항목 분석 플랫폼 시작

분석 > 다변량 방법 > 항목 분석을 선택하여 항목 분석 플랫폼을 시작합니다.

그림 12.4 항목 분석 시작 창 

"열 선택"의 빨간색 삼각형 메뉴에 포함된 옵션에 대한 자세한 내용은 JMP 사용의 열 필터 메뉴에서 확인하십시오.

Y, 테스트 항목

분석할 두 개 이상의 열을 할당합니다. 열은 연속형 숫자여야 하고 0과 1만 포함할 수 있습니다.

팁: 데이터를 0과 1로 재코딩해야 하는 경우 열 > 재코딩을 사용합니다. 자세한 내용은 JMP 사용의 열의 데이터 재코딩에서 확인하십시오.

빈도

이 역할에 빈도 변수를 할당합니다. 이 기능은 데이터를 요약할 경우에 유용합니다.

기준

기준 변수의 각 수준에 대해 개별 보고서를 생성합니다. 기준 변수가 둘 이상 할당되면 기준 변수의 가능한 각 수준 조합에 대해 개별 보고서가 생성됩니다.

모형

다음 옵션에서 원하는 모형을 지정합니다.

로지스틱 2PL

2모수 로지스틱 모형입니다.

로지스틱 3PL

3모수 로지스틱 모형입니다.

로지스틱 1PL

Rasch 파라미터화를 사용한 1모수 로지스틱 모형입니다.

로지스틱 3PL 모형 상세 정보

"항목 분석" 시작 창에서 "로지스틱 3PL" 모형을 선택하고 "확인"을 클릭하면 추측 모수에 대한 벌점을 입력하라는 메시지가 나타납니다. 3PL 모형의 경우 벌점 기본값은 0입니다. 그러나 c 모수(각 항목에 대한 추측)에 0이 아닌 벌점을 입력할 수 있습니다. 이 벌점은 능형 회귀에서 사용하는 벌점 모수 유형과 유사합니다. 벌점은 추정된 추측 모수의 분산에 적용됩니다. 벌점을 사용하면 다음과 같은 이점이 있습니다.

• 모형 모수 추정을 안정화합니다.

• 계산 속도가 빠릅니다.

• 약간의 편향은 있지만 항목 전체에서 추측 모수의 변동을 줄입니다.

벌점 값이 크면 추측 모수가 0이 되며 값이 작을수록 항목 전체에서 추측 모수의 변동을 줄이는 데 도움이 됩니다. 0 값을 사용하면 벌점이 없습니다.

데이터 형식

항목 분석 플랫폼에는 각 개인에 대한 행과 각 항목에 대한 열이 포함된 데이터 테이블이 필요합니다. 항목 열은 수치형이어야 하고 올바르지 않은 반응을 나타내는 0과 올바른 반응을 나타내는 1만 포함할 수 있습니다. MathScienceTest.jmp 샘플 데이터 테이블에서는 14개의 시험 문제에 대한 1,263명의 반응으로 항목 반응 분석을 수행하기 위해 필요한 데이터 형식을 보여 줍니다.