Boosting-Techniken zur Modellierung itemmodifizierender Effekte

Moritz Berger beschäftigt sich mit einer Erweiterung des klassischen binären Rasch-Modells, mit der es möglich ist, Unterschiede zwischen Personen aus unterschiedlichen Subgruppen bei der Beantwortung von Testitems zu berücksichtigen. Das binäre Rasch-Modell findet Anwendung in der Psychometrie bei der Auswertung von Intelligenztests. Grundannahme dieses Modells ist, dass die Schwierigkeit eines Testitems für alle Personen mit derselben Fähigkeit exakt gleich ist, was jedoch oftmals nicht der Fall ist. Das vorgestellte, erweiterte Modell wird mithilfe von Boosting-Verfahren geschätzt. Auf Basis von Simulationen und echten Datenbeispielen wird die Güte der Modelle und des Schätzverfahrens gründlich untersucht und Grenzen der Methoden aufgezeigt.

Moritz Berger studierte an der LMU München Statistik und arbeitet derzeit am dortigen Institut für Statistik als wissenschaftlicher Mitarbeiter am Seminar für angewandte Stochastik. Hauptsächlich beschäftigt er sich bei seiner Tätigkeit mit Regressionsproblemen in hochdimensionalen Datenstrukturen.

Eine naturwissenschaftliche Studie Includes supplementary material: sn.pub/extras

Autorentext
Moritz Berger studierte an der LMU München Statistik und arbeitet derzeit am dortigen Institut für Statistik als wissenschaftlicher Mitarbeiter am Seminar für angewandte Stochastik. Hauptsächlich beschäftigt er sich bei seiner Tätigkeit mit Regressionsproblemen in hochdimensionalen Datenstrukturen.

Inhalt
Item-Response-Modelle in Form logistischer Regressionsmodelle.- Modellierung von Differential Item Functioning.- Regularisierung mithilfe von Boosting-Verfahren.