时 间：2022年12月25日（周日）10：00-11：00
地 点：腾讯会议：588-869-9283
主 题：四参数Normal-Ogive模型参数估计的混合随机逼近EM（MSAEM）算法
主讲人：孟祥斌 东北师范大学数学与统计学院副教授
主持人：张思亮 助理教授
主 办：统计学院
摘 要：
近年来，四参数项目反应模型的参数估计引起了越来越多的关注。本研究针对已有方法的不足，以四参数Normal Ogive（简称4PNO）模型为研究对象，基于数据扩充策略，提出了一种性质更加优良、适用于四参数模型题目参数估计的计算方法。首先，对4PNO模型进行数据扩充，给出完全数据似然的指数族结构及参数的充分统计量。然后，在该数据扩充下，提出了4PNO模型MMAP估计的SAEM算法。该方法的优点是避免了EM算法复杂的数值积分计算。但根据已有研究经验，四参数模型的特殊形式会影响SAEM算法的精度。于是，本研究在SAEM算法的基础上，进一步提出了一种改进的SAEM算法。该改进算法被称为混合的SAEM（简称MSAEM）算法。模拟研究的结果表明：（1）MSAEM 具有更加准确的计算精度，同时表现出更高的计算效率；（2）MSAEM对初值及参数先验的选择均具有优良的稳健性。最后，通过分析一组真实数据展示了４PNO模型及MSAME算法的应用价值。
报告人简介：
孟祥斌，东北师范大学数学与统计学院统计系副教授，美国伊利诺伊大学香槟分校（UIUC）访问学者。目前主要关注潜变量模型参数估计的统计计算、项目反应时间数据的统计建模、异质性项目反应理论模型的统计分析等问题。以第一作者身份在Psychometrika、British Journal of Mathematical and Statistical Psychology、Journal of Educational Measurement、Journal of Statistical Computation and Simulation、《心理学报》和《心理科学》等国内外知名SSCI、SCI、CSSCI期刊发表论文多篇，主持和参与完成国家自然科学青年基金项目、基金面上项目、吉林省科技厅优秀青年人才基金项目、中国博士后科学基金面上项目等国家级课题多项。