Robustti kohdeanalyysi
Robustti kohdeanalyysi soveltaa poikkeamia kestävien tilastollisten menetelmien käyttöä yksittäisten testien tai asteikkojen kohteiden arvioinnissa. Klassisten keskiarvojen ja Pearsonin korrelaatioiden sijaan – jotka molemmat ovat herkkiä ääriarvoille – se käyttää trimmattuja keskiarvoja, Winsorisoituja korrelaatioita tai M-estimaattoreita saadakseen kohteiden vaikeus- ja kohde-kokonaisdiskriminaatioindeksit, jotka pysyvät vakaina, kun vastaajajakaumat ovat vinoja tai saastuneita poikkeamilla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Wilcox, R. R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Academic Press. ISBN: 978-0123869838
- Huber, P. J. & Ronchetti, E. M. (2009). Robust Statistics (2nd ed.). Wiley. ISBN: 978-0470129906
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Robust Item Analysis. ScholarGate. https://scholargate.app/fi/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.
- Differentiaalinen kohdefunktionaalisuus (DIF)Psykometriikka↔ compare
- Eksploratiivinen faktorianalyysi (EFA)Tilastotiede↔ compare
- Vastausfunktioiden teoria (IRT)Psykometriikka↔ compare
- Robustti luotettavuusanalyysiKoesuunnittelu↔ compare
- Skaalan kehitysPsykometriikka↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →