gllamm의 이분문항모수와 다층회귀모수 복원력 탐색

Exploring gllamm"s Recovery of Dichotomous Item and Multilevel Regression Parameters

  본고는 gllamm의 수리적인 배경과 모수복원력을 알아보는데 그 목적을 두었다. 일반화선형모형에 근거한 gllamm은 다층모형의 관점에서 다층구조자료를 분석하려는 접근방법으로서 다층회귀모수, 잔차분산모수 뿐만 아니라 문항반응이론의 문항모수를 동시에 추정할 수 있는 수리적 배경을 가지고 있다. 이와 같은 gllamm의 수리적인 틀이 가지는 모수복원력을 탐색하기 위해 이분문항인 학생수준 반응변수 5개와 연속측정변수인 학생수준과 학교수준 설명변수 2개로 구성된 모의자료를 분석하였다. 분석결과, gllamm은 이분문항의 문항변별도와 문항난이도 모수, 그리고 다층회귀모수와 잔차분산모수를 신뢰롭고 안정적으로 복원하는 것으로 나타났다. Mplus도 gllamm과 비슷한 수준의 모수복원력을 보였으나 문항난이도 모수에 대한 복원력은 다소 불안정한 것으로 밝혀졌다. 몇 가지 후속 연구과제와 gllamm의 장단점을 마지막에 논의하였다.

  This paper was to investigate the mathematical background and the parameter recovery of generalized linear latent and mixed model, in short, gllamm originating from generalized linear model. As an approach to analyzing multilevel structural data, gllamm has its mathematical framework which is capable of estimating IRT"s item parameters as well as parameters of multilevel regression and error variance. Simulated data were analyzed in order to investigate gllamm"s recovery of dichotomous item, multilevel regression, and error variance parameters. gllamm was found to recover parameters of item discrimination and difficulty, multilevel regression, and error variance in reliable and stable ways. Compared to gllamm, Mplus had similar capability of recovering all the parameters except item difficulty parameter. Some topics worth further research and gllamm"s strength and weakness were finally discussed.