PP package

Das PP package schätzt Personenparameter für IRT Modelle wie das Rasch Modell (1-Pl Model), 2-PL, 3-PL, 4-PL Modell und das Partial Credit Model, mittels MLE, WLE, MAP, EAP oder robusten Methoden. Zusätzlich können unterschiedliche Person Fit Indices berechnet werden, wie Infit, Outfit, lz Statistik etc. . Es ist aus der Idee entstanden, unabhängig vom Software Package das die IRT Analyse durchgeführt hat, mit vorliegenden Item Parametern, Personenparameter berechnen zu können.

library(PP)

#Example Code
data(fourpl_df)
diff_par <- attr(fourpl_df,"diffpar")
slope_par <- attr(fourpl_df,"slopes")

res1plmle <- PP_4pl(respm = itmat, 
                    thres = diff_par, 
                    slopes = slope_par, 
                    type = "mle")

mcIRT

Das package wurde erstellt um das Nominal Response Model bzw. das Nested Logit Model zu schätzen und damit eine tiefere Einsicht in die Funktionalität von MC Items zu erlangen. Geschätzt wird mit MML Methode, mit oder ohne latenter Regression.

library(mcIRT)

ParList <- lapply(1:3,function(x)
{
  Item1 <- c(c(-2,-1,1,2),c(-1.2,0.3,0.2,0.7))
  names(Item1) <- c(paste("zeta",1:4,sep=""),
                    paste("lamb",1:4,sep=""))
  Item1
})

names(ParList) <- paste("item",1:3,sep="")

perp1     <- rnorm(1100, 0, 1)
sim.nrm.1 <- NRM.sim(ParList,perp1)

reshdat1 <- reshMG(sim.nrm.1,items=1:3,correct=rep(0,3))
res_nrm  <- nrm(reshdat1)

svyPV package

Dieses package ist im Laufe des PIAAC Projekts entstanden und diente vor allem dazu, den Umgang mit dem komplexen Surveydesign und den Plausibel Values zu erleichtern. Mit den implementierten Funktionen wird sichergestellt, dass bei der Berechnung der Konfidenzintervalle sowohl der SE mittels Bootstrap bzw. Jackknive (mittels survey package), als auch die Imputationsvarianz berücksichtigt wird. Von einfachen Berechnungen wie Quantilen bis glm sind hier einige gängige Methoden umgesetzt die speziell auf diesen Anwendungszweck zugeschnitten sind.

library(svyPVpack)

data(svy_example1)

res_glm <- svyPVglm(plaus.. ~ otherPlaus.. + age, 
                    svy.exrep, 
                    placeholder = 1:3)

res_glm

Weiter Informationen