BACKGROUND Although research in cognitive psychology suggests refraining from investigating cognitive skills inisolation, many cognitive diagnosis model (CDM) examples do not take hierarchical attribute structures into account. When hierarchical relationships among the attributes are not considered, CDM estimates may be biased. METHOD The current study, through simulation and real data analyses, examines the impact of different MMLE-EM approaches on the item and person parameter estimates of the G-DINA, DINA and DINO models when attributes have a hierarchical structure. A number of estimation approaches that can result from modifying either the Q-matrix or prior distribution are proposed. Impact of the proposed approaches on item parameter estimation accuracy and attribute classification are investigated. RESULTS For the G-DINA model estimation, the Q-matrix type (i.e, explicit vs. implicit) has greater impact than structuring the prior distribution. Specifically, explicit Q-matrices result in better item parameter recovery and higher correct classification rates. In contrast, structuring the prior distribution is more influential on item and person parameter estimates for the reduced models. When prior distribution is structured, the Q-matrix type has almost no influence on item and person parameter estimates of the DINA and DINO models. CONCLUSION We can conclude that the Q-matrix type has a significant impact on CDM estimation, especially when the estimating model is G-DINA.

中文翻译：

---

当属性按层次结构构造时，认知诊断建模中的估计方法。

背景技术尽管在认知心理学方面的研究建议不要进行认知技能隔离的研究，但许多认知诊断模型（CDM）的示例并未考虑等级属性结构。当不考虑属性之间的层次关系时，CDM估计可能会有偏差。方法当前的研究通过模拟和真实数据分析，研究了当属性具有分层结构时，不同的MMLE-EM方法对G-DINA，DINA和DINO模型的项目和人员参数估计的影响。提出了许多可以通过修改Q矩阵或先验分布而得出的估计方法。研究了所提方法对项目参数估计精度和属性分类的影响。结果对于G-DINA模型估计，Q矩阵类型（即显式与隐式）比构造先验分布具有更大的影响。具体而言，显式Q矩阵可实现更好的项参数恢复和更高的正确分类率。相反，构造先验分布对简化模型的项目和人员参数估计有更大的影响。构建先验分布后，Q矩阵类型几乎不会影响DINA和DINO模型的项目和人员参数估计。结论我们可以得出结论，Q矩阵类型对CDM估计有显着影响，尤其是当估计模型为G-DINA时。显式Q矩阵可实现更好的项参数恢复和更高的正确分类率。相反，构造先验分布对简化模型的项目和人员参数估计有更大的影响。构建先验分布后，Q矩阵类型几乎不会影响DINA和DINO模型的项目和人员参数估计。结论我们可以得出结论，Q矩阵类型对CDM估计有显着影响，尤其是当估计模型为G-DINA时。显式Q矩阵可实现更好的项参数恢复和更高的正确分类率。相反，构造先验分布对简化模型的项目和人员参数估计有更大的影响。构建先验分布后，Q矩阵类型几乎不会影响DINA和DINO模型的项目和人员参数估计。结论我们可以得出结论，Q矩阵类型对CDM估计有显着影响，尤其是当估计模型为G-DINA时。