以下的英文解釋，是從winsteps手冊上看到。 1. empirical: variance components for the observed data model: variance components expected for the data if exactly fit the Rasch model 所以我個人覺得是應該是要看empirical底下的數值。
2. In some data designs, data are collected from the same persons more than once, or observations are collected on equivalent items. Consequently there is reason to suspect that local dependence exists in the data. 我個人覺得，假如資料中包括同一群人多次的做答結果，可能會造成local dependency，可能會導致結果趨向單向度，無法有區辨性。
1.我認為應該報告Emirical攔底下的數值，因為這一欄不僅呈現了問卷所解釋的變異量，還呈現了未被解釋的變異量中，能夠被抽取出的因素數目以及各自的解釋變異量，可以幫助我們了解藉由殘差PCA分析是否能夠提供驗證單向度的證據。
回覆刪除2.Local independence的意思是，題與題之間的作答，除了受到單向度假設下的特性影響外，是彼此獨立的。
以下的英文解釋，是從winsteps手冊上看到。
回覆刪除1. empirical: variance components for the observed data
model: variance components expected for the data if exactly fit the Rasch model
所以我個人覺得是應該是要看empirical底下的數值。
2. In some data designs, data are collected from the same persons more than once, or observations are collected on equivalent items. Consequently there is reason to suspect that local dependence exists in the data.
我個人覺得，假如資料中包括同一群人多次的做答結果，可能會造成local dependency，可能會導致結果趨向單向度，無法有區辨性。
1. PCA: 一樣看了WINSTEPS的手冊,補充一下恩琦所寫的,對應model的值為:data如果完全符合rasch model的單向度假設,可被解釋的變異量。所以，目前應該也是偏向選對應emprical的值。
回覆刪除2. Local independency:就看之前上課講義和上網找的資料,自己的認知是:測驗的項目間，除了受到要測的能力(latent trait)影響而有相關之外,不應有其他因素影響而有其他的相關。
2. 就上網所查資料、看上課筆記及自己理解: unidimensionality & local independence 是指試題只測量單一潛在能力，且試題之間的答對機率不會互相干擾，也就是說受試者的潛在特質(能力)是影響答題反應的唯一因素，當排除這個因素的影響後，不同題目間的答題反應不會有任何關係。
回覆刪除1.empirical data反映的是目前收進來的個案的實際表現，modeled data則是預計假設資料都符合模式假設的最佳結果。因為論文撰寫時，應該回報由本次收到所得到的empirical data。
回覆刪除2.找到的資料有寫:
基於單一因素的條件下，當試題反應局部獨立，才能說題目(或問卷)具有單一面向性。
但是不知道這是IRT的假設，還是有一些推導的過程。