CDM-package | 认知诊断模型 | ||
abs_approx | “CDM”中的效用函数 | ||
abs_approx_D1 | “CDM”中的效用函数 | ||
anova.din | 模型比较的似然比检验 | ||
anova.gdina | 模型比较的似然比检验 | ||
anova.gdm | 模型比较的似然比检验 | ||
anova.mcdina | 模型比较的似然比检验 | ||
anova.reglca | 模型比较的似然比检验 | ||
anova.slca | 模型比较的似然比检验 | ||
cat_paste | “CDM”中的效用函数 | ||
cdi.kli | 基于Kullback-Leibler信息的认知诊断指标 | ||
CDM | 认知诊断模型 | ||
CDM-utilities | “CDM”中的效用函数 | ||
cdm.est.class.accuracy | CDM中的分类可靠性 | ||
cdm_attach_internal_function | “CDM”中的效用函数 | ||
cdm_calc_information_criteria | “CDM”中的效用函数 | ||
cdm_fa1 | “CDM”中的效用函数 | ||
cdm_fit_normal | “CDM”中的效用函数 | ||
cdm_matrix1 | “CDM”中的效用函数 | ||
cdm_matrix2 | “CDM”中的效用函数 | ||
cdm_matrixstring | “CDM”中的效用函数 | ||
cdm_parameter_regularization | “CDM”中的效用函数 | ||
cdm_pem_acceleration | “CDM”中的效用函数 | ||
cdm_pem_acceleration_assign_output_parameters | “CDM”中的效用函数 | ||
cdm_pem_inits | “CDM”中的效用函数 | ||
cdm_pem_inits_assign_parmlist | “CDM”中的效用函数 | ||
cdm_penalty_threshold_elnet | “CDM”中的效用函数 | ||
cdm_penalty_threshold_lasso | “CDM”中的效用函数 | ||
cdm_penalty_threshold_mcp | “CDM”中的效用函数 | ||
cdm_penalty_threshold_ridge | “CDM”中的效用函数 | ||
cdm_penalty_threshold_scad | “CDM”中的效用函数 | ||
cdm_penalty_threshold_scadL2 | “CDM”中的效用函数 | ||
cdm_penalty_threshold_tlp | “CDM”中的效用函数 | ||
cdm_penalty_values | “CDM”中的效用函数 | ||
cdm_print_summary_call | “CDM”中的效用函数 | ||
cdm_print_summary_computation_time | “CDM”中的效用函数 | ||
cdm_print_summary_data_frame | “CDM”中的效用函数 | ||
cdm_print_summary_information_criteria | “CDM”中的效用函数 | ||
CDM_rbind_fill | “CDM”中的效用函数 | ||
CDM_require_namespace | “CDM”中的效用函数 | ||
CDM_rmvnorm | “CDM”中的效用函数 | ||
coef.din | 提取估计项目参数和技能类分布参数 | ||
coef.gdina | 提取估计项目参数和技能类分布参数 | ||
coef.gdm | 提取估计项目参数和技能类分布参数 | ||
coef.IRT.jackknife | Jackknifing项目响应模型 | ||
coef.mcdina | 提取估计项目参数和技能类分布参数 | ||
coef.slca | 提取估计项目参数和技能类分布参数 | ||
confint.din | 渐近协方差矩阵、标准差和置信区间 | ||
csink | 打开和关闭“接收器”连接 | ||
Data-sim | 人造数据:迪娜和迪诺 | ||
data.cdm | “CDM”包的几个数据集 | ||
data.cdm01 | “CDM”包的几个数据集 | ||
data.cdm02 | “CDM”包的几个数据集 | ||
data.cdm03 | “CDM”包的几个数据集 | ||
data.cdm04 | “CDM”包的几个数据集 | ||
data.cdm05 | “CDM”包的几个数据集 | ||
data.cdm06 | “CDM”包的几个数据集 | ||
data.cdm07 | “CDM”包的几个数据集 | ||
data.cdm08 | “CDM”包的几个数据集 | ||
data.cdm09 | “CDM”包的几个数据集 | ||
data.cdm10 | “CDM”包的几个数据集 | ||
data.dcm | 来自Rupp、Templin和Henson(2010)的《诊断测量》一书的数据集 | ||
data.dtmr | DTMR分数数据(Bradshaw等人,2014) | ||
data.ecpe | 数据集ECPE | ||
data.fraction | 具有不同数据子集和不同Q矩阵的分数减法数据集 | ||
data.fraction1 | 具有不同数据子集和不同Q矩阵的分数减法数据集 | ||
data.fraction2 | 具有不同数据子集和不同Q矩阵的分数减法数据集 | ||
data.fraction3 | 具有不同数据子集和不同Q矩阵的分数减法数据集 | ||
data.fraction4 | 具有不同数据子集和不同Q矩阵的分数减法数据集 | ||
data.fraction5 | 具有不同数据子集和不同Q矩阵的分数减法数据集 | ||
data.hr | '数据集'数据.hr'(Ravand等人,2013年) | ||
data.jang | 张成泽(2009) | ||
data.melab | MELAB数据(Li,2011) | ||
data.mg | 多组大规模数据集 | ||
data.pgdina | 多层GDINA模型的数据集 | ||
data.pisa00R.cc | PISA 2000阅读研究(Chen& de la Torre,2014) | ||
data.pisa00R.ct | PISA 2000阅读研究(Chen& de la Torre,2014) | ||
data.sda6 | 数据集SDA6(Jurich& Bradshaw,2014) | ||
data.Students | 数据集学生问卷 | ||
data.timss03.G8.su | TIMSS 2003数学八年级(Su等人,2013) | ||
data.timss07.G4.lee | TIMSS 2007数学四年级(Lee等人,2011) | ||
data.timss07.G4.py | TIMSS 2007数学四年级(Lee等人,2011) | ||
data.timss07.G4.Qdomains | TIMSS 2007数学四年级(Lee等人,2011) | ||
data.timss11.G4.AUT | TIMSS 2011数学四年级奥地利学生 | ||
data.timss11.G4.AUT.part | TIMSS 2011数学四年级奥地利学生 | ||
data.timss11.G4.sa | TIMSS 2011数学四年级奥地利学生 | ||
deltaMethod | 基于Delta方法的非线性估计的方差矩阵 | ||
din | 混合DINA/DINO模型的参数估计 | ||
din.deterministic | 混合DINA/DINO模型的确定性分类及联合极大似然估计 | ||
din.equivalent.class | DINA/DINO模型中等价技能等级的计算 | ||
din.validate.qmatrix | 混合DINA/DINO模型的Q矩阵验证(Q矩阵修正) | ||
din_identifiability | DINA模型的可辨识条件 | ||
discrim.index | 项目属性、项目和测试水平的判别指标 | ||
discrim.index.din | 项目属性、项目和测试水平的判别指标 | ||
discrim.index.gdina | 项目属性、项目和测试水平的判别指标 | ||
discrim.index.mcdina | 项目属性、项目和测试水平的判别指标 | ||
entropy.lca | 潜在类模型的测试特定熵和项目特定熵 | ||
equivalent.dina | 统计等效DINA模型的确定 | ||
eval_likelihood | 可能性评估 | ||
fraction.subtraction.data | 分数减法数据 | ||
fraction.subtraction.qmatrix | 分数减Q矩阵 | ||
gdd | 广义距离判别法 | ||
gdina | 广义DINA(GDINA)模型的估计 | ||
gdina.dif | GDINA模型中的差异项功能 | ||
gdina.wald | GDINA模型中DINA和ACDM规则项拟合的Wald统计量 | ||
gdm | 通用诊断模型 | ||
ideal.response.pattern | 理想响应模式 | ||
IRT.anova | 进行似然比检验的辅助函数 | ||
IRT.classify | 适用车型的单独分类 | ||
IRT.compareModels | 几种模型的比较 | ||
IRT.data | 一种提取已用项目响应数据集的S3方法 | ||
IRT.data.din | 一种提取已用项目响应数据集的S3方法 | ||
IRT.data.gdina | 一种提取已用项目响应数据集的S3方法 | ||
IRT.data.gdm | 一种提取已用项目响应数据集的S3方法 | ||
IRT.data.mcdina | 一种提取已用项目响应数据集的S3方法 | ||
IRT.data.reglca | 一种提取已用项目响应数据集的S3方法 | ||
IRT.data.slca | 一种提取已用项目响应数据集的S3方法 | ||
IRT.derivedParameters | Jackknifing项目响应模型 | ||
IRT.expectedCounts | 提取期望计数的S3方法 | ||
IRT.expectedCounts.din | 提取期望计数的S3方法 | ||
IRT.expectedCounts.gdina | 提取期望计数的S3方法 | ||
IRT.expectedCounts.gdm | 提取期望计数的S3方法 | ||
IRT.expectedCounts.mcdina | 提取期望计数的S3方法 | ||
IRT.expectedCounts.reglca | 提取期望计数的S3方法 | ||
IRT.expectedCounts.slca | 提取期望计数的S3方法 | ||
IRT.factor.scores | S3因子得分提取方法(人员分类) | ||
IRT.factor.scores.din | S3因子得分提取方法(人员分类) | ||
IRT.factor.scores.gdina | S3因子得分提取方法(人员分类) | ||
IRT.factor.scores.gdm | S3因子得分提取方法(人员分类) | ||
IRT.factor.scores.mcdina | S3因子得分提取方法(人员分类) | ||
IRT.factor.scores.slca | S3因子得分提取方法(人员分类) | ||
IRT.frequencies | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT.frequencies.din | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT.frequencies.gdina | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT.frequencies.gdm | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT.frequencies.mcdina | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT.frequencies.slca | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT.IC | 信息标准 | ||
IRT.irfprob | S3项目响应函数的提取方法 | ||
IRT.irfprob.din | S3项目响应函数的提取方法 | ||
IRT.irfprob.gdina | S3项目响应函数的提取方法 | ||
IRT.irfprob.gdm | S3项目响应函数的提取方法 | ||
IRT.irfprob.mcdina | S3项目响应函数的提取方法 | ||
IRT.irfprob.reglca | S3项目响应函数的提取方法 | ||
IRT.irfprob.slca | S3项目响应函数的提取方法 | ||
IRT.irfprobPlot | 绘图项响应函数 | ||
IRT.itemfit | S3计算项目拟合的方法 | ||
IRT.itemfit.din | S3计算项目拟合的方法 | ||
IRT.itemfit.gdina | S3计算项目拟合的方法 | ||
IRT.itemfit.gdm | S3计算项目拟合的方法 | ||
IRT.itemfit.reglca | S3计算项目拟合的方法 | ||
IRT.itemfit.slca | S3计算项目拟合的方法 | ||
IRT.jackknife | Jackknifing项目响应模型 | ||
IRT.jackknife.gdina | Jackknifing项目响应模型 | ||
IRT.likelihood | 提取个体似然和个体后验概率的S3方法 | ||
IRT.likelihood.din | 提取个体似然和个体后验概率的S3方法 | ||
IRT.likelihood.gdina | 提取个体似然和个体后验概率的S3方法 | ||
IRT.likelihood.gdm | 提取个体似然和个体后验概率的S3方法 | ||
IRT.likelihood.mcdina | 提取个体似然和个体后验概率的S3方法 | ||
IRT.likelihood.reglca | 提取个体似然和个体后验概率的S3方法 | ||
IRT.likelihood.slca | 提取个体似然和个体后验概率的S3方法 | ||
IRT.marginal_posterior | 计算边际后验分布的S3方法 | ||
IRT.marginal_posterior.din | 计算边际后验分布的S3方法 | ||
IRT.marginal_posterior.gdina | 计算边际后验分布的S3方法 | ||
IRT.marginal_posterior.mcdina | 计算边际后验分布的S3方法 | ||
IRT.modelfit | S3模型拟合评估方法 | ||
IRT.modelfit.din | S3模型拟合评估方法 | ||
IRT.modelfit.gdina | S3模型拟合评估方法 | ||
IRT.parameterTable | 提取参数表的S3方法 | ||
IRT.posterior | 提取个体似然和个体后验概率的S3方法 | ||
IRT.posterior.din | 提取个体似然和个体后验概率的S3方法 | ||
IRT.posterior.gdina | 提取个体似然和个体后验概率的S3方法 | ||
IRT.posterior.gdm | 提取个体似然和个体后验概率的S3方法 | ||
IRT.posterior.mcdina | 提取个体似然和个体后验概率的S3方法 | ||
IRT.posterior.reglca | 提取个体似然和个体后验概率的S3方法 | ||
IRT.posterior.slca | 提取个体似然和个体后验概率的S3方法 | ||
IRT.predict | 项目反应模型的期望值和预测概率 | ||
IRT.repDesign | “为”生成复制设计内切刀' | ||
IRT.RMSD | 均方根偏差项拟合统计量 | ||
IRT.se | 渐近协方差矩阵、标准差和置信区间 | ||
IRT.se.din | 渐近协方差矩阵、标准差和置信区间 | ||
IRT_frequencies_default | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT_frequencies_wrapper | 计算单变量和双变量边缘的观测频率和期望频率的S3方法 | ||
IRT_RMSD_calc_rmsd | 均方根偏差项拟合统计量 | ||
itemfit.rmsea | RMSEA项目适合 | ||
itemfit.sx2 | 二分法数据的S-X2项拟合统计量 | ||
item_by_group | 创建具有组特定项的数据集 | ||
logLik.din | 提取对数似然 | ||
logLik.gdina | 提取对数似然 | ||
logLik.gdm | 提取对数似然 | ||
logLik.mcdina | 提取对数似然 | ||
logLik.reglca | 提取对数似然 | ||
logLik.slca | 提取对数似然 | ||
mcdina | 选择题DINA模型 | ||
modelfit.cor | 通过比较观察到的和预期的项目对相关性来评估模型拟合和局部依赖性 | ||
modelfit.cor.din | 通过比较观察到的和预期的项目对相关性来评估模型拟合和局部依赖性 | ||
modelfit.cor2 | 通过比较观察到的和预期的项目对相关性来评估模型拟合和局部依赖性 | ||
numerical_gradient | Hessian矩阵的数值计算 | ||
numerical_Hessian | Hessian矩阵的数值计算 | ||
numerical_Hessian_partial | Hessian矩阵的数值计算 | ||
osink | 打开和关闭“接收器”连接 | ||
personfit.appropriateness | 人的适宜性统计 | ||
plot.din | din类对象的Plot方法 | ||
plot.gdina | 广义DINA(GDINA)模型的估计 | ||
plot.gdm | 通用诊断模型 | ||
plot.itemfit.sx2 | 二分法数据的S-X2项拟合统计量 | ||
plot.personfit.appropriateness | 人的适宜性统计 | ||
plot.slca | 结构化潜在类分析(SLCA) | ||
plot_item_mastery | S3绘制项目概率的方法 | ||
plot_item_mastery.din | S3绘制项目概率的方法 | ||
plot_item_mastery.gdina | S3绘制项目概率的方法 | ||
predict.din | 项目反应模型的期望值和预测概率 | ||
predict.gdina | 项目反应模型的期望值和预测概率 | ||
predict.gdm | 项目反应模型的期望值和预测概率 | ||
predict.mcdina | 项目反应模型的期望值和预测概率 | ||
predict.slca | 项目反应模型的期望值和预测概率 | ||
prep_data_long_format | 可能性评估 | ||
print.din | 混合DINA/DINO模型的参数估计 | ||
print.gdina | 广义DINA(GDINA)模型的估计 | ||
print.gdm | 通用诊断模型 | ||
print.mcdina | 选择题DINA模型 | ||
print.slca | 结构化潜在类分析(SLCA) | ||
print.summary.din | 类对象的Print方法摘要.din | ||
reglca | 正则化潜在类分析 | ||
sequential.items | 为有序项响应构造具有顺序伪项的数据集 | ||
sim.din | 用于DINA、DINO和混合DINA和DINO数据的数据模拟工具 | ||
sim.dina | 人造数据:迪娜和迪诺 | ||
sim.dino | 人造数据:迪娜和迪诺 | ||
sim.gdina | GDINA模型的模拟 | ||
sim.gdina.prepare | GDINA模型的模拟 | ||
sim.qmatrix | 人造数据:迪娜和迪诺 | ||
sim_model | 模拟项目响应模型 | ||
skill.cor | 属性之间的四色或多色关联 | ||
skill.polychor | 属性之间的四色或多色关联 | ||
skillspace.approximation | 技能空间近似 | ||
skillspace.full | 创建分层技能空间 | ||
skillspace.hierarchy | 创建分层技能空间 | ||
slca | 结构化潜在类分析(SLCA) | ||
summary.cdi.kli | 基于Kullback-Leibler信息的认知诊断指标 | ||
summary.din | din类对象的摘要方法 | ||
summary.din_identifiability | DINA模型的可辨识条件 | ||
summary.discrim.index | 项目属性、项目和测试水平的判别指标 | ||
summary.entropy.lca | 潜在类模型的测试特定熵和项目特定熵 | ||
summary.gdina | 广义DINA(GDINA)模型的估计 | ||
summary.gdina.dif | GDINA模型中的差异项功能 | ||
summary.gdina.wald | GDINA模型中DINA和ACDM规则项拟合的Wald统计量 | ||
summary.gdm | 通用诊断模型 | ||
summary.IRT.compareModels | 几种模型的比较 | ||
summary.IRT.modelfit.din | S3模型拟合评估方法 | ||
summary.IRT.modelfit.gdina | S3模型拟合评估方法 | ||
summary.IRT.RMSD | 均方根偏差项拟合统计量 | ||
summary.itemfit.sx2 | 二分法数据的S-X2项拟合统计量 | ||
summary.mcdina | 选择题DINA模型 | ||
summary.modelfit.cor.din | 通过比较观察到的和预期的项目对相关性来评估模型拟合和局部依赖性 | ||
summary.personfit.appropriateness | 人的适宜性统计 | ||
summary.reglca | 正则化潜在类分析 | ||
summary.slca | 结构化潜在类分析(SLCA) | ||
summary_sink | 在文件中打印“summary”和“sink”输出 | ||
vcov.din | 渐近协方差矩阵、标准差和置信区间 | ||
vcov.IRT.jackknife | Jackknifing项目响应模型 | ||
WaldTest | 线性假设的Wald检验 |