせるルーチンを使用して、複数のネットワーク・データ・セットを治療するための有効な方法を有する。
  • qgraphは、ネットワークのようなデータを視覚化するために使用することができます。
  • NetworkToolboxは、神経科学、認知科学、心理学で使用されるネットワーク分析とグラフ理論の尺度を実装します。メソッドには、しきい値、依存関係、情報フィルタリングネットワーク、効率コスト最適化などのさまざまなフィルタリング方法とアプローチが含まれます。
  • ラウンドロビンの設計のための社会的関係分析は、TripleRに実装されています。それはSOREMOソフトウェアのすべての機能を実装し、欠損値、シングルグループのための有意性検定、または自己強化指数の計算の処理のような新しい機能を提供します。
  • mptを使用して、潜在的なパラメータを持つカテゴリデータの統計モデルの一種である多次元処理ツリーモデルをフィッティングしてテストすることができます。これらのパラメータは、ツリー状のグラフのリンク確率であり、観察可能な応答カテゴリに到達するために実行される認知処理の手順を表しています。
    • MPTinRは、多項処理ツリー(MPT)モデルの解析のためのユーザーフレンドリーな方法を提供します。
    • TreeBUGSは、ベイジアン階層MPTモデル(ベータMPTおよび潜在特性MPT)に適合する使いやすいメソッドを提供し、人レベルMPTパラメータの事後予測チェック、サマリープロット、相関および回帰を実装します。
  • モデリングベータ分布する従属変数、例えば、速度および割合のベータ回帰は、betaregで提供されています。
  • cocorは、依存または独立したグループのいずれかに基づいて2つの相関を比較するための機能を提供します。
  • profileRは、プロフィール分析とクロスバリデーション技術を実装する一連のツールが用意されています。
  • TestScorerは、テスト項目を入力し、RAWと変換されたスコアを取得するためのGUIを提供します。結果はコンソールに表示されており、さらなる統計分析のために表形式のテキストファイルに保存することができます。ユーザは、GUIを介して自身のテストおよびスコアリング手順を定義することができます。
  • wCorrは、加重または非加重形で、ピアソンおよびスピアマン、tetrachoric polychoric、polyserial相関係数を算出します。
  • gtheoryは、単変量および多変量汎化理論(G-theory)モデルに適合します。
  • GDINAは、一般化された決定論的入力、ノイズの多いゲート(G-DINA)モデルおよびシーケンシャルG-DINAモデルのフレームワーク内の様々な認知診断モデル(CDM)を推定します。また、Q-matrixの検証、項目とモデルの適合統計、テストと項目レベルでのモデル比較、および差分項目の機能を実行するためにも使用できます。グラフィカルユーザーインターフェースも提供されています。
  • simcdmは、認知診断モデルDINAとrRUMのシミュレーションルーチンを実装しています。
  • TestDataImputationは、テストおよび評価データに対する項目応答補完の欠落を示します。
  • LAMは、マルチレベルデータに特に焦点を当てた潜在変数モデリングのためのいくつかの手順が含まれています。
  • psychToolsは、psychに付随するツールが含まれています。
  • ataは、アイテムのメタデータを処理し、ターゲットとなる評価と測定の青写真の制約を利用してテストフォームを組み立てるための、心理測定メソッドのコレクションを提供します。
  • TestDesignは、固定および適応テスト構築のための最適なテスト設計アプローチを実装します。
  • heplotsは、仮説誤差プロットで多変量線形モデルの仮説検定を可視化します。

 

R言語 CRAN Task View:心理モデルや手法

R言語 CRAN Task View:心理モデルや手法」への1件のフィードバック

コメントは受け付けていません。