Statistical Analysis of Q -Matrix Based Diagnostic Classification Models
基于 Q 矩阵的诊断分类模型统计分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究教育与精神健康诊断中的题目属性结构，分类响应不等同于经济离散选择，故不强行归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于 Q 矩阵的诊断分类模型统计分析
- 研究问题
- 诊断分类模型中描述题目与属性关系的 Q 矩阵，何时能够由观测数据识别，又如何在教育与精神健康评估中估计这一结构？
- 方法与思路
- 作者研究 DINA 与 DINO 模型下 Q 矩阵的可识别性，并提出正则化最大似然估计，讨论其用于其他 Q 矩阵诊断模型的可能性。
- 材料陈述的贡献
- 摘要称建立了两类模型的识别理论，提出较广泛适用的估计程序，模拟中真矩阵恢复概率较高，并提供教育和社交焦虑案例。
- 阅读关注点
- 应核对 Q 矩阵的识别条件、属性标记是否存在等价表示、正则化形式及调参方法，区分识别理论和估计程序各自覆盖的模型范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。识别条件和恢复概率数值未提供，不能将两类模型的理论自动推广至所有诊断模型或推断刊本变化。
原文摘要
Diagnostic classification models (DMCs) have recently gained prominence in educational assessment, psychiatric evaluation, and many other disciplines. Central to the model specification is the so-called Q-matrix that provides a qualitative specification of the item-attribute relationship. In this article, we develop theories on the identifiability for the Q-matrix under the DINA and the DINO models. We further propose an estimation procedure for the Q-matrix through the regularized maximum likelihood. The applicability of this procedure is not limited to the DINA or the DINO model and it can be applied to essentially all Q-matrix based DMCs. Simulation studies show that the proposed method admits high probability recovering the true Q-matrix. Furthermore, two case studies are presented. The first case is a dataset on fraction subtraction (educational application) and the second case is a subsample of the National Epidemiological Survey on Alcohol and Related Conditions concerning the social anxiety disorder (psychiatric application).