We propose a dyadic Item Response Theory (dIRT) model for measuring interactions of pairs of individuals when the responses to items represent the actions (or behaviors, perceptions, etc.) of each individual (actor) made within the context of a dyad formed with another individual (partner). Examples of its use include the assessment of collaborative problem solving or the evaluation of intra-team dynamics. The dIRT model generalizes both Item Response Theory models for measurement and the Social Relations Model for dyadic data. The responses of an actor when paired with a partner are modeled as a function of not only the actor’s inclination to act and the partner’s tendency to elicit that action, but also the unique relationship of the pair, represented by two directional, possibly correlated, interaction latent variables. Generalizations are discussed, such as accommodating triads or larger groups. Estimation is performed using Markov-chain Monte Carlo implemented in Stan , making it straightforward to extend the dIRT model in various ways. Specifically, we show how the basic dIRT model can be extended to accommodate latent regressions, multilevel settings with cluster-level random effects, as well as joint modeling of dyadic data and a distal outcome. A simulation study demonstrates that estimation performs well. We apply our proposed approach to speed-dating data and find new evidence of pairwise interactions between participants, describing a mutual attraction that is inadequately characterized by individual properties alone.

中文翻译：

---

二元 IRT 模型

我们提出了一个二元项目反应理论 (dIRT) 模型，当对项目的反应代表每个人（演员）在形成的二元组的背景下做出的动作（或行为、感知等）时，该模型用于测量成对个体的交互。另一个人（伙伴）。其使用示例包括协作解决问题的评估或团队内部动态的评估。dIRT 模型概括了用于测量的项目反应理论模型和用于二元数据的社会关系模型。演员与伙伴配对时的反应被建模为不仅是演员的行动倾向和伙伴引发该行动的倾向的函数，而且是该对的独特关系的函数，由两个定向的、可能相关的交互表示潜在变量。讨论了概括，例如适应三合会或更大的团体。估计是使用在 Stan 中实现的马尔可夫链蒙特卡罗来执行的，这使得以各种方式扩展 dIRT 模型变得简单。具体来说，我们展示了如何扩展基本的 dIRT 模型以适应潜在回归、具有集群级随机效应的多级设置，以及二元数据和远端结果的联合建模。模拟研究表明估计执行良好。我们将我们提出的方法应用于快速约会数据，并找到参与者之间成对交互的新证据，描述了一种仅凭个人属性不足以表征的相互吸引力。使以各种方式扩展 dIRT 模型变得简单。具体来说，我们展示了如何扩展基本的 dIRT 模型以适应潜在回归、具有集群级随机效应的多级设置，以及二元数据和远端结果的联合建模。模拟研究表明估计执行良好。我们将我们提出的方法应用于快速约会数据，并找到参与者之间成对交互的新证据，描述了一种仅凭个人属性不足以表征的相互吸引力。使以各种方式扩展 dIRT 模型变得简单。具体来说，我们展示了如何扩展基本的 dIRT 模型以适应潜在回归、具有集群级随机效应的多级设置，以及二元数据和远端结果的联合建模。模拟研究表明估计执行良好。我们将我们提出的方法应用于快速约会数据，并找到参与者之间成对交互的新证据，描述了一种仅凭个人属性不足以表征的相互吸引力。模拟研究表明估计执行良好。我们将我们提出的方法应用于快速约会数据，并找到参与者之间成对交互的新证据，描述了一种仅凭个人属性不足以表征的相互吸引力。模拟研究表明估计执行良好。我们将我们提出的方法应用于快速约会数据，并找到参与者之间成对交互的新证据，描述了一种仅凭个人属性不足以表征的相互吸引力。