Rasch 模型条件项目拟合的模拟截断值：迭代次数、多重性校正与决策稳定性

基于模拟的条件项目拟合截断值可通过参数自助法估计，并以所选宽度的区间形式报告。Johansson（2025）推荐使用该方法而非经验法则临界值，并基于检出率、以样本量为条件给出了迭代次数指导，但未说明区间宽度所控制的错误率。本文以族错误率（FWER）为参照重新审视迭代次数与宽度，并比较FWER控制与错误发现率控制。七项模拟研究变化题目数量与失拟题目的定位方式，涵盖二分与多分条件。结果表明，区间宽度是该程序的错误率参数，与题目数量共同设定FWER。采用Westfall-Young FWER校正的自助法p值直接以该错误率为目标，比宽度匹配的区间检出更多失拟，且经400次迭代即可校准，假阳性少于Benjamini-Hochberg方法。Outfit的效能始终低于infit，这证实了此前的二分结果并将其扩展至多分题目。更新后的建议包括：依据Westfall-Young FWER校正后的p值标记题目，使用至少400次迭代、最终分析使用1000至2000次迭代，并将区间作为宽度为.95的描述性带报告。所述方法可在R包easyRasch2和jamovi模块easyRasch2jmv中获取。

中文由 AI 翻译，仅供参考，以原文为准。