Analisi degli oggetti per un principiante R.

Sto cercando di valutare un test di scelta multipla da 20 elementi. Voglio eseguire un'analisi dell'articolo come quella che si trova in questo esempio . Quindi per ogni domanda voglio il valore P e la correlazione con il totale e la distribuzione delle opzioni selezionate.

Non so nulla dei vari pacchetti software statistici là fuori, ma mi piacerebbe usare R perché mi sento a mio agio con la programmazione e R è open source. Lo pseudo-flusso di lavoro che immagino è:

1. preparare i dati in Excel ed esportarli in CSV

2. caricare i dati in R

3. caricare un pacchetto che fa quello che mi serve

4. eseguire i comandi di quel pacchetto

5. esportazione e report.

Sono fiducioso con 1 e 2 ma ho problemi con 3, probabilmente perché non ho il vocabolario statistico per confrontare i pacchetti che ho sfogliato su CRAN. ltmsembra che potrebbe essere il pacchetto giusto ma non posso dirlo. Qualunque pacchetto venga utilizzato, quali sarebbero i comandi?

Domanda a margine: nell'esempio collegato, cosa pensi che rappresentino MC e MI?

Posso suggerirti almeno due pacchetti che consentono di eseguire questi compiti: psych ( score.items) e ltm ( descript). Anche il pacchetto CTT sembra elaborare MCQ ma non ho esperienza con esso. Ulteriori informazioni sono disponibili sul sito Web di W Revelle, The Personality Project , esp. la pagina dedicata alla psicometria con R che fornisce istruzioni dettagliate per l'importazione, l'analisi e la reportistica dei dati. Inoltre, la Visualizzazione attività CRAN sulla psicometria include molte risorse aggiuntive.

Come descritto nel tuo link, MC sta per "Punteggio grezzo totale medio delle persone che hanno risposto all'oggetto con la risposta corretta", e MI per "Punteggio totale medio delle persone che non hanno risposto all'oggetto con la risposta corretta". La correlazione punto-biseriale (R (IT)) è disponibile anche nel ltmpacchetto ( biserial.cor). Questo è fondamentalmente un indicatore del potere di discriminazione dell'elemento (poiché è la correlazione dell'elemento e del punteggio totale) ed è correlato al parametro di discriminazione di un modello IRT 2-PL o al caricamento dei fattori nell'analisi fattoriale.

Se vuoi davvero riprodurre la tabella che mostri, immagino che dovrai avvolgere parte di questo codice con un codice personalizzato, almeno per produrre lo stesso tipo di tabella. Ho fatto un esempio veloce e sporco che riproduce il tuo tavolo:

dat <- replicate(10, sample(LETTERS[1:4], 100, rep=TRUE))
dat[3,2] <- dat[67,5] <- NA
itan(dat)

         P      R    MC    MI NC OMIT  A  B  C  D
 [1,] 0.23 -0.222 2.870 2.169 23    0 23 22 32 23
 [2,] 0.32 -0.378 3.062 1.985 32    1 32 20 14 33
 [3,] 0.18 -0.197 2.889 2.207 18    0 18 33 22 27
 [4,] 0.33 -0.467 3.212 1.896 33    0 33 18 29 20
 [5,] 0.27 -0.355 3.111 2.056 27    1 27 23 23 26
 [6,] 0.17 -0.269 3.118 2.169 17    0 17 25 25 33
 [7,] 0.21 -0.260 3.000 2.152 21    0 21 24 25 30
 [8,] 0.24 -0.337 3.125 2.079 24    0 24 32 22 22
 [9,] 0.13 -0.218 3.077 2.218 13    0 13 29 33 25
[10,] 0.25 -0.379 3.200 2.040 25    0 25 25 31 19

Poiché si tratta di risposte casuali, la correlazione biseriale e la difficoltà dell'articolo non sono molto significative (tranne per verificare che i dati siano veramente casuali :). Inoltre, vale la pena verificare possibili errori, dal momento che ho redatto la funzione R in 10 '...

La funzione del pacchetto psichico alfa produce ciò che stai cercando.

Per esportarlo, salva l'oggetto e usa la funzione xtable per produrre markup LaTeX, che può quindi essere formattato da qualsiasi editor LaTeX.