[論文レビュー] A Hybrid Latent-Class Item Response Model for Detecting Measurement Non-Invariance in Ordinal Scales

Gabriel Wallin, Qi Huang|arXiv (Cornell University)|Jan 24, 2026

Psychometric Methodologies and Testing被引用数 0

ひとこと要約

論文は、既知のグループラベルなしで順序尺度の DIF を検出するために、ℓ1-罰付き限界尤度とEMアルゴリズムを用いた正規化バリアントプロポーショナルオッズ潜在クラスIRTモデルを開発する。

ABSTRACT

Measurement non-invariance arises when the psychometric properties of a scale differ across subgroups, undermining the validity of group comparisons. At the item level, such non-invariance manifests as differential item functioning (DIF), which occurs when the conditional distribution of an item response differs across groups after controlling for the latent trait. This paper introduces a statistical framework for detecting DIF in ordinal scales without requiring known group labels or anchor items. We propose a hybrid latent-class item response model to ordinal data using a proportional-odds formulation, assigning individuals probabilistically to latent classes. DIF is captured through class-specific shifts in item intercepts and slopes, allowing for both uniform and non-uniform DIF. The identification of DIF effects is achieved via an $L_1$-penalised marginal likelihood function under a sparsity assumption, and model estimation is implemented using a tailored EM algorithm. Simulation studies demonstrate strong recovery of item parameters and both uniform and non-uniform types of DIF. An empirical application to a personality test reveals latent subgroups with distinct response patterns and identifies items that may bias group comparisons. The proposed framework provides a flexible approach to assessing measurement invariance in ordinal scales when comparison groups are unobserved or poorly defined.

研究の動機と目的

• 順序尺度のサブグループ間で計測不変性を検出する必要性を動機づける。
• 既知のグループラベルやアンカー項目を必要としない枠組みを開発する。
• 確率的クラスタ割り当てを伴う比例オッズ潜在クラスアイテム応答モデルを提案する。
• スパース性仮定の下でDIFを特定するためにℓ1-罰付き限界尤度を組み込む。
• このモデルに適した推定アルゴリズムを提供し、その有効性を示す。）

提案手法

• 個人が潜在クラスへ確率的に割り当てられる比例オッズ潜在クラスIRTモデルを定式化する。
• クラス特異的切片と傾きのシフトを用いて一様DIFと非一様DIFを捉える。
• スパース性仮定の下でℓ1-罰付き限界尤度によりパラメータを同定する。
• 特別に設計された期待値最大化（EM）アルゴリズムでパラメータを推定する。
• クラステンプレート特有の傾きに起因する同定問題を回避するため、スパース性を用いて潜在的な尺度をアンカー化する。
• シミュレーション研究と実証的応用を通じて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 DIFは、既知のグループラベルやアンカー項目なしで順序尺度で検出できるか。
• RQ2 クラステンプレート特異的切片と傾きは、一様および非一様DIFを適切に捉えられるか。
• RQ3 ℓ1-罰付き限界尤度はパラメータとDIFの構造を効果的に回復するか。
• RQ4 提案されたEMアルゴリズムは正則化された潜在クラスIRTモデルを正確に推定できるか。

主な発見

• シミュレーション研究は、アイテムパラメータと両方のタイプのDIFの正確な回復を示す。
• 応用データにおいて、回答パターンが異なる潜在サブグループを特定できる。
• 実証的応用では、クラステンプレート特異的計測不変性の可能性を示す項目を検出する。