Was funktioniert? Personenschätzer
Stand vor dem Umbau (PP 0.6.4-1) · Schätzer θ̂ und Standardfehler je Modell und Methode
	MLE		WLE		MAP		EAP		Robust1
	θ̂	SE	θ̂	SE	θ̂	SE2	θ̂	SE	θ̂	SE3
1PL	✓	✓	✓	✓	✓	✗ Δ 0,20	✓	✓	✓	✗ Δ 0,10
2PL	✓	✓	✓	✓	✓	✗ Δ 0,21	✓	✓	✓	✗ Δ 0,08
3PL	✓	✓	⚠︎ 1 von 20 4	⚠︎ 1 von 20 4	✓	✗ Δ 0,37	✓	✓	✓	✗ Δ 0,12
4PL	⚠︎ 1 von 20 NaN 4	✓	⚠︎ 2 von 20 4	⚠︎ 2 von 20 4	✓	✗ Δ 0,41	✓	✓	✓	✗ Δ 0,08
PCM	✓	✓	✓	✓	✓	✗ Δ 0,15	✓	✓	✓	⚠︎ 4 von 25
GPCM	✓	✓	✓	✓	✓	✗ Δ 0,17	✓	✓	✓	✗ Δ 0,03
gemischt	⚠︎ 1 von 25 NaN 4	✓	✓	✓	✓	✗ Δ 0,20	✓	✓	⚠︎ 1 von 25 NaN 4	✗ Δ 0,31
1 Robust konvergiert im alten Code nur linear: Mit dem Default exac = 0.001 liegt θ̂ bis 0,003 neben der Lösung, innerhalb der Toleranz von 0,01.
2 Die Formel lässt den Prior weg, der Standardfehler ist zu groß.
3 Die Formel lässt die Huber-Gewichte weg, der Standardfehler ist zu klein.
4 Bei einzelnen Personen mit extremem Score pendelt das Newton-Verfahren oder liefert NaN, ohne Warnung.
✓ alle Personen innerhalb der Toleranz · ⚠︎ einzelne Personen falsch (höchstens 20 %) · ✗ systematisch falsch · Abbruch mit Fehlermeldung · – nicht angeboten. Δ = größte Abweichung von der Referenz.
Toleranz: 0,01 auf der θ-Skala (Schätzer, Standardfehler, EAP), 0,02 beim Jackknife, 1e-4 bei den Fit-Indizes, 4 Monte-Carlo-Standardfehler bei Plausible Values.
Messung: blog/status_daten.R, PP 0.6.4-1.9000, Commit 416224c, 06.10.2026 · Referenzen: reines R mit numerischen Ableitungen, uniroot, Posterior auf 4001 Gitterpunkten, Lehrbuch-Jackknife (tests/testthat/helper-2-reference.R) · Daten: in R simuliert, 20–25 Personen je Modell.