11 CONTOH PARSCALE
11 contoh PARSCALE 11.1 Barang kalibrasi dan ujian Bayes mencetak gol dengan model Peringkat skala dinilai Contoh ini menggamba Contoh menggambarka rkan n kali kalibra brasi si dan men mencet cetak ak gol dar darii tes ata atau u ska skala la yang berisi berisi ! bebera"a kategori item# $ata simulasi me%akili tangga"an dari 1!!! "eserta u&ian diambil secara acak dari "o"u'lation dengan skor si(at rata'rata !)! dan standar de*iasi 1#!# $ata dibaca dari e+am"l!1#dat (ile dalam contoh (older menggunakan DFNAME kata kunci "ada FILES "erintah# ,ebera"a baris "ertama dari (ile data ditun&ukkan di ba%ah# Nilai si(at "embangkit masing'masing "eserta u&ian adalah kolom kedua dari in(ormasi dalam (ile data# -$ kasu ka sus) s) me meng ngin inga gatt di a% a%al al se seti tia" a" ba bari ris) s) ad adal alah ah . ka kara rakt kter er da dan n di diin indi dika kasi sika kan n se se"e "ert rtii menggunakanNIDCHAR kat kataa kunci kunci "ada MEMASUKKAN "erintah# Hal ini &uga tercermin dalam la"oran (ormat sebagaimana . A1# 0.001,44739 42444232223343433332 0002-.93465 12221121 12221121122324121432 122324121432 0003-.56465 32212212213342314121 0004-.58622 0004-. 58622 13222111 132221111132242211 113224221111 11 0005-.35223 21211 21211122313132312131 122313132312131
All ! items are used in a single test / NTEST=1 on INPUT command) %ith LENTH=20 0# All ! items ite ms ha*e com common mon categori categories es and are assigne assigned d to the same same !L"CK /N!L"CK=1 on TEST NITEMS=20 on !L"CK0# All items ha*e (our categories /NCAT=4 on !L"CK command0 and *arying di((iculties and dis' criminating "o%ers# The graded model is assumed /RADED on CALI! command0 and a logistic res"onse model /L"ISTIC on CALI! command0 is re2uested# The choice bet%een a logistic or normal res"onse res"onse (unction metric is e((ecti*e e((ecti*e only i( the graded res"onse model is used# The re' s"onse (unction o( the graded model can be either the normal ogi*e or its logistic a""ro+imation# 3raded is the de(ault# -( logistic is selected) the item "arameters can be in the natural or the logis'
ticc me ti metr tric ic## Nat Natur ural al is th thee de de(a (ault ult## 4o 4orr th thee no norm rmal al me metr tric ic)) se sett SCALE e2ual to 1#5# Neither L"ISTIC nor SCALE SCALE is needed %hen PARTIAL is selected# ,ecause the generali6ed model allo%s (or *arying item discriminating "o%ers) both a slo"e and threshold are estimated (or each item# The CAD#UST key%ord on the !L"CK command is used to set the mean o( the category "arameters to ! as simultaneous estimation o( slo"e "arameters and all category "arameters is not obtain'able#
The ITEMFIT key%ord is used to set the number o( (re2uency score grou"s (or the com"utation o( item (it statistics to 1!# Note that there is no de(ault *alue (or the ITEMFIT key%ord# The C$CLES key%ord s"eci(ies 7 E8 iterations) %ith ma+imum inner E8 iterations (or the item and category "arameter estimation# 4i*e Ne%ton'3auss iterations are re2uested / NE%T"N=5 on CALI!0# A con*ergence criterion o( !#!!7 is s"eci(ied by using the CRIT key%ord on CALI!#
9! 2uadrature "oints are to be used in the E8 and Ne%ton estimation instead o( the de(ault o( 1! (or cases %here LENTH less or e2ual to 7! in the INPUT command# The calibration "rocedure :; 11 PARSCALE E
Taha ! keluaran
Pada a%al out"ut untuk Taha" !) (ile "erintah bergema# -n(ormasi tentang num'ber tes) item) dan &enis model yang akan di"asang sebagai dita(sirkan oleh PARSCALE PARSCALE &uga diberikan# U#I UTAMA TUNAL DIUNAKAN. #UMLAH ITEM 20 F"RMAT DATA INPUT IS
4A1,10+, 20A1 TEST1TNAME = SCALE1, ITEM = 1 1 20, N!L"CK = 1 !L"CK CARD 1 !L"CK1 (* = S!L"CK1, NITEMS = 20, NCAT = 4, CAD# = 0,0 CAL CAL D/( D /(, , L"I L"ISTI STIK, K, SCAL SCALE E = 1,7, 1,7, N&PT N&PTS S = 30, 30, SIKLU SIKLUS S = 25,2 25,2,2, ,2,2,2 2,2, , NE%T"N = 5, CRIT = 0,005, ITEMFIT = 10 SPESIFIKASI M"DEL ====================== L"ISTIK - D/( ITEM M"DEL RESP"N IS DITENTUKAN. SKALA C"NSTANT1.70 UNTUK PARAMETER LEREN.
:;9 11 CONTOH PARSCALE ,agian ini dari (ile out"ut berisi in(ormasi tentang "engaturan untuk digunakan selama item "a' rameter estimasi "ada Taha" # PARAMETER KALI!RASI ====================== #UMLAH MAKSIMUM SIKLUS EM MAKSIMAL SIKLUS INNER EM MAKSIMAL SIKLUS KATE"RI ESTIMASI MAKSIMAL ITEM PARAMETER SIKLUS ESTIMASI #UMLAH MAKSIMUM SIKLUS NE%T"N C"NERENCE KRITERIA UNTUK SIKLUS EM C"NERENCE KRITERIA UNTUK LEREN C"NERENCE KRITERIA UNTUK THRESH"LD C"NERENCE KRITERIA UNTUK KATE"RI C"NERENCE KRITERIA UNTUK EUSSIN PERINTAH SIKLUS INNER EM ESTIMASI ACCELERAT"R RIDE MET"DE
25 2 2 2 2 0,0050 0,0050 0,0050 0,0050 0,0050 PARAMETER ITEM - KATE"RI N" DEFAULT N" DEFAULT
Tidak ada distribusi Tidak distribusi sebel sebelum um dimi diminta nta dalam CALI! "erintah) dan akibatnya de(ault sebelumnya) distribusi normal "ada "oin sama s"asi) akan digunakan /DIST = 2 di CALI!0# >umlah "oin 2uadrature yang akan digunakan selama estimasi "arameter item yang diteta"kan untuk 9! /N&PT di CALI!0# Program yang dihasilkan "oin 2uadrature dan bobot dicetak ke (ile out"ut Taha" !) se"erti yang ditun&ukkan di ba%ah ini# THE TETAP T ETAP DISTRI!USI SE!ELUMN$A UNTUK SIFA SIFAT-SIFA T-SIFAT T LATEN !ERAR TI SD
0,0000 1.0000
P"IN &:(;)(:) ;( SE!ELUMN$ SE!ELUMN$A A PR"RAM-DIHASILKAN N"RMAL PENDEKA PENDEKATAN TAN
TITIK !ERAT
1 2 3 4 5 -0.4000E < 01 -0.3724E < 01 -0 -0..3448E < 01 -0.3172E < 01 -0.2897E < 01 0.3692E-04 0.1071E-03 0. 0.2881E-03 0.7181E-03 0. 0.1659E-02
TITIK !ERAT
6 7 8 9 10 -0.2621E < 01 -0.2345E < 01 -0 -0..2069E < 01 -0.1793E < 01 -0.1517E < 01 0.3550E-02 0.7042E-02 0. 0.1294E-01 0.2205E-01 0. 0.3481E-01
TITIK !ERAT
11 12 13 14 15 -0.1241E < 01 -0.9655E < 00 -0.6897E < 00 -0.4138E < 00 -0.1379E < 00 0.5093E-01 0.6905E-01 0.8676E-01 0.1010E < 00 0.1090E < 00
TITIK !ERAT
16 0.1379E < 00 0.1090E < 00
17 0.4138E < 00 0.1010E < 00
18 19 20 0.6897E < 00 0.9655E < 00 0.1241E < 01 0.8676E-01 0.6905E-01 0.5093E-01
TITIK !ERAT
21 0.1517E < 01 0.3481E-01
22 0.1793E < 01 0.2205E-01
23 24 0.2069E < 01 0.2345E < 01 0.1294E-01 0.7042E-02
25 0.2621E < 01 0.3550E-02
:;. 11 CONTOH PARSCALE TITIK !ERAT
26 0.2897E < 01 0.1659E-02
27 28 29 30 0.3172E < 01 0.3448E < 01 0.3724E < 01 0.4000E < 01 0.7181E-03 0.2881E-03 0.1071E-03 0.3692E-04
!ERAT KESELURUHAN 1,00000 !ERARTI 0,00000 SD 0,99970
"engaturan kontrol yang akan digunakan selama kalibrasi diikuti oleh "engaturan yang akan digunakan selama (ase scoring /Taha" 90# EAP metode scoring diminta /EAPo"tion0 dan) se"erti dalam (ase kalibrasi) 9! "oin 2uadrature diminta# =arena tidak ada distribusi sebelum diminta menggunakanDIST kata kunci) secara de(ault distribusi normal "ada "oin sama s"asi akan digunakan /DIST = 2 di SK"R0# Perhatikan bah%aDIST kata kunci hanya berlaku ketika EAP scoring telah se'lected# SC"REEAP, N&PTS = 30, SMEAN = 0,0, SSD = 1,0, NAME = EAP, PF& = 5 PARAMETER UNTUK SK"R DAN TES DAN INF"RMASI ITEM ================================================== ==
( '9)) PERKIRAAN
MET"DE SU!$EK SK"R
HARAPAN EAP !A$ES
#ENIS SE!ELUMN$A
PENDEKATAN N"RMAL
#UMLAH P"IN &:(;)(:) SK"R TERTULIS FILE
30 E+AMPL01.SC"
P"IN &:(;)(:) ;( SE!ELUMN$A PR"RAM-DIHASILKAN N"RMAL PENDEKATAN
TITIK !ERAT
1 2 3 4 5 -0.4000E < 01 -0.3724E < 01 -0.3448E < 01 -0.3172E < 01 -0.2897E < 01 0.3692E-04 0.1071E-03 0.2881E-03 0.7181E-03 0.1659E-02
TITIK !ERAT
6 7 8 9 10 -0.2621E < 01 -0.2345E < 01 -0.2069E < 01 -0.1793E < 01 -0.1517E < 01 0.3550E-02 0.7042E-02 0.1294E-01 0.2205E-01 0.3481E-01
TITIK !ERAT
11 12 13 14 15 -0.1241E < 01 -0.9655E < 00 -0.6897E < 00 -0.4138E < 00 -0.1379E < 00 0.5093E-01 0.6905E-01 0.8676E-01 0.1010E < 00 0.1090E < 00
TITIK !ERAT
16 0.1379E < 00 0.1090E < 00
17 18 19 20 0.4138E < 00 0.6897E < 00 0.9655E < 00 0.1241E < 01 0.1010E < 00 0.8676E-01 0.6905E-01 0.5093E-01
TITIK !ERAT
21 0.1517E < 01 0.3481E-01
22 23 24 25 0.1793E < 01 0.2069E < 01 0.2345E < 01 0.2621E < 01 0.2205E-01 0.1294E-01 0.7042E-02 0.3550E-02
TITIK !ERAT
26 0.2897E < 01 0.1659E-02
27 0.3172E < 01 0.7181E-03
28 29 0.3448E < 01 0.3724E < 01 0.2881E-03 0.1071E-03
30 0.4000E < 01 0.3692E-04
:;7 11 CONTOH PARSCALE !ERAT T"TAL 1,00000 !ERARTI 0,00000 SD 0,99970
Nilai'nilai ditugaskan untuk konstanta rescaling SMEAN dan SSD dalam SK"R "erintah akan ditam"ilkan? SET NUM!ER NAMA SC"RE #UMLAH ITEM R9>(/9 K"NSTAN,
1 EAP 20 MEAN =
ITEM
1 11
2 12
0.00 3 13
4 14
SD = 5 15
0001 0002 0003 0004 0005 0011 0012 0013 0014 0015
1.00 6 16
7 17
8 18
9 19
10 20
0006 0007 0008 0009 0010 0016 0017 0018 0019 0 020
-n"ut dan out"ut (ile se"erti yang diminta dengan DFNAME kata kunci "ada FILES "erintah dan '()* dan SK"R kata kunci "ada MEN$IMPAN "erintah tercantum? TUAS FILE ;( ;' ================================= ?INPUT FILES@ T"PIK DATA INPUT FILE
E+AMPL01.DAT
TUNAL-T"PIK DATA N" !ERAT KASUS ?"UTPUT FILES@ PARAMETER ITEM FILE T"PIK SCALE-SC"RE FILE
E+AMPL01.PAR E+AMPL01.SC"
?SCRATCH FILES@ PARSCALE SISTEM !INAR$ DATA FILE FILE SEMENTARA FILE SEMENTARA FILE SEMENTARA FILE SEMENTARA
E(*'/01.MFL E(*'/01.T99 E(*'/01.T98 E(*'/01.T97 E(*'/01.T96
@ntuk memungkinkan "engguna untuk mem*eri(ikasi bah%a data telah dibaca dengan benar dari (ile data mentah) dua yang "ertama catatan dari (ile data bergema di out"ut# -tu#A%A!AN INPUT bidang memberikan tangga"an asli sementara #A%A!AN )>;;mencerminkan recoding tangga"an# Re'coding tangga"an dikendalikan oleh ASLI dan DIU!AH kata kunci "ada !L"K "erintah# INPUT DAN RESP"N )>;; PERTAMA DAN KEDUA PENAMATAN "!SERASI B KEL"MP"K ID 0001
1 1
:;: 11 CONTOH PARSCALE #A%A!AN INPUT 4 RESP"N )9>;9;, 4
2 2
4 4
4 4
4 4
2 2
3 3
2 2
2 2
2 2
3 3
3 3
4 4
3 3
4 4
3 3
3 3
3 3
3 2 3 2
"!SERASI B 2 RUP 1 ID 0002 #A%A!AN INPUT 1 2 RESP"N )9>;9;, 1 2
2 2
2 2
1 1
1 1
2 2
1 1
1 1
2 2
2 2
3 3
2 2
4 4
1 1
2 2
1 1
4 4
3 2 3 2
Akhirnya) ¨ah obser*asi yang akan digunakan dalam analisis dicatat# Secara de(ault) semua obser'*ations akan digunakan# >umlah obser*asi yang akan digunakan da"at dimani"ulasi dengan menggunakanMENCICIPI atau MENAM!IL kata kunci "ada MEMASUKKAN "erintah# PSLDAT E+AMPL01.DAT 1000 PENAMATAN READ DARI FILE 1000 PENAMATAN TERTULIS FILE E(*'/01.MFL
Taha 1 outut
>udul yang diberikan dalam #UDUL "erintah dan nama ditugaskan untuk tes di U#I "erintah di (ile "erintah bergema dalam (ile out"ut# C"NT"H 1 C"NT"H !UATAN M"NTE CARL" DATA D/( M"DEL, METRIC N"RMAL SK"R SCALE EAP MAINTEST SCALE1
4ile induk yang dibuat selama Taha" ! digunakan sebagai masukan# Perhatikan bah%a e+am"l!1#m(l (ile induk da"at disim"an dengan menggunakanMENUASAI kata kunci "ada MEN$IMPAN "erintah untuk digunakan sebagai masukan dalam analisis selan&utnya /MFNAME kata kunci "ada FILES "erintah0# kata kunciMENAM!IL dan MENCICIPI "ada MEMASUKKAN "erintah mengontrol ¨ah record dibaca dari (ile data mentah# Sebagai nilai de(ault dari MENCICIPI adalah 1!!) kata kunci tidak digunakan dan semua data yang digunakan secara de(ault# . 1000 "!S 1000,000 TELAH MEM!ACA DARI E(*'/01.MFL
ringkasan statistik -tem untuk ! item yang diberikan berikutnya# =arena tidak ada tidak ter%akili /NFNAME di FILES0 Atau menghilangkan kunci / "FNAME di FILES0 $igunakan) tidak ada (rekuensi atau "ersentase dila"orkan un'der yang B TIDAK HADIR atau MENHILANKAN D>udul# $i ba%ah KATE"RI DPos) (rekuensi dan "ersentase tangga"an untuk masing'masing . kategori yang diberikan item'oleh'item# =umulati( (re'2uencies dan "ersentase untuk kategori atas semua item yang diberikan di u&ung me&a#
Perhatikan bah%a) &ika kategori kosong ditemui) "engguna harus recode item yang sesuai "ada yang ini ter&adi sebelum melan&utkan dengan analisis# !L"K N".1 NAMA S!L"CK1 -------------------------------------------------- ------------ITEM T"TAL TIDAK A(( MEN$A#IKAN 1 -------------------------------------------------- ------------0001 FRE&. 1000 0 0 194 PERC. 0.0 0.0 19,4
KATE"RI 2
303 30,3
3
313 31.3
4
190 19,0
:;5 11 CONTOH PARSCALE 0002 FRE&. PERC. ... 0020 FRE&. PERC.
1000
0 0.0
1000
0 0.0
0 0.0
204 20.4
284 28,4
310 31.0
202 20.2
305 30,5
211 21.1
212 21.2
272 27.2
CUMMUL. FRE&. 4844 PERC. 24.2 -------------------------------------------------- -------------
5186 25,9
5204 26,0
4766 23.8
0 0.0
-------------------------------------------------- -------------
berarti -tem) "erkiraan kemiringan a%al) dan Pearson dan "olyserial korelasi item'tes ditun&ukkan "ada tabel berikutnya# Pearson
Sam"el "roduk'moment korelasi skor tes) t
J
= s
saya
#
aku j
j 1
s a
dan m'=ategori skor barang "olytomous) dimana
ku j
= 1) ) ###) m ) Adalah titik "olyserial korelasi r PP # j #
Fdi 1
nt
r PP ) &
= / n
-
t s saya
aku j
s j
t saya - nt 0 / Fn saku j ns & 0
say a 1
saya1
di mana n adalah ukuran sam"el) t adalah mean skor tes dan s j) 8ean skor barang# $alam contoh ini n 1!!!# @ntuk item 1)
s saya1 = /1 G 1;.0 < / G 9!90 < /9 G 9190 < /. G1;!0)
maka s1 =
s saya1
n
=
7!
= )7!#
1!!!
>uga
s saya1 = /1 G 1;.0
< /
G 9!90 < /9 G 9190 < /.
G 1;!0 = 5:9
:;F 11 CONTOH PARSCALE maka
= 5:9 - /1!!! G )7! 0
S # $# /item 10
1!!! 1)!!17
korelasi Polyserial
The "olyserial korelasi r P da"at dinyatakan dalam titik korelasi "olyserial sebagai
σ
r
r
PP ) &
P ) &
=
mk =
-1 1
j
h/6 jk 0
dimana z jk adalah skor sesuai dengan "ro"orsi kumulati() " jk dari kategori res"on k'th ke item & /untuk item 1) misalnya) "ro"orsi kumulati( yang !)1;.) !).;5) dan !)F1 untuk kategori 1)) dan 90) σ j adalah standar de*iasi dari skor item untuk item & /1)!!17 untuk item 10) dan r PP # j adalah korelasi "oint'"olyserial# h/6 jk 0 Adalah ordinat dari distribusi normal "ada titik 6 jk itu adalah
h/6 jk 0 =
1 &k e+" / - z 0# π 1
lereng a"al dan lokasi
=orelasi "olyserial mem"erkirakan (actor loading item) α j) 8engatakan# >ika skala se%enang' %enang dari item *ariabel laten) y j ) $i"ilih sehingga *arians y j sama dengan 1) maka y j = α j /θ - b jk 0 < ε j #
dimana θ adalah skor (aktor dengan mean ! dan *arians 1) dan kesalahan) ε j ) 8emiliki berarti ! dan *ari'Ance 1- r p) j # @ntuk tu&uan "arameter estimasi 88L di -RT) akan lebih mudah untuk rescale item *ariabel laten sehingga *arians error sama dengan 1# 4aktor "embebanan kemudian men&adi lereng item)
S e b u a h = r G 1 - r j
p ) &
# p ) &
:;; 11 CONTOH PARSCALE Perkiraan sementara ini dari lereng kemudian digunakan sebagai nilai a%al dalam berulang E8 solu'tions dari "ersamaan kemungkinan maksimum mar&inal untuk mem"erkirakan "arameter dari model res"on butir "oly'tomous# Lokasi a%al ditam"ilkan dalam kolom terakhir dari tabel adalah rata'rata dari kategori ambang batas un tuk setia" item# arameter ambang batas item#kategori a"al
"arameter ambang batas item'kategori da"at dihitung sekali koe(isien "olyserial telah di"eroleh# Eks"resi untuk "arameter ambang batas dalam hal kumulati( kategori "ro"or'tions dan koe(isien korelasi biserial /Lord No*ick) 1;:F0 adalah jk z
b jk =
r
dengan r "ro"orsi kasus ke B # j korelasi biserial untuk item & dan 6 jk skor 6 yang memotong " jk item & dalam unit distribusi normal itu adalah n jk
p jk =
m
n jk v=1
dimana n jk adalah (rekuensi res"on kategoris untuk item j dan kategori k # ambang "ro*i'sional ini dari kategori ber(ungsi sebagai nilai a%al dalam estimasi 88L "arameter item yang bersesuaian'ing# @ntuk model Peringkat skala) a"akah semua item memiliki sama thresh'olds) kategori "ro"orsi dihitung dari (rekuensi terakumulasi selama semua item yaitu# n
n
jk p k =
j=1 nm
#
n
jk j =1 k =1
$alam /1;;!0 (ormulasi 8uraki tentang model Peringkat skala) "arameter ka tegori ambang batas) ck ) $inyatakan sebagai "enyim"angan dari "arameter threshold item) b j itu adalah y j = α /θ - b j < ck 0 < ε j m-1
di ba%ah kendala yang
c j = !# j = k -1
5!! 11 CONTOH PARSCALE $alam konteks model Peringkat skala) b jdisebut sebagai BlokasiD "arameter# -tu A%AL L"KASI =olom memberikan nilai'nilai rata'rata dari kategori ambang batas untuk setia" item# -------------------------------------------------- ------------------------TANAPA !L"K N SK"R T"TAL P() !ARA N !ERARTI !ERARTI P"L$SERIAL SD SD HU!UNAN
A%AL LEREN
A%AL L"KASI
-------------------------------------------------- ------------------------S!L"CK1 1 0001
2 0002 3 0003 4 0004 5 0005 6 0006 7 0007 8 0008 9 0009 10 0010 11 0011 12 0012 13 0013 14 0014 15 0015 16 0016 17 0017
2,499 1,009 2.510 1.030 2,481 1,031 2,515 1,037 2,511 1,032 2,137 1,037 2,118 1,033 2,144 1,029 2,136 1,029 2,128 1,002 2,870 1,041 2,874 1,071 2,874 1,053 2,831 1,057 2,847 1,094 2,492 1,161 2,541 1,125
49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754 49,892 14,754
0,778 0.830 0,797 0,852 0,785 0,839 0,805 0,861 0,811 0,867 0,728 0,791 0,735 0,801 0,754 0,819 0,736 0,799 0,730 0,791 0,645 0,702 0,655 0.717 0,690 0,753 0,673 0,731 0,679 0,744 0,590 0,643 0,548 0,594
1,488
-0,017
1,628
-0,036
1,545
0.013
1,695
-0,053
1,739
-0,038
1,293
0,837
1,336
0,855
1,426
0,758
1,329
0.830
1,293
0,882
0,985
-1,168
1,029
-1,094
1,144
-1,017
1,072
-0,953
1,114
-0,938
0,839
0,010
0.738
-0,173
18 0018 19 0019 20 0020
2,463 1,152 2.470 1.160 2,451 1,184
49,892 14,754 49,892 14,754 49,892 14,754
0,589 0.641 0,573 0,624 0,583 0,639
0,834
0,102
0,798
0,085
0.830
0.048
-------------------------------------------------- ------------------------!ERART I SD 1 36,116 10,656 2 46,091 11,156 3 54,107 11,165 4 63,427 10,739 -------------------------------------------------- -------------------------KATE"RI
PARAMETER 0,927 0,002 -0,930 0.000
5!1 11 CONTOH PARSCALE Pada akhir tabel ini) statistik deskri"ti( untuk total skor baku dari "eserta u&ian yang kembali yang ditangga"i di masing'masing . kategori yang diberikan# Rata'rata total skor tertinggi th :9).5 adalah untuk res"onden yang men&a%ab dalam . kategori# Taha $ keluaran
Sebuah "endekatan 88L digunakan untuk estimasi) dan baik distribusi laten normal atau em"iris dengan mean ! dan standar de*iasi 1 diasumsikan# >enis distribusi yang digunakan dikendalikan olehDIST kata kunci "ada CALI! "erintah# Secara de(ault) distribusi normal dengan "oin sama s"asi digunakan dan) untuk menganalisa manaPAN#ANN$A kata kunci "ada MEMASUKKAN "erintah diatur ke nilai kurang dari atau sama dengan 7!) 1! "oin 2uadrature akan digunakan# =arena &arak yang ber"otensi macam "arameter kategori batas "ada laten dimen'sion) disarankan untuk menggunakan lebih banyak "oin 2uadrature dari"ada di ,ilog'83# $alam mantan cuku" ini) ¨ah "oin 2uadrature diteta"kan untuk 9! /N&PT "ada CALI! "erintah0# Algoritma E8 digunakan dalam solusi dari "ersamaan kemungkinan maksimum untuk "arameter) mulai dari nilai a%al di&elaskan dalam Taha" 1 out"ut# Pada setia" iterasi) ' ln L diberikan) bersama dengan in(ormasi tentang "arameter yang "erubahan terbesar antara siklus diamati# >umlah siklus E8 dikendalikan olehSIKLUS kata kunci "ada CALI! "erintah) dan kriteria kon*ergensi da"at diatur dengan menggunakan CRITkata kunci "ada "erintah yang sama# $engan de'kesalahan) 1! siklus E8 akan dilakukan ketikaPAN#ANN$A ≤ 50 "ada MEMASUKKAN "erintah# $alam mantan cuku" ini) 7 siklus E8 dengan maksimal iterasi E8 batin untuk item dan kategori "a'rameter estimasi yang ditentukan# =riteria kon*ergensi standar adalah !)!!1# @ntuk contoh ini) itu diatur ke !)!!7# ?EM SIKLUS@ D/( M"DEL RESP"NSE KATE"RI DAN ITEM PARAMETER SETELAH SIKLUS TER!ESAR ANTI =
0.000
L" -2 *:J( = KATE"RI
0
46371.421
DAN ITEM PARAMETER SETELAH SIKLUS
1
TER!ESAR ANTI =
0,636 -1.168- -0,532
L" -2 *:J( = KATE"RI
; L( I* 11 0011
44229.018
DAN ITEM PARAMETER SETELAH SIKLUS
TER!ESAR ANTI =
0,033
L" -2 *:J( =
2
0.989- 1,022 ; L)J
I* 13 0013
44224.943
Algoritma E8 berkum"ul setelah 9 siklus diselesaikan# Setelah menca"ai baik ¨ah maksimum siklus E8 atau kon*ergensi) "rogram akan melakukan Ne%ton'3auss /4isher scor' ing0 siklus diminta melaluiNE%T"N kata kunci "ada CALI! "erintah# $alam contoh ini) 5! 11 CONTOH PARSCALE NE%T"N diteta"kan untuk 7# -n(ormasi matriks untuk semua "arameter item didekati selama
setia" langkah Ne%ton dan kemudian digunakan "ada kon*ergensi untuk menyediakan standar error besar sam"el esti'mation untuk estimasi "arameter barang# ?NE%T"N SIKLUS@
M"DEL RESP"NSE D/(
KATE"RI DAN ITEM PARAMETER SETELAH SIKLUS
0.000 TER!ESAR ANTI = L" -2 *:J( =
44224.833
KATE"RI DAN ITEM PARAMETER SETELAH SIKLUS TER!ESAR ANTI =
0.004
0
1
-0.536- -0,533 ; L( I* 11 0011
Siklus Ne%ton berkum"ul setelah iterasi# =arena semua item ditugaskan untuk sama!L"K) Hanya satu me&a dicetak ke (ile out"ut# $i bagian atas me&a) "arameter kategori "erkiraan diberikan# @ntuk setia"m kategori item) ada m-1 "arameter kategori ambang batas dengan b j 1 ≤ b j ### ≤ b jm-1# @ntuk model res"on butir "olytomous) kekuatan diskriminati( dari res"on kategoris tertentu tergantung "ada lebar kategori ambang batas yang berdekatan serta "arameter kemiringan# =arena "ro"erti ini) estimasi simultan "arameter kemiringan dan semuam j kategori "arameter tidak mungkin di"eroleh# >ika model meli"uti "arameter kemiringan untuk setia" item jse"erti dalam contoh ini) lokasi "arameter kategori harus di"erbaiki# -tuCAD#UST kata kunci "ada !L"K "erintah diteta"kan untuk !) dan dengan demikian rata'rata "arameter kategori adalah !# @ntuk setia" item) lereng dan lokasi "arameter) bersama dengan sesuai standar kesalahan) diberikan# Semua "arameter menebak adalah nol untuk model ini# ITEM !L"CK1
S!L"CK1
KATE"RI PARAMETER SE
1,024 0,011
0,005 0,009
-1,030 0,011
<
------ < ----- < --------- < --------- < --------- < --------- < ---------< --------- < ITEM !L"CK LEREN SE L"KASI SE M( SE < ====== < ===== < ========= < ========= < ========= < ====== === < ========= < ========= < 0001 1 1,486 0,063 0,006 0,042 0.000 0.000 0002 1 1,526 0,067 -0,012 0,040 0.000 0.000 0003 1 1,472 0,065 0,022 0,041 0.000 0.000 ?K/:()( ):'( ;/(J(@ 0019 0020 < ------
<
1 1 ----- <
0,699 0,665 --------- <
0,030 0.029 --------- <
0.048 0,085 --------- <
0,060 0,062 --------- <
0.000 0.000 --------- <
0.000 0.000 --------- <
5!9 11 CONTOH PARSCALE Parameter rata'rata mem"erkirakan seluruh ! item yang diberikan berikutnya# >ika item yang diangga" sebagai sam"el acak dari alam semesta nyata atau hi"otetis) ¨ah ini mem"erkirakan sarana dan standar de*iasi dari "arameter# 8ereka bisa ber(ungsi sebagai "rior "arameter item dalam kalibrasi butir masa de"an di alam semesta ini# STATISTIK IKHTISAR PERKIRAAN PARAMETER < ---------- < --------- < --------- < ---- < PARAMETER !ERARTI STN DE N < ========== < ========= < ========= < ==== < LEREN 1,111 0,317 20 L" LEREN 0,065 0,296 20 THRESH"LD 0,003 0.370 20 *( 0.000 0.000 0 < ------------------ < --------- < ---- < <
$i"erkirakan distribusi laten diberikan berikutnya# $istribusi ini adalah ¨ah "osterior $istri' butions dariθ untuk semua res"onden dalam sam"el# Hal ini di%akili di sini sebagai titik massa) skala untuk ¨ah sam"ai 1)!) "ada 9! "oin sama s"asi "adaθ dimensi# >ika distribusi "o"ulasi adalah normal dan tes ini cuku" in(ormati( selama rentangθ ) $istribusi "osterior untuk semua res"onden akan mendekati normal dan distribusi laten akan mendekati normal# TITIK !ERAT
1 2 3 4 5 -0.4000E < 01 -0.3724E < 01 -0.3448E < 01 -0.3172E < 01 -0.2897E < 01 0.6912E-04 0.1967E-03 0.5110E-03 0.1201E-03 0.2420E-02
TITIK !ERAT
6 7 8 9 10 -0.2621E < 01 -0.2345E < 01 -0.2069E < 01 -0.1793E < 01 -0.1517E < 01 0.4662E-02 0.7645E-02 0.1189E-01 0.2005E-01 0.3585E-01
TITIK !ERAT
11 12 13 14 15 -0.1241E < 01 -0.9655E < 00 -0.6897E < 00 -0.4138E < 00 -0.1379E < 00 0.5568E-01 0.7094E-01 0.8078E-01 0.9708E < 00 0.1104E < 00
TITIK !ERAT
16 0.1379E < 00 0.1086E < 00
17 0.4138E < 00 0.9806E < 00
18 0.6897E < 00 0.8301E-01
19 20 0.9655E < 00 0.1241E < 01 0.6999E-01 0.5416E-01
TITIK !ERAT
21 0.1517E < 01 0.3797E-01
22 0.1793E < 01 0.2403E-01
23 0.2069E < 01 0.1328E-01
24 25 0.2345E < 01 0.2621E < 01 0.6619E-02 0.2962E-02
TITIK !ERAT
26 0.2897E < 01 0.1197E-03
!ERAT KESELURUHAN !ERARTI SD
27 0.3172E < 01 0.4451E-03
28 0.3448E < 01 0.1547E-04
29 0.3724E < 01 0.5062E-04
30 0.4000E < 01 0.1563E-05
1,00000 0,00000 0,99970
kebaikan'o('(it dari model res"on butir "olytomous da"at diu&i item dengan item# Summa'tion dari item (it &uga da"at digunakan untuk kebaikan'o('(it untuk tes secara keseluruhan# 4it statis' tics berguna dalam menge*aluasi (it dari model untuk data res"on yang sama ketika model bersarang 5!. 11 CONTOH PARSCALE dalam "arameter mereka# Res"onden yang ditugaskan untuk H inter*al "ada θ 'continuum# >umlah inter*al diatur kita' ingITEMFIT kata kunci "ada CALI! "erintah# Iang dihara"kan a "osteriori /EAP0 skor masing' masing res"onden digunakan untuk meneta"kan res"onden dengan H inter*al# 4rekuensi yang diamatir hjk dari itu k kategori res"on 'th ke item j dalam inter*al h) dan N hj ) >umlah res"onden ditugaskan untuk barang j dalam h-nter*al 'th) dihitung# estimasiθ s rescaled sehingga *arians dari distribusi sam"el sama bah%a distribusi laten di mana estimasi 88L "arameter didasarkan# dengan demikian H oleh m j tabel kontingensi di"eroleh untuk setia" item j# @ntuk menghindari nilai'nilai yang dihara"kan kurang dari 7) inter*al dan G atau kategori tetangga da"at digabung# @ntuk setia" inter*al) inter*al berarti)θ h ) $an nilai (ungsi res"on di"asang P jk /θ h 0) $ihitung# Akhirnya) rasio kemungkinan χ 'statistic untuk setia" item dihitung dengan
r
H JMJ
G & = r hjk ln
hjk
#
N hj P jk /θ h 0
h 1 k 1
dimana H jadalah ¨ah inter*al kiri setelah inter*al tetangga digabung# $era&at kebebasan adalah Hj j1 /mJ & - 10 dimana mJ & adalah ¨ah kategori kiri setelah "enggabungan# Rasio kemungkinan χ 'statistic untuk tes secara keseluruhan hanya "en¨ahan dari ter"isah
'statistics# >umlah dera&at kebebasan &uga meru"akan "en¨ahan dari dera&at kebebasan untuk setia" item# χ
STATISTIK ITEM FIT ---------------------------------------------- !L"K ITEM CHI-KUADRAT ---------------------------------------------- S!L"CK1 0001 25,00714
DF MASALAH. 20.
0,201
0002 23,18082 0003 25,66873 0004 31,56813 0005 19,88483 0006 13,51922 ... 0019 12,51549 0020 25,25502 ---------------------------------------------- T"TAL 492,43930 -----------------------------------------------
20. 20. 19. 19. 22.
0.280 0,177 0,035 0,339 0,918
25. 25.
0.982 0,448
442.
0.049
5!7 11 CONTOH PARSCALE Hi"otesis nol diu&i di sini adalah bah%a tidak ada "erbedaan yang signi(ikan antara (rekuensi yang dihara"kan dan diamati# Signi(ikan χ 'statistic menun&ukkan bah%a "arameter barang berbeda di seluruh kelom"ok skor mentah dan bah%a model diasumsikan tidak sesuai untuk data# $alam hal ini) ada item menun&ukkan miskin cocok untuk model diasumsikan# Taha % keluaran
-n(ormasi yang "ertama diberikan dalam out"ut dari (ase mencetak gol adalah "ada (ungsi "enilaian yang digunakan untuk scaling# 4ungsi de(ault adalahSTANDAR) $an dengan demikian (ungsi "enilaian standar /1#!) #!0 akan digunakan meski"un (ungsi "enilaian yang berbeda da"at digunakan untuk kalibrasi# 4ungsi scoring &uga da"at diatur untuk KALI!RASI /SK"R kata kunci "ada SK"R "erintah0 untuk menggunakan (ungsi kalibrasi skor ditentukan "ada !L"K "erintah sebagai gantinya# Perhatikan bah%a scoring (unc'tion hanya berlaku untuk model kredit "arsial# SK"R FUNSI UNTUK SCALIN !L"CK 1
S!L"CK1
1 2 3 4
1.000 2.000 3.000 4.000
estimasi ,ayes dihitung untuk setia" "eserta u&ian sehubungan dengan atau kelom"oknya laten distribu'tion /dikendalikan oleh EAP "ilihan "ada SK"RPerintah yang digunakan di sini0# Sebuah distribusi diskrit "ada ¨ah terbatas "oin /lihat di ba%ah0 digunakan sebagai sebelumnya# Pengguna da"at memilih ¨ah "oin dan &enis sebelum menggunakanN&PT dan DIST kata kunci "ada SK"R "erintah# ?EAP SU!#ECT ESTIMASI@ P"IN &:(;)(:) ;( SE!ELUMN$A
TITIK !ERAT
1 2 3 4 5 -0.4000E < 01 -0.3724E < 01 -0.3448E < 01 -0.3172E < 01 -0.2897E < 01 0.3692E-04 0.1071E-03 0.2881E-03 0.7181E-03 0.1659E-02
TITIK !ERAT
6 7 8 9 10 -0.2621E < 01 -0.2345E < 01 -0.2069E < 01 -0.1793E < 01 -0.1517E < 01 0.3550E-02 0.7042E-02 0.1294E-01 0.2205E-01 0.3481E-01
TITIK !ERAT
TITIK !ERAT
11 12 13 14 15 -0.1241E < 01 -0.9655E < 00 -0.6897E < 00 -0.4138E < 00 -0.1379E < 00 0.5093E-01 0.6905E-01 0.8676E-01 0.1010E < 00 0.1090E < 00 16 0.1379E < 00 0.1090E < 00
17 0.4138E < 00 0.1010E < 00
18 19 0.6897E < 00 0.9655E < 00 0.8676E-01 0.6905E-01
20 0.1241E < 01 0.5093E-01
5!: 11 CONTOH PARSCALE TITIK !ERAT
21 0.1517E < 01 0.3481E-01
22 0.1793E < 01 0.2205E-01
23 24 25 0.2069E < 01 0.2345E < 01 0.2621E < 01 0.1294E-01 0.7042E-02 0.3550E-02
TITIK !ERAT
26 0.2897E < 01 0.1659E-02
27 28 29 30 0.3172E < 01 0.3448E < 01 0.3724E < 01 0.4000E < 01 0.7181E-03 0.2881E-03 0.1071E-03 0.3692E-04
SARANA DAN STANDAR PEN$IMPANAN DARI DISTRI!USI KEMAMPUAN SK"R !ERARTI STANDAR T"TAL NAMA FREKUENSI DEIASI --------------------------------------------EAP 0.000 0,985 1000.00 ---------------------------------------------
$alam contoh ini) kata kunci SMEAN dan SSD yang diatur ke ! dan 1 masing'masing "ada SK"R "erintah# Akibatnya) out"ut berikut mencerminkan konstanta rescaling /!)!!! dan 1)!170 digunakan dalam kasus ini# R>(/J DILAKUKAN SEHU!UNAN DENAN PENUNA DITA%ARKAN LINEAR TRANSF"RMASI SK"R L"CATI"NSCALIN T"TAL NAMA C"NSTANTC"NSTANT FREKUENSI --------------------------------------------EAP 0.000 1,015 1000.00 ---------------------------------------------
Skor disim"an ke (ile eksternal /kata kunci SK"R di MEN$IMPAN "erintah0) teta"i tiga nilai "ertama dicetak ke (ile out"ut untuk tu&uan memeriksa# =etika EAP digunakan untuk mencetak gol) kolom SE meru"akan standar "osterior de*iasi# IDENTIFIKASI SU!#ECT !ERAT FREKUENSI NAMA SC"RE KEL"MP"K !ERAT MEAN KEMAMPUAN -------------------------------------------------- -------------------------0,447 1 R"UP 01 1.00 1 EAP 1 1.00 3,00 1.00
ATTEMPTS KATE"RI SE
0,6435
0,2193
-------------------------------------------------- --------------------------KEL"M
-.934 1 EAP
1
2 P"K 01 1.00 1.00 1,95 1.00 -0,7442 0,2164 -------------------------------------------------- -----------------------
1
3 P"K 1.00
KEL"M
-.564 1 EAP
01 2.10
1.00 1.00
-0,4392
0,2115
-------------------------------------------------- --------------------------SARANA DAN STANDAR PEN$IMPANAN DARI DISTRI!USI KEMAMPUAN T"TAL SK"R !ERARTI STANDAR NAMA FREKUENSI DEIASI --------------------------------------------EAP 0.000 1.000 1000.00 ---------------------------------------------
=a"an EAP di"ilih) "erkiraan distribusi "o"ulasi kemam"uan dalam bentuk distribusi dis'=reta dari ¨ah terbatas "oin di"eroleh dengan mengum"ulkan ke"adatan "osterior 5!5 11 CONTOH PARSCALE selama "ela&aran "ada setia" titik 2uadrature# ¨ah ini kemudian dinormalisasi untuk menda"atkan "robabilitas esti'dika%inkan "ada titik'titik# Peningkatan "erkiraan distribusi laten da"at di"eroleh setelah satu iterasi dari solusi# Program ini &uga menghitung de*iasi mean dan standar untuk distribusi laten di"erkirakan# koreksi She""ard untuk "engelom"okan kasar digunakan dalam "erhitungan standar de*iasi# EAP "erkiraan adalah mean dari distribusi "osterior sedangkan kesalahan standar de*iasi standar dari distribusi "osterior# bobot "osterior hanya diberikan bila EAP digunakan# Perhatikan bah%a itu didasarkan "ada semua kasus) dan tidak hanya "ada kasus'kasus yang digunakan dalam kalibrasi# &:(;)(:)9 P"IN DAN 1 TITIK -0.4000E < 01 !ERAT 0.6822E-04
! P"STERI"R, SC"RE SET B 1 2 3 4 5 -0.3724E < 01 -0.3448E < 01 -0.3172E < 01 -0.2897E < 01 0.1942E-03 0.5048E-03 0.1187E-03 0.2494E-02
TITIK !ERAT
6 -0.2621E < 01 0,46622-02
7 8 9 10 -0.2345E < 01 -0.2069E < 01 -0.1793E < 01 -0.1517E < 01 0.7591E-02 0.1180E-01 0.1987E-01 0.3555E-01
TITIK !ERAT
11 -0.1241E < 01 0.5541E-01
12 13 14 15 -0.9655E < 00 -0.6897E < 00 -0.4138E < 00 -0.1379E < 00 0.7082E-01 0.8069E-01 0.9694E < 00 0.1105E < 00
TITIK !ERAT
16 0.1379E < 00 0.1088E < 00
17 0.4138E < 00 0.9832E < 00
18 19 20 0.6897E < 00 0.9655E < 00 0.1241E < 01 0.8323E-01 0.7015E-01 0.5431E-01
TITIK !ERAT
21 0.1517E < 01 0.3809E-01
22 23 24 25 0.1793E < 01 0.2069E < 01 0.2345E < 01 0.2621E < 01 0.2411E-01 0.1333E-01 0.6645E-02 0.2974E-02
TITIK !ERAT
26 0.2897E < 01 0.1202E-03
27 0.3172E < 01 0.4470E-03
28 29 0.3448E < 01 0.3724E < 01 0.1554E-04 0.5083E-04
30 0.4000E < 01 0.1569E-05
!ERAT KESELURUHAN 1,00000 !ERARTI 0,00012 SD 1,01246
8ean dan de*iasi standar dari distribusi "osterior laten dihitung dari bobot "osterior "ada titik' titik 2uadrature &uga diberikan# $alam "erhitungan ini) rumus untuk *arians data dikelom"okkan
digunakan) dengan "oin 2uadrature sebagai tanda kelas dan bobot "osterior sebagai kelas (re' 2uencies#
11&$ diuji kemungkinan maksimum mencetak gol dari arameter yang ada $alam contoh ini) estimasi "arameter item dari ,agian 11#1) disim"an dalam e'aml!1.ar4ile) digunakan dalam mencetak "eserta u&ian simulasi dengan metode kemungkinan maksimum /8LE0# 4ile "arameter item yang digunakan sebagai in"ut /(* kata kunci "ada FILES "erintah0 dan Calibra'tion ditekan dengan N"CALI! "ilihan dari CALI! "erintah#
5!F 11 CONTOH PARSCALE Perbandingan hasil di (ile e'amle!1.h% /Lihat ,agian 11#1) Taha" 9 out"ut0 dan e'# aml!$.h% /Tidak ditam"ilkan di sini0 menun&ukkan bah%a) ketika skor diskalakan untuk mencocokkan mean dan standar de*iasi dari distribusi "embangkit) baik EAP dan estimasi 8LE memulihkan nilai'nilai "embangkit dengan akurasi yang baik# E+AMPL02.PSL - C"NT"H !UATAN M"NTE CARL" DATA D/( M"DEL - SK"R SCALE MLE FILESDFNAME = E+AMPL01.DAT, (* = E+AMPL01.PAR, SIMPAN SAESC"RE = E+AMPL02.SC" INPUTNIDCHAR = 4, T(/ = 20, PAN#AN = 20 4A1,10+, 20A1 TEST1TNAME = SCALE1, ITEM = 1 1 20, N!L"CK = 1 !L"CK1 (* = S!L"CK1, NITEMS = 20, NCAT = 4 CALI!RADED, L"ISTIK, SCALE = 1,7, N&PTS = 30, SIKLUS = 100,1,1,1,1, CRIT = 0,005, N>(/ SC"REMLE, SMEAN = 0,0, SSD = 1,0, NAME = MLE, PF& = 5
11.% (alibrasi dan scoring dengan kredit arsial )odel Peringkat#skala umum* runtuh kategori Contoh ini skor dan mengkalibrasi data dari ,agian 11#1 asumsi model kredit "arsial dengan (ungsi "enilaian standar# 4ile "erintah ditam"ilkan di ba%ah# @ntuk menggambarkan situasi di mana dua &enis item yang terlibat) em"at kategori untuk sec' ond se"uluh item yang runtuh ke dalam dua kategori) sehingga membuat barang'barang secara e(ekti( biner# $ua blok yang di"erlukan /masing'masing dengan se"uluh item0) danDIU!AH da(tar di !L"CK2 "erintah s"esi(ik'(ies runtuh# 4ungsi skor standar mengasumsikan . adalah kategori tertinggi) sehingga tidak ada modi(ikasi res"on yang di"erlukan dalam !L"CK1# $i!L"CK2) 4ungsi "enilaian digunakan untuk menentukan nilai (ungsi "enilaian# CAD#UST tidak digunakan dengan model kredit "arsial) &uga tidak SKALA dalam CALI! "erintah# =arena data sekarang kurang in(ormati() ¨ah titik 2uadrature untuk kalibrasi da"at dikurangi /N&PT = 15 bukan 9! yang sebelumnya digunakan0# 8eski"un model yang berbeda dan "artisi dari item men&adi dua blok) skor si(at tersebut di"erkirakan dalam e'aml!%.sco setu&u &uga dengan "erkiraan dari ,agian 11#1 dan 11# setelah rescaling dalam sam"el# E+AMPL03.PSL - C"NT"H !UATAN M"NTE CARL" DATA )(/; M"DEL KREDIT PARSIAL - EAP SCALE SK"R FILES DFNAME = E+AMPL01.DAT, SIMPAN SIMPAN SC"RE = E+AMPL03.SC"
INPUT NIDCHAR = 4, T(/ = 20, NTEST = 1, PAN#AN = 20 4A1,10+, 20A1 U#I T(* = SCALE1, ITEM = 1 1 20, N!L"CK = 2 !L"CK1!NAME = S!L"CK1, NITEMS = 10, NCAT = 4, SK"R = 1,2,3,4 !L"CK2!NAME = S!L"CK2, NITEMS = 10, NCAT = 4, M"DIFIKASI = 1,1,2,2, SC"RE = 1,2 CALI!
SE!AIAN, L"ISTIK, N&PTS = 15, SIKLUS = 100,1,1,1,1, NE%T"N = 2, CRIT = 0,01 SC"RE MLE, SMEAN = 0,0, SSD = 1,0, NAME = PCROMLE, PF& = 5
5!; 11 CONTOH PARSCALE
11.+ ,ua kelomok barang di-erensial ber-ungsi ,/0 analisis dengan model kredit arsial Contoh ini menggambarkan barang di(erensial ber(ungsi /$-40 analisis bebera"a tangga"an kategori barang# -tuSK"R "erintah di"erlukan dan dengan demikian termasuk dalam (ile "erintah# @ntuk model $-4) bagaimana"un) tidak ada scoring yang dilakukan dan tidak ada Taha" 9 out"ut# data mentah dibaca dari (ile e'aml!+.dat menggunakan DFNAME kata kunci "ada FILES "erintah# 4ile data berisi tangga"an terhada" : item) se"erti yang ditun&ukkan "adaMEMASUKKAN "erintah) di mana T(/ diatur untuk :# 4ile data berisi ter"eriksa -$ dan sam"el kelom"ok kode /1)0) maka tangga"an "ada : item) dan akhirnya nilai si(at "embangkit untuk setia" u&ian# ,ebera"a baris "ertama dari (ile data ditun&ukkan di ba%ah# 0001 0002 0003 0004 0005
1 1 1 1 1
233.113 113.111 313.112 113.131 313.131
0,43930 -.94251 -.57257 -.59414 -.36019
Pernyataan 4ormat mencaku" in(ormasi "ada tiga bidang dalam (ile data mentah# Sub&ek -$ /. A10 $an bidang identi(ikasi kelom"ok /1 A10 $ibaca "ertama) diikuti oleh : tangga"an item /6A10# Satu tes) : item "an&ang) diangga"# -tu MR"UP kata kunci "ada MEMASUKKAN "erintah meminta analisis multi"le'kelom"ok untuk dua kelom"ok# Perhatikan bah%a MR"UP kata kunci yang digunakan dalam kombinasi dengan MR"UP "erintah) yang harus mengikuti secara langsung setelah !L"K "erintah /s0#
di U#I "erintah) nama untuk tes disediakan menggunakan (*kata kunci# -tem "ada tes ini tercantum menggunakanITEM kata kunci) sedangkan INAMES (( :>digunakan untuk memberikan nama untuk item# Akhirnya) dengan meneta"kanN!L"CK untuk :) itu menun&ukkan bah%a : !L"K "erintah akan mengikuti U#I "erintah# $alam contoh ini) ada satu item dengan tiga kategori a%alnya berkode 1) ) dan 9 di setia" blok yang ditun&ukkan dengan NITEMS# NCAT dan ASLIkata kunci masing'masing# =arena model Peringkat skala tidak digunakan di sini) "arameter kategori ter"isah di"erkirakan untuk setia" item) danULANI kata kunci menun&ukkan bah%a !L"K "erintah harus diulang enam kali# =edua nilai /10 ditugaskan untuk DIF kata kunci dari MR"UP "erintah meminta $-4 Analy'sis "arameter ambang batas butir# Semua nilai'nilai lain dalam kata kunci ini adalah sama dengan
nol) menun&ukkan bah%a hanya ambang di"erbolehkan untuk berbeda antara kelom"ok# -tuNAME dan >;kata kunci yang digunakan untuk meneta"kan nama dan kode untuk kedua kelom"ok# Secara de(ault) kelom"ok "ertama akan digunakan sebagai kelom"ok re(erensi# @ntuk mengubah kelom"ok re(erensi)REFERENSI kata kunci "ada MR"UP Perintah da"at digunakan# Sebuah model kredit "arsial dengan (ungsi res"on logistik diminta melalui "enggunaan SE!AIAN dan L"ISTIK "ilihan "ada CALI! "erintah# >umlah de(ault "oin 2uadrature 9!# $alam hal ini) N&PTdiatur untuk 7) karena "oin lebih sedikit dibutuhkan ketika ¨ah item kecil# $engan meneta"kanSIKLUS kata kunci untuk 1!!) maksimal 1!! siklus E8 akan "er' 51! 11 CONTOH PARSCALE dibentuk) diikuti oleh dua siklus Ne%ton / NE%T"N = 2 0# =riteria kon*ergensi agak ulang la+ed dengan meneta"kanCRITuntuk !)!1 dari"ada menggunakan kriteria kon*ergensi de(ault !)!!1# Akhirnya)!ELAKAN "ilihan ditambahkan ke CALI! "erintah# Sebagai de(ault) distribusi "osterior dihitung setelah "erhitungan "ro"orsi dihara"kan selama E'langkah sebagai oleh'"roduk mereka# Oleh karena itu) ini ukuran sam"el yang dihara"kan dan (rekuensi yang dihara"kan res"on kategoris dihitung berdasarkan distribusi "osterior dalam siklus E8 sebelumnya# menambahkan!ELAKAN O"si memaksa "rogram untuk menghitung distribusi "osterior lagi setelah 8'langkah# Oleh karena itu) "ro"orsi dihara"kan da"at dihitung selama E'langkah berdasarkan u"date "osterior dis'tribution# -ni ditambahkan untuk konsisten dengan "rogram ,ilog'83 dalam kasus dua kategori# 4ile "erintah adalah sebagai berikut# E+AMPL04.PSL - DIF ANALISIS MENUNAKAN M"DEL KREDIT SE!AIAN !:(( DATA, DUA SAMPEL SETIAP DENAN N = 500, N = 0,1, 6 ITEM FILES DFNAME = E+AMPL04.DAT INPUTNIDCHAR = 4, MR"UP = 2, T(/ = 6 4A1,1+, 1A1,1+, 6A1 U#I T(* = PAR3E, ITEM = 1,2,3,4,5,6, I(* = I001, I002, I003, I004, I005, I006, N!L"CK = 6 !L"CK1REPEAT = 6, NIT = 1, NCAT = 3, "RIINAL = 1,2,3 MR"UPDIF = 0,1,0,0, NAME = MALE, %ANITA, >; = 1, 2 CALI! L"ISTIK, PARSIAL, N&PT = 25, SIKLUS = 100,1,1,1,1,1, NE%T"N = 20, CRIT = 0,01, P"STERI"R SC"RE
Taha ! keluaran
=etika MR"UP kata kunci dan MR"UP Perintah yang digunakan atau bebera"a U#IG!L"K "erintah yang digunakan) in(ormasi tambahan ditulis ke (ile out"ut (ase !# #UMLAH S:/*' F"RMAT DATA INPUT IS 4A1,1+, 1A1,1+, 6A1 U#I
2
T(* = PAR3E, ITEM = 1,2,3,4,5,6, (* = I001, I002, I003, I004, I005, I006, N!L"CK = 6
!L"CK CARD 1 !L"CK1 REPEAT = 6, NIT = 1, NCAT = 3, "RIINAL = 1,2,3 !L"CK CARD !L"CK CARD !L"CK CARD !L"CK CARD !L"CK CARD
2 3 4 5 6
D(/ ;() !L"K D(/ ;() !L"K D(/ ;() !L"K D(/ ;() !L"K D(/ ;() !L"K
1 1 1 1 1
MR"UP DIF = 0,1,0,0, NAME = MALE, %ANITA, >; = 1, 2
$alam bebera"a baris berikutnya) "rogram menggemakan in(ormasi tentang "arameter boleh berbeda antara kelom"ok yang ditentukan dengan DIFkata kunci? dalam hal ini) hanya ambang batas yang dii6inkan untuk berbeda antara kedua kelom"ok# =elom"ok 8ALE akan digunakan sebagai kelom"ok re(erensi#
511 11 CONTOH PARSCALE KEL"M
PARAMETER UNTUK KEL"M PARAMETER P"K UNTUK KEL"M PARAMETER P"K UNTUK KEL"M PARAMETER P"K UNTUK REFERENSI R"UP UNTUK P"K
TID AK I$A NIH TID AK TID AK
LEREN AM!AN KATE"RI *( M"DEL DIF
1
PRIA
NAMA S:/*' DAN K"DE ====================== 1 2
PRIA %ANITA
1 2
DIF "R !L"K UMUM =================== 1 !L"K DIF 2 !L"K DIF 3 !L"K DIF 4 !L"K DIF 5 !L"K DIF 6 !L"K DIF
!L"K !L"K !L"K !L"K !L"K !L"K
Taha 1 outut
Satu'satunya "erbedaan antara out"ut Taha" 1 untuk analisis kelom"ok tunggal dan untuk analisis multi"le'kelom"ok adalah bah%a statistik barang Ringkasan "ertama kali diberikan oleh subkelom"ok dan kemudian untuk kelom"ok to'tal# Out"ut untuk item "ertama ditun&ukkan di ba%ah ini untuk semua tiga kasus# =ami melihat bah%a "erem"uan lebih mungkin untuk meres"on dalam kategori 9 dan kurang mungkin untuk menangga"i dalam kategori 1 dari"ada laki'laki# Secara umum) 5: dari total tangga"an berada di kategori 9# 1 S:/*' MALE NAMA !L"CK !L"K N".1 -------------------------------------------------- ----ITEM T"TAL TIDAK A(( MEN$A#IKAN 1 -------------------------------------------------- ----I001 FRE&. 500 0 0 PERC. 0.0 0.0 -------------------------------------------------- -----
2 :/*' %ANITA
KATE"RI 2
152 30,4
3
13 2.6
335 67,0
NAMA !L"CK !L"K N".1 -------------------------------------------------- ----ITEM T"TAL TIDAK A(( MEN$A#IKAN 1 -------------------------------------------------- ----I001 FRE&. 500 0 0 PERC. 0.0 0.0 -------------------------------------------------- -----
KATE"RI 2
69 13,8
3
6 1.2
425 85.0
51 11 CONTOH PARSCALE T"TAL !L"K N".1 NAMA !L"CK -------------------------------------------------- ----ITEM T"TAL TIDAK A(( MEN$A#IKAN 1 -------------------------------------------------- ----I001 FRE&. 1000 0 0 PERC. 0.0 0.0 -------------------------------------------------- -----
KATE"RI 2
221 22.1
3
19 1,9
760 76,0
berarti -tem) "erkiraan kemiringan a%al) dan Pearson dan "olyserial korelasi item'tes yang diberikan "ada tabel berikutnya# @ntuk "embahasan rinci tentang langkah'langkah yang ditun&ukkan di sini) lihat "embahasan Taha" 1 out"ut dari ,agian 11#1# -------------------------------------------------- -------------------------TANAPA !L"K N SK"R T"TAL P() !ARA N !ERARTI !ERARTI P"L$SERIAL SD SD HU!UNAN -------------------------------------------------- ------------------------!L"K 1 I001 2,539 13,162 0,714 0,831 3,765 0,976
A%AL LEREN
1.000
A%AL L"KASI
0.000
-------------------------------------------------- -------------------------!ERART I SK"R 1 1.000 8,190 2 2.000 11,263 3 3.000 14,655 -------------------------------------------------- -------------------------KATE"RI
SD 2,235 2,899 2,735
PARAMETER 0.000 -0,155 1,596
Taha $ keluaran
@ntuk model $-4) distribusi sebelum ter"isah digunakan untuk setia" anggota kelom"ok) dan distribusi sebelum di"erbarui setelah setia" siklus estimasi berdasarkan distribusi "osterior dari siklus "ra'*ious# @ntuk model $-4) diasumsikan bah%a kelom"ok'kelom"ok yang berbeda memiliki distribusi yang berbeda dengan mean em"iris "oste'
g
dan standar de*iasi σ g # $istribusi tidak selalu normal# -ni
distribusi rior di"erkirakan bersamaan dengan estimasi "arameter barang# @ntuk menda"atkan "arameter tersebut) kendala berikut dikenakan untuk model $-4? J
J
d #
! j
d
j
j1
j 1
=endala ini menyiratkan tingkat kesulitan keseluruhan tes atau satu set item yang umum diberikan ke"ada kedua kelom"ok re(erensi dan kelom"ok (okus) ditandai dengan subskri" R dan 4) masing'masing) adalah sama# Oleh karena itu) "arameter item yang kesulitan untuk kelom"ok (okus disesuaikan# Setia" "erbedaan keseluruhan dalam hal kesulitan tes akan diasumsikan "erbedaan tingkat kemam"uan untuk sub
519 11 CONTOH PARSCALE kelom"ok# Perbedaan tingkat kemam"uan antara kelom"ok'kelom"ok kemudian da"at di"erkirakan oleh "osterior $istri'butions# Perbedaan "ertama antara (ile out"ut yang dibahas di sini dan out"ut Taha" untuk ,agian 11#1 kekha%atiran (ungsi "enilaian dan "arameter langkah untuk bebera"a blok# =arena tidak ada (ungsi "enilaian ditentukan "adaCALI! "erintah) (ungsi de(ault skor 1) akan digunakan# ,erdasarkan model kredit "arsial) "arameter langkah) &uga dikenal sebagai kesulitan butir langkah atau kategori "ersim"angan) sesuai dengan titik'titik "ada skala kemam"uan di mana dua kategori res"on butir kur*a karakteristik berturut'turut /-RCCC0 ber"otongan# =esulitan meningkat dari langkah relati( terhada" langkah'langkah lain dalam item dikaitkan dengan nilai' nilai yang lebih tinggi dari "arameter langkah# $alam contoh ini) di mana setia" item memiliki 9 kategori) BlangkahD yang di"erlukan untuk bergerak dari kategori "ertama dengan kategori ketiga? res"onden "erlu bergerak dari kategori 1 sam"ai kategori ) dan langkah sec'ond dibutuhkan untuk ber"indah dari kategori ke kategori 9# dari "arameter langkah kedua item 1 dan /lihat di ba%ah0 bergerak dari kategori ke kategori 9 adalah sulit untuk dilakukan dalam kasus item untuk res"onden laki'laki# The -RCCC untuk item 1 dan 7 yang ditun&ukkan di ba%ah ini# garis *ertikal ditambahkan untuk menun&ukkan tingkat si(at di mana kur*a untuk langkah ! dan langkah 1 ber"otongan# Iang "aling mungkin res"on untuk laki'laki dengan tingkat si(at ' akan menyelesaikan ! langkah' langkah dalam kedua kasus# @ntuk laki'laki dengan tingkat si(at dari a"'"ro+ima 1)7) menyelesaikan langkah dari kategori ke kategori 9 akan lebih mungkin dalam kasus barang 7# 8eski"un ada sedikit "erbedaan antara dua gra(ik) akan terlihat bah%a menyelesaikan langkah "ertama agak lebih mudah untuk item 1 dari untuk item 7) sambil menyelesaikan langkah kedua adalah lebih mudah untuk item 7# Hal ini sesuai dengan "arameter langkah kedua untuk item ini? 1)5:; untuk item 1 dan 1)715 untuk item 7#
51. 11 CONTOH PARSCALE
M"DEL R"UP MULTIPLE ?DIF TREND M"DEL@ --------------------------------------?RUP 1
@
PRIA
ITEM !L"CK SK"R FUNSI LANKAH P*'( SE
1
ITEM !L"CK SK"R FUNSI LANKAH P*'( SE
2
ITEM !L"CK SK"R FUNSI LANKAH P*'(
3
!L"K
1.000
2.000
3.000
0.000 0.000
-1,743 0,168
1,743 0,163
1.000
2.000
3.000
0.000 0.000
-1,733 0,155
1,733 0,156
1.000
2.000
3.000
0.000
-1,733
1,733
!L"K
!L"K
SE
ITEM !L"CK SK"R FUNSI LANKAH P*'( SE
4
ITEM !L"CK SK"R FUNSI LANKAH P*'( SE
5
ITEM !L"CK SK"R FUNSI LANKAH P*'( SE
6
0.000
0,146
0.140
1.000
2.000
3.000
0.000 0.000
-1,755 0,149
1,755 0,147
1.000
2.000
3.000
0.000 0.000
-1,658 0,171
1,658 0,154
1.000
2.000
3.000
0.000 0.000
-1,974 0,177
1,974 0,186
!L"K
!L"K
!L"K
517 11 CONTOH PARSCALE -n(ormasi Langkah "arameter diikuti oleh estimasi "arameter item yang untuk kelom"ok laki' laki# kesalahan standar dihitung dari matriks in(ormasi em"iris dalam siklus Ne%ton akhir# < ------ < ----- < --------- < --------- < --------- < ------ --- < --------- < --------- < ITEM !L"CK LEREN SE L"KASI SE M( SE < ====== < ===== < ========= < ========= < ========= < ====== === < ========= < ========= < I001 1 0,846 0,054 -0,590 0,070 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I002 2 0,948 0,060 0,519 0,066 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I003 3 0,628 0.034 -0,542 0,076 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I004 4 0,615 0.034 0,544 0,077 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I005 5 0,414 0,025 -0,666 0.098 0.000 0.000 < < < ------ < ------------- < --------- < --------- < --------- < ----------------- < I006 6 0,344 0,021 0,658 0,110 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- <
in(ormasi yang sama untuk kelom"ok "erem"uan diberikan berikutnya# Perhatikan bah%a kemiringan untuk setia" item adalah com'mon di dua kelom"ok# -ni berarti bah%a diskriminasi item yang sama diasumsikan selama kelom"ok# ?KEL"MP"K
2FEMALE@
ITEM !L"CK SK"R FUNSI LANKAH P99*'( SE
1
ITEM !L"CK SK"R FUNSI LANKAH P99*'( SE
2
!L"K
1.000
2.000
3.000
0.000 0.000
-1,743 0,168
1,743 0,163
1.000
2.000
3.000
0.000 0.000
-1,733 0,155
1,733 0,156
!L"K
ITEM !L"CK SK"R FUNSI LANKAH P99*'( SE
3
ITEM !L"CK SK"R FUNSI LANKAH P99*'( SE
4
ITEM !L"CK SK"R FUNSI LANKAH P99*'( SE
5
ITEM !L"CK SK"R FUNSI LANKAH P99*'( SE
6
!L"K
1.000
2.000
3.000
0.000 0.000
-1,773 0,146
1,773 0.140
1.000
2.000
3.000
0.000 0.000
-1,755 0,149
1,755 0,147
1.000
2.000
3.000
0.000 0.000
-1,658 0,171
1,658 0,154
1.000
2.000
3.000
0.000 0.000
-1,974 0,177
1,974 0,186
!L"K
!L"K
!L"K
51: 11 CONTOH PARSCALE < ------ < ----- < --------- < --------- < --------- < ------ --- < --------- < --------- < ITEM !L"CK LEREN SE L"KASI SE M( SE < ====== < ===== < ========= < ========= < ========= < ====== === < ========= < ========= < I001 1 0,846 0,054 -0,615 0,085 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I002 2 0,948 0,060 0,644 0,057 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I003 3 0,628 0.034 0,010 0,075 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I004 4 0,615 0.034 -0,348 0,084 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I005 5 0,414 0,025 -0,645 0,118 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- < I006 6 0,344 0,021 0,877 0.098 0.000 0.000 < ------ < ----- < --------- < --------- < --------- < --------- < --------- < --------- <
kontras $-4 diberikan berikutnya# $alam tabel di ba%ah ini)K"NTRAS=olom memberikan "erbedaan antara lokasi barang antara kelom"ok dan standard error terkait# -tuSTD=olom con' tains standar kontras) di"eroleh dengan membagi masing'masing kontras dengan standard error' nya# Prob'kemam"uan bah%a *ariate biasa melebihi nilai absolut dari selisih standar &uga diberikan# -ni adalah u&i satu sisi# C"NTRAST "F L"KASI ITEM KEL"MP "K 2 %ANITA MINUS REFERENSI R"UP 1 MALE < --------------------------------- < ITEM !L"CK K"NTRAS STD SE PR"!. < ===== < ===== < ========== < ========== < I001 1 -0,025 -0,230 0,110 0,409 I002 2 0.125 1,433 0.087 0,076
I003 I004 I005 I006
3 4 5 6
0,552 0,107 -0,892 0,114 0,021 0,153 0,219 0,147
< ---------------------------------
χ
5,176 0,000 -7,798 0,000 0,138 0,445 1,494 0,068 <
statistik'test untuk kontras lokasi item yang diberikan dalam bagian berikutnya dari (ile
out"ut# $alam hal ini) dengan hanya satu dera&at kebebasan) χ
/ std # "erbedaan0 # -ni adalah
tes dua sisi# $i tabel ini) ini χ 'test statistik dan "robabilitas terlam"aui diringkas#
515 11 CONTOH PARSCALE CHI-KUADRAT "F ITEM L"KASI )( < -------------------------------- ITEM !L"K CHI-S&RS
<
DF MASAL AH. < ===== < ===== < ========== < ========== < I001 0,053 1. 1 0,803 < < --------------------------------2 I002 2,052 1. 0,148 < < --------------------------------3 I003 26,789 1. 0.000 < --------------------------------< 4 I004 60,814 1. 0.000 < < --------------------------------5 I005 0,019 1. 0,861 < < --------------------------------6 I006 2,231 1. 0,131 < < -------------------------------- T"TAL 91,958 6. 0.000 < < ---------------------------------
=etika ringkasan statistik untuk kelom"ok dibandingkan) kita melihat bah%a hanya standar $e*ia'tion dari ambang batas berbeda# -ngat bah%a untuk contoh ini)DIF kata kunci "ada MR"UPcom'mand digunakan untuk memungkinkan hanya "arameter threshold untuk berbeda antara kelom"ok# Secara keseluruhan) tidak ada "erbedaan besar antara kelom"ok atas semua item diamati# STATISTIK IKHTISAR PERKIRAAN PARAMETER
1 NAMA R"UP MALE < ---------- < --------- < --------- < ---- < PARAMETER !ERARTI STN DE N < ========== < ========= < ========= < ==== < LEREN 0,633 0,235 6 L" LEREN -0,520 0,394 6 THRESH"LD -0,013 0,645 6 *( 0.000 0.000 0 < ---------< --------- < --------< ---- < 2 NAMA R"UP, %ANITA < ---------< --------- < --------< ---- < PARAMETER !ERARTI STN DE N < ========== < ========= < ========= < ==== < LEREN 0,633 0,235 6 L" LEREN -0,520 0,394 6 THRESH"LD -0,013 0,648 6 *( 0.000 0.000 0 < ------------------ < --------- < ---- < <
Hasil akhir adalah "erkiraan distribusi laten oleh kelom"ok# Asal dan unit skala diteta"kan sehingga de*iasi mean dan standar kelom"ok re(erensi adalah ! dan 1 masing'masing#
51F 11 CONTOH PARSCALE Sebuah "lot distribusi laten di"erkirakan diberikan di ba%ah ini# 3aris "adat meru"akan distribu' tion untuk kelom"ok laki'laki# >ika ada $-4 cuku") distribusi laten tidak me%akili *ariabel laten yang sama dan tidak ada "erbandingan yang berarti dari dua distribusi adalah mungkin# >ika tidak ada $-4) "erbedaan yang signi(ikan antara distribusi laten me%akili "erbedaan nyata antara "o"ulasi sam"el#
P"IN &:(;)(:) ;( P"STERI"R KEL"MP"K 1 NAMA R"UP MALE
TITIK !ERAT
1 2 3 4 5 -0.4000E < 01 -0.3667E < 01 -0.3333E < 01 -0.3000E < 01 -0.2667E < 01 0.5988E-04 0.2137E-03 0.6808E-03 0.1934E-02 0.4887E-02
TITIK !ERAT
6 7 8 -0.2333E < 01 -0.2000E < 01 -0.1667E < 01 0.1096E-01 0.2172E-01 0.3790E-01
TITIK !ERAT
11 12 -0.6667E < 00 -0.3333E < 00 0.1009E < 00 0.1178E < 00
9 10 -0.1333E < 01 -0.1000E < 01 0.5826E-01 0.8000E-01
13 0.3331E-15 0.1249E < 00
14 0.3333E < 00 0.1190E < 00
15 0.6667E < 00 0.1034E < 00
TITIK !ERAT
16 0.1000E < 01 0.8257E-01
17 0.1333E < 01 0.5917E-01
18 0.1667E < 01 0.3742E-01
19 20 0.2000E < 01 0.2333E < 01 0.2086E-01 0.1029E-02
TITIK !ERAT
21 0.2667E < 01 0.4516E-02
22 0.3000E < 01 0.1766E-02
23 0.3333E < 01 0.6167E-03
24 0.3667E < 01 0.1924E-03
25 0.4000E < 01 0.5368E-04
51; 11 CONTOH PARSCALE !ERAT T"TAL 1,00000 !ERARTI 0,00000 SD 0,99974 P"IN &:(;)(:) ;( P"STERI"R KEL"MP"K
2
NAMA R"UP %ANITA
TITIK !ERAT
1 2 3 4 5 -0.4000E < 01 -0.3667E < 01 -0.3333E < 01 -0.3000E < 01 -0.2667E < 01 0.1485E-04 0.5381E-04 0.1748E-03 0.5093E-03 0.1331E-02
TITIK !ERAT
6 7 8 9 10 -0.2333E < 01 -0.2000E < 01 -0.1667E < 01 -0.1333E < 01 -0.1000E < 01 0.3120E-02 0.6569E-02 0.1248E-01 0.2175E-01 0.3608E-01
TITIK !ERAT
11 12 13 -0.6667E < 00 -0.3333E < 00 0.3331E-15 0.5834E-01 0.8712E-01 0.1130E < 00
TITIK !ERAT
16 0.1000E < 01 0.1360E < 00
TITIK !ERAT
21 22 23 0.2667E < 01 0.3000E < 01 0.3333E < 01 0.8653E-02 0.3410E-02 0.1199E-02
!ERAT KESELURUHAN !ERARTI SD
1,00000 0,00000 0,99974
17 0.1333E < 01 0.1059E < 00
18 0.1667E < 01 0.6927E-01
14 0.3333E < 00 0.1320E < 00
15 0.6667E < 00 0.1437E < 00
19 20 0.2000E < 01 0.2333E < 01 0.3922E-01 0.1955E-01 24 0.3667E < 01 0.3764E-03
25 0.4000E < 01 0.1056E-04
11&2 Sebuah tes dengan $3 item ilihan ganda dan satu +#kategori barang* tiga arameter logistik dan model kredit arsial umum Contoh ini menggambarkan tes yang terutama terdiri dari mesin'scorable item "ilihan ganda) teta"i &uga mengandung satu item terbuka mencetak gol di tiga kategori# -tem terakhir muncul di tengah# Tangga"an -tem berasal dari bebera"a bentuk tes) dan barang'barang tidak di%akili "ada bentuk khusus ditugaskan kode tidak disa&ikan ;# =uncinya tidak disa&ikan muncul di e'aml!2.ncmenga&ukan# =ode 1 dan ! untuk &a%aban yang benar dan salah untuk item "ilihan ganda harus'kode ulang 1 dan ) masing'masing) untuk analisis PARSCALE# Hal ini dica"ai melalui "enggunaan ASLI dan DIU!AH kata kunci "ada !L"K "erintah# ,ebera"a baris "ertama dari (ile e'aml!2.datditun&ukkan di ba%ah ini# $ata dan "erintah (ile da"at ditemukan dicontoh (older instalasi PARSCALE#
5! 11 CONTOH PARSCALE 1 2 3 4 5
110000000000199999999999999 110000000011199999999999999 011001000001199999999999999 110000100000199999999999999 101011010011199999999999999
-si e'aml!2.nc) Iang se"erti yang ditun&ukkan di ba%ah ini# Hal ini ditun&ukkan dalam sintaks olehNFNAME kata kunci "ada FILES "erintah# KE$ 999999999999999999999999999
-n(ormasi yang "ertama kali membaca menurut "ernyataan (ormat yang ditun&ukkan di ba%ah ini adalah -$ kasus) yang dibaca dalam (ormat B9 A1D# -tuNIDCHAR kata kunci diatur untuk 9 untuk menun&ukkan bah%a -$ kasus enam karakter# Res"on terhada" item "ertama adalah "ada kolom 7) dan (ormat / B27A1B0 Iang mengikuti setelah mele%atkan dari kolom keem"at menggunakanB+DO"erator menun&ukkan bah%a 5 item dibaca dari setia" baris# 9'"arameter model logistik /9PL0 diasumsikan untuk "ilihan ganda) dan model kredit "arsial diasumsikan untuk item terbuka# =arena "arameter model 9PL di('(er dari satu item ke yang lain) setia" item harus ditugaskan ke blok yang ter"isah# Hal ini di(asilitasi oleh ULANI kata kunci dari !L"K "erintah) yang menun&ukkan ¨ah item berturut'turut yang memiliki s"esi(ikasi blok yang sama# $alam contoh ini) s"esi(ikasi blok "ertama berlaku untuk 1 item "ilihan ganda "ertama) kedua berlaku untuk item terbuka) dan yang ketiga berlaku untuk 1. item "ilihan ganda yang tersisa# Perhatikan &uga "enugasan nama blok ter"isah menggunakan(* kata kunci# Penggunaan SPRI"R dan PRI"R "ilihan "ada CALI! "erintah meminta "enggunaan distribusi sebelum log'normal dan distribusi sebelumnya normal "ada lereng dan menebak "arameter masing'masing# The ,ayes "erkiraan /EAP "ilihan "ada SK"R "erintah0 dari nilai skala res"onden di"erkirakan dan disim"an#
E+AMPL05.PSL - S:( U#I DENAN 26 ITEM PILIHAN ANDA DAN SATU 4-KATE"RI ITEM L"ISTIK TIA-PARAMETER DAN M"DEL KREDIT PARSIAL UMUM FILEDFNAME = E+AMPL05.DAT, NFNAME = E+AMPL05.NPC, SIMPAN SAEPARM = E+AMPL05.PAR, SC"RE = E+AMPL05.SC" INPUTNIDCHAR = 3, T(/ = 27, NTEST = 1, PAN#AN = 27 3A1,1+, 27A1 TEST1TNAME = S"CSCI, ITEM = 1 1 27, N!L"CK = 27 !L"K (* = MC01, MC02, MC03, MC04, MC05, MC06, MC07, MC08, MC09, MC10, MC11, MC12, NITEMS = 1, NCAT = 2, "RIINAL = 0,1, M"DIFIKASI = 1,2, REPEAT = 12, *( = 2, PERKIRAAN !L"CK!NAME = "E, NITEMS = 1, NCAT = 3, SK"R = 1,2,3 !L"K (* = MC13, MC14, MC15, MC16, MC17, MC18, MC19, MC20, MC21, MC22, MC23, MC24, MC25, MC26, NITEMS = 1, NCAT = 2, "RIINAL = 0,1, M"DIFIKASI = 1,2, REPEAT = 14, *( = 2, PERKIRAAN CALI!PARTIAL, L"ISTIK, N&PTS = 15, SIKLUS = 50,1,1,1,1, NE%T"N = 2, CRIT = 0,01, SPRI"R, PRI"R SC"REEAP, SMEAN = 0,0, SSD = 1,0, NAME = S"CSCI
51 11 CONTOH PARSCALE
11&3 Analisis tiga tes yang berisi item dengan dua dan tiga kategori* erhitungan skor gabungan Sebuah model kredit "arsial berdasarkan data buatan dibahas dalam contoh ini# Enam item) dengan atau 9 kategori masing'masing) yang ditugaskan untuk tiga subyek# $alam semua kasus) menebak "arameter esti'dika%inkan# 4ile data yang digunakan adalah e'aml!3.dat dalam contoh sub(older dari instalasi PARSCALE# ,ebera"a baris "ertama dari (ile data ditun&ukkan di ba%ah# 0001 113211 -1,98194 0002 222.211,07151 0003 222211-0,06528 0004 211221-0,72716 0005 222211-0,35792 0006 323.212,73036 0007 212212-0,53729 0008 211211 -1,40260 0009 221.212,09829 0010 122111-,75451
-denti(ikasi kasus diberikan dalam em"at kolom "ertama dari setia" baris# Tangga"an untuk enam item dicatat dalam kolom : untuk 11# Pada akhir setia" baris) nilai si(at "embangkit diberikan# Nilai ini tidak digunakan dalam analisis# Pernyataan 4ormat yang digunakan untuk membaca data ini adalah? 4A1,1+, 6A1
-tem dianalisis dengan cara yang berbeda dalam tiga subyek /NTEST = 3 di MEMASUKKAN 0# -tuPAN#ANN$A kata kunci "ada MEMASUKKAN "erintah menun&ukkan "an&ang masing'masing tiga subyek# -tuMENA!UNKAN kata kunci "ada MEMASUKKAN "erintah menun&ukkan bah%a 9 MENA!UNKAN "erintah mengikuti SK"R com'mand) sedangkan MEN$IMPAN O"si menun&ukkan bah%a MEN$IMPAN Perintah akan mengikuti langsung setelah FILES "erintah#
diMEN$IMPAN "erintah) nama'nama untuk (ile eksternal yang skor sub&ek dan skor gabungan akan disim"an disediakan# Subtest "ertama terdiri dari enam item dianalisis dalam enam blok yang berbeda# -tu ULANIkata kunci dari blok "ertama menun&ukkan bah%a tiga blok "ertama masing'masing berisi satu item 9'kategori dengan "arameter langkah item's"esi(ik# ,lok sisanya berisi item "ilihan ganda dengan berbagai "arameter menebak'ing# -tuPARM kata kunci yang digunakan di sini untuk mem"erbaiki res"on butir "rob'kemam"uan dikotomis di hada"an *(kata kunci# Parameter menebak digunakan untuk nilai "arameter a%al dan memiliki nilai de(ault dari nol# Nilai dari / 2, PERKIRAAN 0 $itugaskan untuk *( kata kunci menun&ukkan bah%a kategori kedua adalah res"on yang benar dan bah%a "arameter menebak adalah untuk di"erkirakan# Pada subtes kedua) yang "ertama 9 item dianalisis secara ter"isah# Pada subtes ketiga) 9 item terakhir dianalisis secara ter"isah# =riteria kon*ergensi untuk "rosedur iterasi agak santai untuk kalibrasi tes ini /!)!!7 K !)!10 untuk menda"atkan kon*ergensi# Skor untuk tiga subyek digabungkan dalam taha" "enilaian# Skor ini disim"an ke mantan yang 5 11 CONTOH PARSCALE 4ile ternal e'aml!3.sco sebagaimana ditentukan "ada MEN$IMPAN "erintah# 8ereka digabungkan sebagaimana ditentukan olehMENA!UNKAN kata kunci dalam MEMASUKKAN "erintah dan MENA!UNKAN Perintah berikut yang terakhir SK"R "erintah# -tu !ERAT kata kunci "ada "erintah ini memiliki sebagai nilai set "ositi( (rac'tions men¨ahkan ke 1# Nilai'nilai ini digunakan sebagai bobot untuk skor subskala# Subscores digabungkan linear# $alam contoh ini) tiga kombinasi yang berbeda dari skor dari subyek diminta# Skor ini disim"an ke (ile e+am"l!:#cmb eksternal# Perintah 4ile e'aml!3.sl ditun&ukkan di ba%ah ini# C 6 M"DEL KREDIT SE!AIAN !:(( DATA, SATU C"NT"H N = 1000, N = 0,1, 6 ITEM FILESDFNAME = E+AMPL06.DAT, SIMPAN E+AMPL06.EAP SAESC"RE =, *JJ(:J( E+AMPL06.CM! = INPUTNIDCHAR = 4, NT"T = 6, NTEST = 3, PAN#AN = 6,3,3, *JJ(:J( = 3 4A1,1+, 6A1 TEST1TNAME = 1, ITEM = 1,2,3,4,5,6, I(* = P011, P012, P013, D011, D012, D013, N!L"CK = 6 !L"CK1REPEAT = 3, NIT = 1, NCAT = 3, "RIINAL = 1,2,3 !L"CK4NIT = 1, NCAT = 2, "RIINAL = 1,2, PARM = 0,0, UESS = 2, PERKIRAAN !L"CK5NIT = 1, NCAT = 2, "RIINAL = 1,2, PARM = 0,1, UESS = 2, PERKIRAAN !L"CK6NIT = 1, NCAT = 2, "RIINAL = 1,2, PARM = 0,3, UESS = 2, PERKIRAAN CALI! L"ISTIK, PARSIAL, N&PT = 21, SIKLUS = 100,1,1,1,1,1, NE%T"N = 2, CRIT = 0,005, SCALE = 1,7 SC"RE EAP, NAME = 1 T2 (* = 2, ITEM = 1,2,3, (* = P021, P022, P023, N!L"CK = 3 !L"CK1 REPEAT = 3, NIT = 1, NCAT = 3, "RIINAL = 1,2,3 CALI! L"ISTIK, PARSIAL, N&PT = 21, SIKLUS = 100,1,1,1,1,1, NE%T"N = 2, CRIT = 0,005, SCALE = 1,7 SC"RE EAP, NAME = 2 T3 (* = 3, ITEM = 4,5,6, (* = D031, D032, D033, N!L"CK = 3 !L"CK4 NIT = 1, NCAT = 2, "RIINAL = 1,2, PARM = 0,0, UESS = 2, PERKIRAAN !L"CK5 NIT = 1, NCAT = 2, "RIINAL = 1,2, PARM = 0,1, UESS = 2, PERKIRAAN !L"CK6 NIT = 1, NCAT = 2, "RIINAL = 1,2, PARM = 0,3, UESS = 2, PERKIRAAN CALI! L"ISTIK, PARSIAL, N&PT = 21, SIKLUS = 100,1,1,1,1,1, NE%T"N = 2, CRIT = 0,01, SCALE = 1,7 SC"RE EAP, NAME = 3
C"M!INE1 NAME = :*1, !ERAT = 0.5,0.25,0.25 C"M!INE2 NAME = SUM2, !ERAT = 1.0,0.0,0.0 C"M!INE3 NAME = SUM3, !ERAT = 0.0,0.5,0.5
)odel 11&4 Rater#e-ek* multi#record -ormat masukan dengan berbagai jumlah enilai er ujian Contoh ini menggambarkan estimasi "arameter untuk bebera"a "enilai# Analisis ini berdasarkan data di (ilee'aml!4.dat dalam enilai(older dari (older instalasi PARSCALE# ,ebera"a baris "ertama dari data yang ditun&ukkan di ba%ah ini# 0000112113232 0000122214242 0000212113232 0000222224342 0000312123131 0000323224341 0000412123332 0000422224242
59 11 CONTOH PARSCALE 0000511113131 0000522214142
$ata berisi rating "ada em"at item diberikan ke"ada masing'masing "eserta u&ian oleh em"at "enilai# 7 kolom "ertama dari setia" baris data berisi -$ ter"eriksa# Setelah dua kolom kosong) -$ "enilai diberikan) diikuti langsung oleh rating "ada item "ertama# kombinasi seru"a "enilai -$ dan tikus'ing untuk tiga item lainnya mengikuti# Se"erti da"at dilihat dari data di atas) baris "ertama dari data yang berhubungan dengan u&ian !!!!1 dan berisi "eringkat untuk "enilai 1 dan 9# ,aris kedua data) terkait dengan u&ian yang sama) berisi "eringkat untuk "enilai dan .# $ata dibaca menggunakan "ernyataan 4ormat 5A1,4 2+, 2A1
di mana B5A1DAdalah (ormat -$ u&ian) danB2+ 2A1D4ormat untuk membaca dari satu "enilai -$ G Peringkat kombinasi# Iang terakhir ini diulang em"at kali) menggunakan notasi B4 D# Perhatikan bah%a) karena data untuk masing'masing "eserta u&ian yang diberikan "ada dua baris)R-IN"PT = 2 bisa sa&a ditentukan "ada MEMASUKKAN "erintah dan "ernyataan (ormat yang berubah men&adi .
5A1,4 2+, 2A1, T6,4 2+, 2A1.
-tu MRATER kata kunci "ada MEMASUKKAN "ermintaan "erintah analisis Raters'E((ect) dan menun&ukkan ¨ah "enilai# -tuMRATER "erintah memberikan in(ormasi yang di"erlukan tentang em"at "enilai# "arameter dan skor yang di"erkirakan disim"an ke (ile out"ut eksternal menggunakan MEN$IMPAN "ilihan "ada FILES "erintah dan '()* dan SK"R kata kunci "ada MEN$IMPAN "erintah# Perintah (ile untuk model kredit "arsial berdasarkan data ini ditam"ilkan di ba%ah# E+AMPL07.PSL - C"NT"H !UATAN M"NTE CARL" DATA
UMUM M"DEL KREDIT PARSIAL M"DEL PENARUH '/(?NESTED DESIN@ FILES DFNAME = E+AMPL07.DAT, SIMPAN SIMPAN P()* = E+AMPL07.PAR, SC"RE = E+AMPL07.SC" INPUT NIDCHAR = 5, NT"T = 4, PAN#AN = 4, NTEST = 1, NFMT = 1, MRATER = 4 5A1,4 2+, 2A1 U#I T(* = RATERN, ITEM = 1,2,3,4, N!L"CK = 4 !L"K REPEAT = 4, NITEMS = 1, NCAT = 3, ASLI = 1, 2, 3, M"DIFIKASI = 1,2,3 MRATER RNAME = R()(, R()!, R()C, R()D, RC"DE = 1, 2, 3, 4 CAL L"ISTIK, PARSIAL, N&PT = 21, SIKLUS = 100,1,1,1,1,1, NE%T"N = 2, CRIT = 0,05, DIA = 0, ITEMFIT = 10, SCALE = 1,7 SC"RE EAP
Taha ! keluaran
Selain standar Taha" ! keluaran dibahas di tem"at lain) in(ormasi tentang "enilai nama) kode) dan bobot ditugaskan untuk setia" bergema ke (ile out"ut# -tu MRATER Perintah yang digunakan di sini hanya memberikan nama dan kode untuk "enilai# Secara de(ault) PENILAI kata kunci) tidak termasuk dalam MRATER "erintah ditam"ilkan disini) mengasumsikan nilai /1)1)1)10# The ar'guments dari kata kunci ini adalah bobot "enilai# @ntuk model Penilai'e(ek) skor kemam"uan
5. 11 CONTOH PARSCALE untuk setia" res"onden dihitung untuk setia" subtes /atau subskala0 dan masing'masing "enilai secara ter"isah# Sebuah total skor masing'masing res"onden untuk setia" subtes /atau subskala0 dihitung dengan men¨ahkan mereka skor lebih item dalam setia" subtes dan semua "enilai yang telah dinilai res"onden# ,obot "enilai dari kata kunci ini digunakan untuk menghitung tertimbang subtes atau subskala skor untuk setia" res"onden# =arena ¨ah "enilai yang dinilai tangga"an masing'masing res"onden ber*ariasi) bobot normal'kan /dibagi dengan ¨ah mereka0 untuk setia" res"onden# MRATER RNAME = R()(, R()!, R()C, R()D, RC"DE = 1, 2, 3, 4 M"DEL R"UP MULTIPLE M"DEL PENARUH RATER RATER NAMA, K"DE, DAN !ERAT ============================== 1 2 3 4
R()( R()! R()C R()D
1 2 3 4
1.00 1.00 1.00 1.00
>uga termasuk dalam Taha" ! keluaran adalah da(tar dari dua "engamatan "ertama) menun&ukkan in"ut dan tangga"an recoded# The "enilai bertanggung &a%ab untuk setia" rating &uga tercantum# -n(ormasi ini disediakan sehingga "engguna da"at memeriksa bah%a data dibaca dengan benar# >ika tidak) "ernyataan 4ormat *ariabel /atau data0 harus di"erbaiki# INPUT DAN RESP"N )>;; PERTAMA DAN KEDUA PENAMATAN "!SERASI B 1 KEL"MP "K 1 ID 00001 #A%A!AN INPUT 2 1 2 2 #A%A!AN, 2 1 2 2 )9>;9; '/( 1 1 3 3 )9>;9; "!SERASI B
2
KEL"MP "K 1 ID 00001 #A%A!AN INPUT #A%A!AN, )9>;9; '/( )9>;9;
2 2 2
1 1 2
2 2 2 2 4 4
Taha" ! keluaran &uga mela"orkan bah%a !!! baris data yang dibaca dari (ile data) dan menun&ukkan bah%a !!! "engamatan ini terkait dengan 1!!! "eserta u&ian# ?MAIN TES RATERN@ 2000 PENAMATAN READ FR"M FILE PENAMATAN TERTULIS UNTUK 2000 FILE
E+AMPL08.DAT (*'/08.MFL
'9/( ANDA DATA 1000 KASUS READ FR"M FILE
E+AMPL08.DAT
57 11 CONTOH PARSCALE Taha 1 (eluaran
The Phase 1 out"ut (ile contains no additional in(ormation in this ty"e o( analysis# As usual) (re' 2uencies and "ercentages (or items nested %ithin blocks are re"orted here# -n(ormation (or the (irst blockGitem is sho%n belo%# SUMMAR$ ITEM STATISTICS ======================= !L"CK N".1 NAME !L"CK ------------------------------------------------------ITEM T"TAL "MIT N"T PRESENT 1 ------------------------------------------------------0001 FRE&. 2000 0 0 PERC. 0.0 0.0 -------------------------------------------------------
CATE"RIES 2
235 11.8
1145 57.2
3
620 31.0
Phase $ 5utut
The Phase out"ut (ile sho%s the standard out"ut (or category "arameters and item "arameters at con*ergence# This is (ollo%ed by rater "arameters and their associated standard errors as sho%n belo%# 1 ITEM !L"CK SC"RIN FUNCTI"N STEP PARAMTER S.E.
ITEM !L"CK
!L"CK
2 !L"CK
1.000 0.000 0.000
2.000 1.243 0.056
3.000 -1.243 0.041
1.000 0.000 0.000
2.000 1.183 0.037
3.000 -1.183 0.049
1.000
2.000
3.000
STEP PARAMTER
0.000
1.298
-1.298
S.E.
0.000
0.079
0.064
1.000 0.000 0.000
2.000 1.273 0.062
3.000 -1.273 0.077
SC"RIN FUNCTI"N STEP PARAMTER S.E.
3 ITEM !L"CK SC"RIN FUNCTI"N
4 ITEM !L"CK SC"RIN FUNCTI"N STEP PARAMTER S.E.
!L"CK
!L"CK
5: 11 PARSCALE E
<------<-----<---------<---------<---------<---------<---------<---------< ITEM !L"CKSL"PES.E.L"CATI"N S.E. UESSIN S.E. <======<=====<=========<=========<=========<=========<=========<=========< 1 0001 0.814 0.041 -0.515 0.039 0.000 0.000 <--------<--------<--------< ---------< --------- < --------- < < ------<----2 0002 0.935 0.047 0.410 0.037 0.000 0.000 < ------<----<--------<--------<--------< ---------< --------- < --------- < 0003 0.491 0.027 -0.502 0.051 0.000 0.000 3 <--------<--------<--------< ---------< --------- < --------- < < ------<----4 0004 0.505 0.028 0.508 0.050 0.000 0.000 <--------<--------<--------< ---------< --------- < --------- < < ------<----RATERQ EFFECT PARAMETER RATERQ NAME PARAMETER --------------------------------R()A -0.008 R()! -0.006 R()C 0.069 R()D -0.055 N"TE RATED ITEMS ARE
S.E. 0.030 0.030 0.044 0.044
MARKED !$
4rom the out"ut abo*e) %e see a marked di((erence bet%een the raters) in "articular bet%een R()C and R()D# The raters di((er a""reciably in se*erity#
11.6 Rater#e--ect model* one#record inut -ormat "ith same number o- raters er e'aminee This e+am"le illustrates another o"tion o( rater data in"ut /R-IN"PT=1 0# The data in e'# aml!4.dat /see Section 11#50 %ere re(ormatted so that rated res"onses (or each res"ondent are on one same record# This in"ut o"tion needs the NRATER key%ord in the INPUT command to indi'cate the number o( times each item %as rated# The number o( raters is indicated using the MRATER key%ord on the same command#
E+AMPL08.PSL - ARTIFICIAL E+AMPLE M"NTE CARL" DATA ENERALIED PARTIAL CREDIT M"DEL RATERS EFFECT M"DEL ?NESTED DESIN@ FILE DFNAME=E+AMPL08.DAT, SAE SAEPARAM=E+AMPL08.PAR, SC"RE=E+AMPL08.SC" INPUTR-IN"PT=2, NIDCHAR=5, NT"T=4, LENTH=4, NTEST=1, NFMT=1, MRATER=4, NRATER=204 5A1,82+,2A1 TESTTNAME=RATERN, ITEM=1,2,3,4, N!L"CK=4 !L"CKREPEAT=4, NIT=1, NCAT=3, "RIINAL=1,2,3, M"D=1,2,3 MRATER RNAME=R()A,R()!,R()C,R()D, RC"DE=1,2,3,4 CAL L"ISTIC, PARTIAL, N&PT=21, C$CLES=100,1,1,1,1,1, NE%T"N=2, CRIT=0.05, DIA=0, ITEMFIT=10, SCALE=1.7 SC"RE EAP
55 11 PARSCALE E
11.7 Raters#e--ect model* one#record inut -ormat "ith 8arying numbers o- records er e'aminee This e+am"le illustrates another (orm o( data in"ut (or multi"le ratings# -t is re2uested by setting R-IN"PT=1 on the INPUT command to indicate one line o( data "er e+aminee# The number o( items in the test is gi*en in the LENTH key%ord# The data in e'aml!7.dat /gi*en in the raters (older0 are (ormatted so that a rater -$ code "re' cedes each rating o( the e+amineeMs res"onse to an item# The INPUT command must include the NRATER key%ord to indicate the number o( times each item has been rated# The MRATER key%ord is used to gi*e the ma+imum number o( raters (or each o( the items in the test# -( any gi*en item o( any "articular case record has (e%er than the ma+imum number o( raters) the not'"resented code must be inserted (or the rater code o( each missing rater# -( an item is multi"le'choice or is ob&ecti*ely scored) then the number o( raters (or the item in the NRATER list must be set to 6ero# 4or those items) only the res"onse code a""ears in the case re'cord#
The total number o( res"onses) NT"TAL) to all items in the data is e2ual to the sum o( the number o( multi"le'choice items "lus the sum o( number o( raters in NRATER list# The INPUT command must also contain the MRATER key%ord) gi*ing the number o( di((erent raters in the data# The codes that identi(y the raters in the data must a""ear in the MRATER command# Labels (or the rat' ers in the out"ut listing may be su""lied in the RNAME key%ord on the MRATER command# The (ollo%ing is an e+am"le o( a data record in e'aml!7.dat# There are 7 o"en'ended items) but any gi*en e+aminee is "resented only o( these items# Rater codes and ratings (or the re'maining items are assigned the not'"resented code !# There are no multi"le'choice items# 143 2 10 3
0 00 05 3 12 20 00 00 00 0
E+aminee 1. %as "resented items 1 and 9# The res"onse to item 1 %as scored by rater 9) %ho assigned it category ) and by rater 1!) %ho assigned it category 9# The res"onse to item 9 %as scored by rater 7) %ho assigned it category 9) and by rater 1) %ho assigned it category #
The not'"resented key must ha*e the same (ormat as the data records# -n this case? NPK$
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
00
0 0
The raters are nested %ithin items in these data i#e#) any gi*en rater scores one) and only one) res"onse o( any gi*en e+aminee# The com"lete command (ile (or this analysis is gi*en belo%#
5F 11 PARSCALE E
E+AMPL09.PSL - DATA FR"M A STUD$ "F MULTIPLE RATINS "F PERF"RMANCE E+ERCISES ENERALIED PARTIAL CREDIT M"DEL RATER EFFECTS M"DEL ?NESTED DESIN@ FILE DFNAME=E+AMPL09.DAT,NFNAME=E+AMPL09.DAT,SAE SAE PARAM=E+AMPL09.PAR,SC"RE=E+AMPL09.SC" INPUTR-IN"PT=2,NIDCHAR=4,NT"T=5,LENTH=5,NTEST=1,NFMT=1,MRATER=10, NRATER=205 4A1,52+,A2,1+,A1,1+,A2,1+,A1 TESTTNAME=RATERN,ITEM=1,2,3,4,5,N!L"CK=5 !L"CKREPEAT=4,NIT=1,NCAT=4,"RIINAL=1,2,3,4, M"D=1,2,3,4 !L"CKNIT=1,NCAT=3,"RIINAL=1,2,3, M"D=1,2,3 MRATER RNAME=R3,R4,R5,R6,R7,R8,R9,R10,R11,R12, RC"DE= 3, 4, 5, 6, 7, 8, 9,10,11,12 CAL L"ISTIC,PARTIAL,N&PT=21,C$CLES=50,1,1,1,1,1,NE%T"N=2, CRIT=0.05,DIA=0,ITEMFIT=10,SCALE=1.7 SC"REEAP
