(IRT) The Performance of the Semigeneralized Partial Credit Model for Handling Item-Level Missingness

출처: Zhou, S., & Huggins-Manley, A. C. (2020). The Performance of the Semigeneralized Partial Credit Model for Handling Item-Level Missingness. Educational and Psychological Measurement. https://doi.org/10.1177/0013164420918392

 

The semi-generalized partial credit model (Semi-GPCM) has been proposed as a unidimensional modeling method for handling not applicable scale responses and neutral scale responses, and it has been suggested that the model may be of use in handling missing data in scale items.

Semi-GPCM은 적절하지 않은 척도 응답이나 중립적 척도을 핸들링하기 위한 일차원 모형으로 제안되어왔으며, 또한 척도 문항에서 결측치를 핸들링하는데 유용한 것으로 제안되어 왔음. 

 

The purpose of this study is to evaluate the ability of the unidimensional Semi-GPCM to aid in the recovery of person parameters from item response data in the presence of item-level missingness, and to compare the performance of the model with two other proposed methods for handling such missingness: a multidimensional modeling approach for missingness and full information maximum likelihood estimation.

본 연구의 목적은 ①문항수준에서 결측이 존재할 때 문항반응자료에서 피험자 모수의 회복력을 지원하는 데 있어 일차원 Semi-GPCM의 능력을 평가하고, ②결측치를 다루기 위해 제안된 다른 2가지 방법(결측치를 위한 다차원적 모형 접근, full information muximum likelihood estimation)과의 수행능력을 비교하는 데 있음. 

 

The results indicate that the Semi-GPCM performs acceptably in an absolute sense when less than 30% of the item data is missing but does not outperform the other two methods under any particular conditions. We conclude with a discussion about when practitioners may or may not want to use the Semi-GPCM to recover person parameters from item response data with missingness.

문항자료의 30% 이하가 결측일 때 Semi-GPCM은 절대적 의미에서 수용가능하였지만, 특정 조건 하에서는 다른 두 가지 방법을 능가하지 못하였음.  결측값이 있는 문항응답자료로부터 피험자 모수를 회복하는 데 있어 Semi-GPCM을 사용할  수  있을  때와 없을  때를  논의함.