《表3 人员拟合与属性分类可靠性的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《混合模型在英语听力诊断测评中的应用——基于Mixed-CDMs与G-DINA模型的对比分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

据研究，lz指标（-2，2）被认为是最有力的人员拟合指标[37]。当lz<-2.0，表示该被试不拟合；当lz>2.0，表示该被试过度拟合；lz值越接近“0”，表示人员拟合性越好，而lz的绝对值（|lz|）表示人员偏离“0”的情况。人员拟合与属性分类可靠性[38]的对比如表3所示，可以看出：Mixed-CDMs与G-DINA模型中人员拟合绝对值的平均值相同，但有3名被试的拟合程度发生明显变化：在G-DINA模型中，被试ID 417为过度拟合，ID 537、ID 572均为不拟合，而这3名被试在Mixed-CDMs中都变成了拟合被试。此外，这3名被试的属性掌握模式也随之发生了改变：ID 417在G-DINA模型中的属性掌握模式为“0001000”，表示掌握了属性A4，而在Mixed-CDMs中调整为“0000000”，表示属性全未掌握；ID 537在G-DINA模型中掌握了属性A5和A7（属性掌握模式为“0000101”），而在Mixed-CDMs中仅掌握了A5（属性掌握模式为“0000100”）。由此可见，混合模型对属性掌握模式的估计更加严苛。