ker.eq(SNSequate)
ker.eq()所属R语言包：SNSequate
The Kernel method of test equating
测验等值的核方法
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function implements the kernel method of test equating as described in Holland and Thayer (1989), and Von Davier et al. (2004). Nonstandard kernels others than the gaussian are available. Associated standard error of equating are also provided.
此功能实现的核心方法的测验等值荷兰和Thayer（1989）所描述的，和冯Davier的等。 （2004）。非标准内核别人比高斯。还提供了相关的标准误差等值。
用法----------Usage----------
ker.eq(scores, kert, hx = NULL, hy = NULL, degree, design, Kp = 1, scores2,
degreeXA, degreeYA, J, K, L, wx, wy, w)
参数----------Arguments----------
参数：
Note that depending on the specified equating design, not all arguments are necessary as detailed below.
请注意，根据指定的等值设计，并非所有的参数是必要的，详情如下。
参数：scores
If the "EG" design is specified, a two column matrix containing the raw sample frequencies coming from the two groups of scores to be equated. It is assumed that the data in the first and second columns come from tests X and Y, respectively. If the "SG" design is specified, a matrix containing the (joint) bivariate sample frequencies for X (raws) and Y (columns). If the "CB" design is specified, a two column matrix containing the observed scores of the sample taking test X first, followed by test Y. The scores2 argument is then used for the scores of the sample taking test Y first followed by test X. If either the "NEAT_CB" or "NEAT_PSE" design is selected, a two column matrix containing the observed scores on test X (first column) and the observed scores on the anchor test A (second column). The scores2 argument is then used for the observed scores on test Y.
如果指定“EG”设计，包含原始采样频率的一个两列的矩阵来从两组以等同的分数。据推测，在第一列和第二列中的数据来自测试X和Y，分别。如果指定的“SG”设计，矩阵中的（联合）二元采样频率为X（原糖）和Y（列）。如果“CB”的设计，一个两列的矩阵，包含的样本的观察分数测试X第一，其次是测试Y。 scores2参数，然后用于测试Xy首先其次是样品测试的分数。如果任一被选择时，“NEAT_CB”或“NEAT_PSE”设计一个两列的矩阵含有试验X（第一列上所观察到的分数）和观察分数上锚定测试A（第二列）。然后用所观察到的分数测试scores2Y参数。
参数：kert
A character string giving the type of kernel to be used for continuization. Current options include "gauss", "logis", and "uniform" for the gaussian, logistic and uniform kernels, respectively
的字符字符串，给出了用于continuization类型的内核。目前的选择包括“gauss”，“logis”，和“uniform”高斯，MF和统一的内核，分别
参数：hx
An integer indicating the value of the bandwidth parameter to be used for kernel continuization of F(x). If not provided (Default), this value is automatically calculated (see details).
一个整数，指示要用于内核continuizationF(x)的带宽参数的值。如果不提供（默认值），这个值是自动计算（见详情）。
参数：hy
An integer indicating the value of the bandwidth parameter to be used for kernel continuization of G(y). If not provided (Default), this value is automatically calculated (see details).
一个整数，指示要用于内核continuizationG(y)的带宽参数的值。如果不提供（默认值），这个值是自动计算（见详情）。
参数：degree
A vector indicating the number of power moments to be fitted to the marginal distributions ("EG" design), and/or the number or cross moments to be fitted to the joint distributions (see Details).
一种向量，指示要嵌合的边缘分布（“EG”设计），和/或数目或交叉的时刻，以嵌合的联合分布（见详情）的电源的时刻的数目。
参数：design
A character string indicating the equating design (one of "EG", "SG", "CB", "NEAT_CE", "NEAT_PSE")
一个字符串，指示的等值设计（之一“EG”，“SG”，“CB”中，“NEAT_CE”，“NEAT_PSE”）
参数：Kp
A number which acts as a weight for the second term in the combined penalization function used to obtain h (see details).
作为第二项的权重的一个数字，它在合并惩罚函数用于获取h（见详情）。
参数：scores2
Only used for the "CB", "NEAT_CE" and "NEAT_PSE" designs. See the description of scores.
仅用于“CB”，“NEAT_CE”和“NEAT_PSE”设计。见的描述scores。
参数：degreeXA
A vector indicating the number of power moments to be fitted to the marginal distributions X and A, and the number or cross moments to be fitted to the joint distribution (X,A) (see details). Only used for the "NEAT_CE" and "NEAT_PSE" designs.
一个向量，表示电源瞬间被安装到的边缘分布的数量X和A，并数或交叉的瞬间被安装到联合分布(X,A)（见详情）。仅用于“NEAT_CE”和“NEAT_PSE”设计。
参数：degreeYA
Only used for the "NEAT_CE" and "NEAT_PSE" designs (see the description for degreeXA)
仅用于“NEAT_CE”和“NEAT_PSE的”设计（见说明degreeXA）
参数：J
The number of possible X scores. Only needed for "CB", "NEAT_CB" and "NEAT_PSE" designs
的数目可能X分数。只需要为“CB”，“NEAT_CB”和“NEAT_PSE”的设计
参数：K
The number of possible Y scores. Only needed for "CB", "NEAT_CB" and "NEAT_PSE" designs
的数目可能Y分数。只需要为“CB”，“NEAT_CB”和“NEAT_PSE”的设计
参数：L
The number of possible A scores. Needed for "NEAT_CB" and "NEAT_PSE" designs
的数目可能A分数。所需的“NEAT_CB”和“NEAT_PSE”设计
参数：wx
A number that satisfies 0<=w_x<=1 indicating the weight put on the data that is not subject to order effects. Only used for the "CB" design.
一个数字，满足0<=w_x<=1表示的重量把上的数据是没有顺序的影响。仅用于“CB”的设计。
参数：wy
A number that satisfies 0<=w_y<=1 indicating the weight put on the data that is not subject to order effects. Only used for the "CB" design.
一个数字，满足0<=w_y<=1表示的重量把上的数据是没有顺序的影响。仅用于“CB”的设计。
参数：w
A number that satisfies 0<=w<=1 indicating the weight given to population P. Only used for the "NEAT" design.
一个数字，满足0<=w<=1表示权重考虑到人口P。仅用于“干净”的设计。
参数：...
Further arguments currently not used.
目前没有进一步的论据。
Details
详细信息----------Details----------
This is a generic function that implements the kernel method of test equating as described in Von Davier et al. (2004). Given test scores X and Y, the functions calculates
这是一个通用的功能，实现了内核的测试方法等同冯Davier等。 （2004）。由于考试成绩X和Y，功能计算
where \hat{r} and \hat{s} are estimated score probabilities obtained via loglinear smoothing (see loglin.smooth). The value of h_X and h_Y can either be specified by the user or left unspecified (default) in which case they are automatically calculated. For instance, one can specifies large values of h_X and h_Y, so that the \hat{e}_Y(x) tends to the linear equating function (see Theorem 4.5 in Von Davier et al, 2004 for more details).
\hat{r}和\hat{s}估计得分的概率获得通过的对数线性平滑（见loglin.smooth）。 h_X和h_Y可以由用户指定的或尚未指定（默认），在这种情况下，他们会自动计算。例如，可以指定大h_X和值h_Y，使\hat{e}_Y(x)趋向于线性等化功能（见定理4.5，冯Davier等，2004年有关详细信息，） 。
值----------Value----------
An object of class ker.eq representing the kernel equating process. Generic functions such as print, and summary have methods to show the results of the equating. The results include summary statistics, equated values, standard errors of equating, and others.
类的一个对象ker.eq代表内核等同的过程。通用功能，如print，summary方法显示的结果上等号。结果包括汇总统计，等同值，标准误差等同，和其他人。
The function SEED can be used to obtain standard error of equating differences (SEED) of two objects of class ker.eq. The function PREp can be used on a ker.eq object to obtain the percentage relative error measure (see Von Davier et al, 2004).
功能SEED可以用来获得标准误差等值差异（种子）的两个对象的类ker.eq。功能PREpker.eq对象获得的百分比相对误差测量（见冯Davier等，2004），可以使用。
参数：Scores
The possible values of xj and yk
可能值xj和yk的
参数：eqYx
The equated values of test X in test Y scale
测试X测试Y规模的等同值
参数：eqXy
The equated values of test Y in test X scale
测试Y测试X规模的等同值
参数：SEEYx
The standard error of equating for equating X to Y
标准的错误等同等同X到Y
参数：SEEXy
The standard error of equating for equating Y to X
标准的错误等同等同Y到X
（作者）----------Author(s)----------
Jorge Gonzalez B.
参考文献----------References----------
(Technical Report No 89-84). Princeton, NJ: Educational Testing Service.
of equating score distributions (Tech. Rep. No. 89-83). Princeton, NJ: Educational Testing Service.
New York, NY: Springer-Verlag.
参见----------See Also----------
loglin.smooth, SEED, PREp
loglin.smooth，SEED，PREp
实例----------Examples----------
#Kernel equating under the "EG" design[内核下的“EG”的设计等同]
data(Math20EG)
mod<-ker.eq(scores=Math20EG,kert="gauss",hx=NULL,hy=NULL,degree=c(2,3),design="EG")
summary(mod)
#Reproducing Table 7.6 in Von Davier et al, (2004)[再生表7.6中冯Davier等人（2004年）]
scores<-0:20
SEEXy<-mod$SEEXy
SEEYx<-mod$SEEYx
Table7.6<-cbind(scores,SEEXy,SEEYx)
Table7.6
#Other nonstandard kernels. Table 10.3 in Von Davier (2011).[其它非标准的内核。表10.3：冯Davier（2011）。]
mod.logis<-ker.eq(scores=Math20EG,kert="logis",hx=NULL,hy=NULL,degree=c(2,3),design="EG")
mod.unif<-ker.eq(scores=Math20EG,kert="unif",hx=NULL,hy=NULL,degree=c(2,3),design="EG")
mod.gauss<-ker.eq(scores=Math20EG,kert="gauss",hx=NULL,hy=NULL,degree=c(2,3),design="EG")
XtoY<-cbind(mod.logis$eqYx,mod.unif$eqYx,mod.gauss$eqYx)
YtoX<-cbind(mod.logis$eqXy,mod.unif$eqXy,mod.gauss$eqXy)
Table10.3<-cbind(XtoY,YtoX)
Table10.3
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 11:16:48
