如何在包ltm中使用rmvlogis来模拟rasch模型数据？

我试着

使用rmvlogis（包内ltm）模拟40个rasch项目和n名受试者的数据

使用上述数据和rasch（在包ltm中），修复已知的前14项参数，以估计剩余26项的参数

我的代码是：

library(ltm)
test<-function(n,m) {
  # for reproducible
  set.seed(12345)
  # generate 40 rasch item parameters
  b<-rbeta(40,1.2,1.5)*4-2
  # generate abilities of n examinees
  latents<-rnorm(n,1.5,1.5)
  # construct thetas for rmvlogis, rasch model with discrimination =1
  thetas<-cbind(b,1)
  # generate response data of m examinees with latents
  data<-rmvlogis(m,thetas=thetas,z.vals=latents,IRT=FALSE,link="logit")
  # estimate parameters of items 15-40, use items 1-10 as anchor
  model<-rasch(data=data,constraint=cbind(c(1:14,41),c(b[1:14],1)),IRT=FALSE,start="random")
  # compare b and model$coef[,1]
  plot(b[1:14],model$coef[1:14,1],xlab="b",ylab="bhat")
  abline(a=0,b=1)
  points(b[15:40],model$coef[15:40,1])
}

库（ltm）
测试当
m=n
是因为当
z.vals
和
n
（您称之为
m
）的长度不相等时，
rmvlogis
函数忽略
z.vals
。查看函数
rmvlogis
内部，您将看到这一行：

z <- if (is.null(z.vals) || length(z.vals) != n) {
    switch(distr, 
         normal = rnorm(n), # Your case.
         logistic = sqrt(3)/pi * 
         rlogis(n), `log-normal` = (rlnorm(n) - exp(0.5))/sqrt(exp(2) - 
         exp(1)), uniform = runif(n, -3.5, 3.5)/sqrt(7^2/12))
}


正如预期的那样，根据
潜在分布的平均值，将响应向上或向下推。也许你想把
平均值设置为零？
@hjyanghj我不明白你的意思。你的意思是你希望潜在平均值为零吗？如果是这样的话，最新的情况是：表格A有40个项目，其中14个项目是旧项目，它们的难度以前已经过校准。现在，管理表格A，希望校准这26个新项目。参加中A考试的考生的能力水平未知，也需要进行评估。所以我需要校准这26项，即使是最晚。平均值等于1.2或其他。谢谢你的回复。非常感谢。对不起，我不熟悉项目响应和测试中使用的统计数据。我想我的回答会帮助你理解函数的输出。对于与编程无关的问题，您需要在其他地方寻求帮助。
# Modified function
test<-function(n,m,latent.mean) {
  set.seed(12345)
  b<-rbeta(40,1.2,1.5)*4-2
  latents<-rnorm(n,latent.mean,1.5)
  thetas<-cbind(b,1)
  data<-rmvlogis(m,thetas=thetas,z.vals=latents,IRT=FALSE,link="logit")
  model<-rasch(data=data,constraint=cbind(c(1:14,41),c(b[1:14],1)),IRT=FALSE,start="random")
  plot(b[1:14],model$coef[1:14,1],xlab="b",ylab="bhat", col='blue',main=paste('Latent mean:',latent.mean))
  abline(a=0,b=1)
  points(b[15:40],model$coef[15:40,1],col='red')
}

# PLot the three
par(mfrow=c(1,3))
test(300,300,latent.mean=1)
test(300,300,latent.mean=0)
test(300,300,latent.mean=-1)
par(mfrow=c(1,1))