CCT相關問題

1. 決斷點的δ值設定為何?

    通常δ的設定介於0.1-0.3, 0.2是最常看到的做法

2. LR的特性

    LR在1PL, 2PL下是單調遞增的，但在3PL下不是，所以以SPRT為測驗終止條件的CCT在           model為3PL的某些情況下，表現可能不是那麼理想，例如測驗長度會拉太長，但目前3PL
    非單調遞增的特性，鮮少有人研究。

3. GLR的用法

   若在在LR的分子或分母代入maximum likelihood ，此測驗終止條件稱為GLR，GLR的用法如    下：

   (1)當 估計出來的theta hat >= θo+δ ;  LR的分子代入ML，分母代 L(θo-δ) ，此時的LR會>1 ,        傾向通過

   (2)當 估計出來的theta hat <= θo -δ ;  LR的分母代入ML，分子代 L(θo+δ) ，此時的LR會<1,

       傾向不通過

   因此，可看出分子或分母代入ML的時機，是為了使LR能夠更快速的大於或小於upper bound    或 lower bound，達到分類的目的

   (3)當  θo+δ >theta hat > θo -δ ; LR的算法比照SPRT

4. CCT應用在CAT上，LR, upper bound 跟lower bound 是不是都要取log值?

    常見的作法有兩種，但其實是一樣的事，只有全加或全不加log的差別

第一種： LR=L(θo+δ)/L(θo-δ) ;  upper bound :A=(1-β)/ α      lower bound: B= β/(1-α)  

第二種： LR=log( L(θo+δ)/L(θo-δ) );  upper bound : log A         lower bound: log B    

需注意的只有： 當測驗長度達到上限需強制判定類別時，設定臨界值的方式略有差異

5. 分類測驗的目的是分類，當施測的題數達到預設的測驗長度上限，且LR仍未大於或小於   

    upper or lower bound時，分類測驗系統仍必須強制判定類別

    強制判定類別的情況出現的多寡可能跟下列因素有關：受試者的能力分配與cut point的相

    對位置、試題參數、δ的設定

    一般而言，多數受試者仍在正常程序下被判斷出類別，僅少部分受試者需強制判斷類別