Latent structureScale / measurement

Robust Item Analysis

Η στιβαρή ανάλυση αντικειμένων εφαρμόζει στατιστικές μεθόδους ανθεκτικές σε ακραίες τιμές για την αξιολόγηση μεμονωμένων στοιχείων δοκιμής ή κλίμακας. Αντί για κλασικούς μέσους όρους και συσχετίσεις Pearson — και τα δύο ευαίσθητα σε ακραίες βαθμολογίες — χρησιμοποιεί περικομμένους μέσους όρους, Winsorized συσχετίσεις ή M-εκτιμητές για να αποκτήσει δείκτες δυσκολίας αντικειμένου και διάκρισης αντικειμένου-συνόλου που παραμένουν σταθεροί όταν οι κατανομές των ερωτηθέντων είναι ασύμμετρες ή μολυσμένες από ακραίες τιμές.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Wilcox, R. R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Academic Press. ISBN: 978-0123869838
  2. Huber, P. J. & Ronchetti, E. M. (2009). Robust Statistics (2nd ed.). Wiley. ISBN: 978-0470129906

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Robust Item Analysis. ScholarGate. https://scholargate.app/el/psychometrics/robust-item-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Αναφέρεται από

ScholarGateRobust Item Analysis (Robust Item Analysis). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/psychometrics/robust-item-analysis · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026