다차원 잠재 클래스 문항 반응 모델을 위한 R 패키지, MultiLCIRT

초록

본 논문은 이진 및 순서형 다항 문항을 분석하는 다차원 잠재 클래스 문항 반응 이론(IRT) 모델 클래스를 소개하고, 이를 구현한 R 패키지인 MultiLCIRT를 설명한다. 기존 IRT 모델을 다차원성과 잠재 특성의 이산성으로 확장하며, 다양한 연결 함수와 문항 매개변수 제약을 통해 여러 모델 사양을 제공한다. EM 알고리즘을 통한 최대우도 추정법과 모델 선택 방법을 논의하고, 수학 능력 평가 데이터와 불안-우울 평가 데이터에 대한 적용 사례를 제시한다.

상세 분석

이 논문이 제시하는 MultiLCIRT 패키지의 핵심 기술적 기여는 기존 연속형 단일 차원 IRT 모델의 두 가지 주요 한계를 동시에 해결하는 통합 프레임워크를 제공한다는 점이다. 첫째, ‘항목 간 다차원성’을 허용하여 서로 다른 문항 군이 상이한 잠재 특성을 측정할 수 있도록 한다. 둘째, 잠재 특성의 분포를 이산형으로 가정함으로써 모수를 반모수적 방식으로 추정할 수 있으며, 이는 다차원 적분의 계산적 난해함을 회피하고 EM 알고리즘의 효율적 적용을 가능하게 한다.

모델의 유연성은 세 가지 설계 선택지에서 비롯된다: 1) 글로벌 로짓(등급반응모델) 대 로컬 로짓(부분점수모델)의 연결 함수 선택, 2) 변별도 매개변수를 문항별로 추정할지 동일하게 제약할지(Rasch 타입)의 선택, 3) 난이도 매개변수를 자유롭게 추정할지 등간격 제약(평정척도 모델)을 가할지의 선택. 이러한 선택지의 조합으로 다양한 하위 모델이 파생된다.

모델 선택은 정보기준(AIC, BIC)을 통해 잠재 클래스 수, 차원 수, 문항-차원 할당, 매개변수화 방식을 종합적으로 결정하는 과정이다. 특히 패키지에 구현된 모델 기반 계층적 클러스터링 절차는 문항을 동질적인 군으로 자동 그룹화하여 차원 구조를 탐색하는 데 유용하다. 두 응용 사례는 이론적 모델이 실제 심리측정 및 교육측정 데이터에 어떻게 적용되어 해석 가능한 결과(예: 환자 군집 프로파일, 문항 군집)를 도출하는지 생생하게 보여준다.