CRAN 任务视图：心理测量模型和方法

心理测量学关注心理测量的理论和技术。心理测量学家还与统计学和定量方法领域的专家合作，开发出更好的方法来组织、分析和量化相应的数据。由于许多功能已包含在基础 R 中，并且心理测量工具与其他视图中描述的工具之间存在相当大的重叠，因此我们只简要概述与心理测量方法密切相关的软件包。

欢迎并鼓励您通过电子邮件联系维护者，或通过在上面链接的 GitHub 存储库中提交问题或拉取请求来做出贡献。

项目反应理论 (IRT)

• eRm 包拟合扩展的 Rasch 模型，即二分数据的普通 Rasch 模型 (RM)、线性逻辑测试模型 (LLTM)、评分量表模型 (RSM) 及其线性扩展 (LRSM)、部分计分模型 (PCM) 及其线性扩展 (LPCM)，使用条件 ML 估计。允许缺失值。
• ltm 包也拟合简单的 RM。此外，还实现了基于边际 ML 方法估计 Birnbaum 的 2 参数和 3 参数模型的函数，以及用于多分类数据的等级反应模型和线性多维逻辑模型。
• mirt 使用 IRT 范式下的单维和多维潜在特征模型估计二分和多分类反应数据。探索性和验证性模型可以使用正交 (EM) 或随机 (MHRM) 方法进行估计。验证性双因子和两级分析可用于对项目测试集进行建模。多组分析和混合效应设计也可用于检测项目功能差异和对项目和人员协变量进行建模。
• TAM 拟合一维和多维项目反应模型，还包括多方面模型、潜变量回归模型以及绘制似然值的选项。
• Dire 拟合加权潜变量线性模型，在 IRT 框架下估计人群组的得分分布，遵循 Cohen 和 Jiang (1999) 的方法。它可以随后绘制似然值。
• PLmixed 拟合具有因子结构的（广义）线性混合模型 (GLMM)。
• MLCIRTwithin 为估计二元和序数多项式项目反应的离散双层 IRT 模型提供了灵活的框架。
• IRTShiny 提供了一个用于 IRT 分析的交互式 Shiny 应用程序。
• 一些额外的单维和多维项目反应模型（尤其是针对局部依赖项目反应）以及一些探索性方法（DETECT、LSDM、基于模型的信度）包含在 sirt 中。
• pcIRT 估计多维多项式 Rasch 模型和 Mueller 的连续评分量表模型。
• PCMRS 中给出了具有反应风格的部分计分模型的实现。
• MultiLCIRT 在 (1) 多维性假设、(2) 潜变量的离散性、(3) 二元和序数多项式项目下估计 IRT 模型。
• psychomix 包中实现了通过 EM 算法的条件最大似然估计和二元混合 Rasch 模型中基于信息准则的模型选择。
• PP 包包括对 1、2、3、4-PL 模型和 GPCM（广义部分计分模型）的（MLE、WLE、MAP、EAP、ROBUST）人参数的估计。参数是在假设项目参数已知且固定的情况下估计的。该包在以下情况下很有用，例如，当来自具有已知项目参数的项目库/项目库的项目被分配给新的测试者群体，并且需要对每个测试者的能力进行估计时。
• 该 equateIRT 包使用二分项目的项目反应理论 (IRT) 方法计算直接、链式和平均（平分线）等值系数及其标准误差。 equateMultiple 可用于使用 IRT 方法对多种形式进行等值处理。
• kequate 使用 CB、EG、SG、NEAT CE/PSE 和 NEC 设计实现了测试等值的核方法，支持高斯、逻辑和均匀核，以及未平滑和预平滑的输入数据。
• 该 EstCRM 包通过 EM 算法和最大似然法校准 Samejima 连续 IRT 模型的参数。它允许计算项目拟合残差统计量，绘制经验 3D 项目类别响应曲线，绘制理论 3D 项目类别响应曲线，以及在 CRM 下生成数据以进行模拟研究。
• 该 difR 包包含几种传统方法来检测二分计分项目中的 DIF。可以检测到均匀和非均匀 DIF 效应，方法依赖于项目反应模型或不依赖于项目反应模型。一些方法处理多个焦点组。
• 该包 lordif 提供了一个逻辑回归框架，用于检测各种类型的 DIF。
• DIFplus 允许用户在存在多级数据的情况下实现 Mantel-Haenszel DIF 检测程序的扩展。
• DIFlasso 在 Rasch 模型中实现了对差异项目功能的惩罚方法。它可以处理具有多个（度量）协变量的设置。
• GPCMlasso 提供了一个函数来检测广义部分信用模型 (GPCM) 中的 DIF。
• DIFtree 对二分或多分项目进行递归划分，以同时选择导致 DIF 的项目和变量。
• DIFboost 可用于通过提升技术在 Rasch 模型中进行 DIF 检测。
• 在 DFIT 包中实现了一组用于执行差异项目和项目功能分析的函数。它包括用于使用蒙特卡罗项目参数复制 (IPR) 方法获取相关统计显着性检验截止点的函数。
• 该 difNLR 包使用非线性回归来估计 DIF。
• 该 catR 包允许使用 IRT 方法进行计算机自适应测试。
• The mirtCAT package provides tools to generate an HTML interface for creating adaptive and non-adaptive educational and psychological tests using the shiny package. Suitable for applying unidimensional and multidimensional computerized adaptive tests using IRT methodology and for creating simple questionnaires forms to collect response data directly in R.
• D3mirt 用于识别、估计和绘制描述性多维项目反应理论模型，仅限于适合二参数逻辑模型或分级反应模型的三维和二分或多分数据。
• xxIRT 是与IRT和计算机化测试相关的实现。
• Rirt 估计三参数逻辑模型、广义部分信用模型和分级反应模型。
• 可以使用 pairwise 包通过成对比较方法显式计算（而不是估计）Rasch 项目参数（二分和多分）。
• 可以使用 lme4、nlme 和 MCMCglmm 估计多级 Rasch 模型，这些模型具有交叉或部分交叉随机效应。 GLMMRR 在链接函数方面增加了一些灵活性，而 ordinal 可用于多分模型。 irtrees 提供了使用 lme4 估计 GLMM 族树状项目反应模型的基础设施。
• 可以使用 mokken 包计算非参数 IRT 分析。它包括一个自动项目选择算法，以及各种模型假设检查。
• 可以使用 mudfold 包拟合邻近数据的非单调 IRF 的非参数 IRT。
• RaschSampler 允许通过生成具有给定边际的随机零一矩阵来构建精确的 Rasch 模型测试。
• 可以使用 pwrRasch 进行基于具有混合分类的三因素方差分析设计的 Rasch 模型检验的统计功效模拟。
• iarm 中实现了用于评估 Rasch 模型和 PCMS 的模型拟合和识别不拟合项目的工具。它包括项目拟合统计量、ICC、项目-剩余分数关联、条件似然比检验、测量误差评估、可靠性和测试目标估计。
• cacIRT 计算项目反应理论下的分类准确性和一致性。实现总分和潜在特质IRT方法以及总分核平滑方法。
• 包 irtoys 为二元响应的IRT模型中的项目参数估计提供了一个简单的通用接口，使用三个不同的程序（ICL、BILOG-MG和ltm，以及各种对IRT模型有用的函数。
• 该 CDM 估计几种认知诊断模型（DINA、DINO、GDINA、RRUM、LCDM、pGDINA、mcDINA）、一般诊断模型（GDM）和结构化潜在类别分析（SLCA）。
• 高斯排序，与逻辑IRT相关，也通过典型对应分析近似为最大似然估计，在包 VGAM 中以各种形式实现。
• immer 实现了一些用于多重评分的项目反应模型，包括层次评分者模型和对商业FACETS程序的包装函数。
• 该 latdiag 包生成命令来驱动来自graphviz的dot程序，以生成一个图，该图有助于确定一组二元项目是否可能具有具有非交叉ICC的潜在尺度。
• 该 rpf 包的目的是将IRT拟合、诊断和分析中常见的逻辑和数学分离出来。它被设想为适合更专业的IRT包构建的核心支持代码。
• WrightMap 提供了用于绘制项目-人地图的图形工具。
• irtDemo 包含一系列shiny应用程序，用于演示或探索基本的IRT概念。 ifaTools 是一个使用 OpenMx 的IRT的shiny界面。
• Baker/Kim书中描述的IRT实用函数包含在 birtr 中。
• 用于使用和自动化判断数据的IRT建模的便利函数在 jrt 中实现。
• 该 conquestr 包允许用户从R中调用ACER ConQuest。
• TestDesign 实现用于固定和自适应测试构建的最佳测试设计方法。
• PROsetta 提供了基于PROsetta Stone方法在仪器之间执行尺度链接的函数。
• maat 用于多重施测自适应测试的模拟。

对应分析 (CA)，最优尺度

• 包 ca 包含两个部分，一个用于简单对应分析，另一个用于多重和联合对应分析。
• 简单和典型 CA 由包 anacor 提供，包括置信椭圆。它允许使用不同的缩放方法，例如标准缩放、Benzecri 缩放、质心缩放和 Goodman 缩放。
• 同质性分析，也称为多重 CA 和各种 Gifi 扩展，可以通过 Gifi 包计算，该包取代了 homals。该包还包括各种其他最优缩放方法，例如 Morals（单调回归）、Princals（非线性 PCA）、Homals（多重对应分析）等。
• 可以使用包 MASS 中的 corresp() 和 mca() 执行简单和多重对应分析。
• 包 ade4 包含一组广泛的功能，涵盖例如主成分、简单和多重、模糊、非对称和去中心化对应分析。其他功能在 Bioconductor 中的 made4 包中提供（另请参见 此处）。
• 包 cocorresp 将预测性和对称的共对应分析 (CoCA) 模型拟合到一个数据矩阵与另一个数据矩阵的关系。
• 除了几种因子分析方法外，FactoMineR 还执行 CA，包括补充行和/或列点，以及具有补充个体、补充定量变量和补充定性变量的多重对应分析 (MCA)。
• 包 vegan 支持所有基本排序方法，包括非度量多维标度。受约束的排序方法包括受约束的邻近性分析、冗余分析以及受约束（典型）和部分受约束的对应分析。
• cabootcrs 计算 CA 的引导置信区域。
• cncaGUI 实现了一个 GUI，用户可以使用它构建和交互典型（非对称）CA。
• 基于奇异值分解 (SVD) 的多元探索方法，例如主成分分析 (PCA)、对应分析 (CA)、多重对应分析 (MCA)（以及 CA 的 Hellinger 形式）、广义 PCA，在 ExPosition 中实现。该包还允许补充数据投影。
• cds 可用于约束双尺度分析，以检测反应风格。
• CAvariants 提供了双向 CA 的六种变体：简单、单排序、双排序、非对称、单排序非对称 ca 和双排序非对称。
• MCAvariants 通过正交多项式提供 MCA 和有序 MCA。
• 可以使用 soc.ca 对类似调查数据的特定和类别特定的 MCA 进行拟合。
• optiscale (已归档) 提供了对数据向量执行最佳尺度变换的工具。
• 最佳尺度方法的通用框架在 aspect 中实现。
• candisc：可视化广义规范判别分析和规范相关分析。

因子分析 (FA)、主成分分析 (PCA)

• 探索性 FA 是 stats 包中的函数 factanal() 和 fa() 以及 fa.poly()（序数数据）在 psych 中。
• BayesFM 用于贝叶斯 EFA。
• esaBcv 估计潜在因子的数量和因子矩阵。
• SparseFactorAnalysis (已归档) 使用稀疏 FA 对计数和二进制数据进行缩放。
• EFAutilities 在各种条件下计算稳健标准误差和因子相关性。
• faoutlier 为 FA 和 SEM 实施了有影响的案例检测方法。
• psych 包含诸如 fa.parallel() 和 VSS() 之类的函数，用于估计适当的因子/成分数量，以及 ICLUST() 用于项目聚类。
• PCA 可以使用 prcomp()（基于 svd()，首选）以及 princomp()（基于 eigen() 以与 S-PLUS 兼容）进行拟合。基于梯度投影算法的 FA 的其他旋转方法可以在 GPArotation 包中找到。 nFactors 包为 Cattell 陡坡检验提供非图形解决方案。一些图形 PCA 表示可以在 psy 包中找到。 paran 实施了 Horn 的主成分/因子检验。
• 使用 FactoMineR 包可以执行包含补充个体和补充定量/定性变量的因子分析 (FA) 和主成分分析 (PCA)，而 MCMCpack 提供了一些选项用于从序数和混合因子模型的后验分布中进行采样。
• Gifi 包实现了 Princals，这是一种针对混合尺度级别输入数据的 PCA 版本。
• nsprcomp 和 elasticnet 适合稀疏 PCA。
• 可以使用 PTAk、ThreeWay 和 multiway 拟合三维 PCA 模型（Tucker、Parafac/Candecomp）。
• 可以使用 fastICA、ica 和 eegkit（专为脑电数据设计）计算独立成分分析 (ICA)。
• 可以使用 pcaPP 包计算所需数量的稳健主成分。
• bpca 基于 PCA 实现多变量数据的二维和三维双标图，并提供降维质量的诊断工具。
• missMDA 提供对主成分分析 (PCA)、多重对应分析 (MCA) 模型或多重因子分析 (MFA) 模型中不完整连续或分类数据集的插补。

结构方程模型 (SEM)

• lavaan 包可用于估计各种各样的多变量统计模型，包括路径分析、验证性因子分析、结构方程模型和生长曲线模型。它包含 lavaan 模型语法，允许用户以简洁的方式表达其模型，并允许使用 ML、GLS、WLS、使用 Satorra-Bentler 校正的稳健 ML 以及 FIML 来处理缺失值数据。它完全支持均值结构和多组，并报告标准化解、拟合度量、修正指标等作为输出。
• OpenMx 包允许估计各种各样的高级多变量统计模型。它包含一个函数和优化器库，允许您快速灵活地定义 SEM 模型并根据观察到的数据估计参数。
• sem 包通过 FIML 拟合一般（即潜变量）SEM，并通过 2SLS 拟合观察变量模型中的结构方程。可以使用 polycor 包来处理 SEM 中的分类变量。
• tidySEM 提供了一个整洁的工作流程，用于使用 lavaan、OpenMx 或 Mplus 生成、估计、报告和绘制结构方程模型。
• SEMsens 使用元启发式优化方法对结构方程模型中遗漏的混杂因素进行敏感性分析。
• lslx 通过使用弹性网络或极小极大凹惩罚的惩罚似然拟合半验证性 SEM。
• lavaan.survey (已归档) 包允许进行复杂的调查结构方程模型 (SEM)。它拟合结构方程模型 (SEM)，包括因子分析、具有潜变量的多元回归模型以及许多其他潜变量模型，同时校正估计值、标准误差和卡方导出的拟合度量，以适应复杂的抽样设计。它将聚类、分层、抽样权重和有限总体校正纳入 SEM 分析。
• The nlsem package 使用 EM 算法拟合非线性结构方程混合模型。实现了三种不同的方法：LMS（潜在调节结构方程）、SEMM（结构方程混合模型）和 NSEMM（非线性结构方程混合模型）。
• The metaSEM package 提供了一组函数，用于通过 OpenMx 使用结构方程模型 (SEM) 方法进行荟萃分析。
• The lava package 提供了潜在变量模型（包括结构方程模型）的计算框架的通用实现。
• The pls package 可用于偏最小二乘估计。The cSEM package 使用基于复合的方法（例如，PLS）拟合结构方程模型。
• simsem 是一个旨在帮助使用 SEM 进行蒙特卡罗模拟的包（用于方法学研究、功效分析等等）。
• Sim.DiffProc 为多维连续时间模型中的并行蒙特卡罗模拟估计提供了一个框架，这些模型已被实现为 SEM。
• semTools 是一个附加函数包，可以帮助在 R 中拟合 SEM（例如，一个函数自动执行缺失数据的插补、运行插补后的数据集以及合并这些数据集的结果）。
• semPlot 为各种 SEM 包的输出生成路径图和可视化分析。
• plotSEMM 用于绘制结构方程混合模型中潜在变量之间的非线性关系。
• influence.SEM 为 SEM 实现离群值、杠杆诊断和个案影响。
• piecewiseSEM 拟合分段 SEM。
• rsem 使用缺失数据和辅助变量实现稳健的 SEM。
• regsem 对 SEM 执行正则化。
• 递归划分（SEM 树，SEM 森林）在 semtree 中实现。
• lsl 通过惩罚似然（潜在结构学习）进行 SEM。
• MIIVsem 包含使用工具变量估计结构方程模型的函数。
• systemfit 包实现了对观测变量模型的更广泛的估计器，包括非线性联立方程模型。
• STARTS 包含用于估计 STARTS 模型的函数。
• R 与其他 SEM 软件之间的接口：REQS、MplusAutomation 和 lisrelToR。

多维标度 (MDS)

• smacof 包提供了许多度量和非度量 MDS 方法，包括对具有外部约束的 MDS、球面 MDS、非对称 MDS、三维 MDS (INDSCAL/IDIOSCAL)、Bentler-Weeks 模型、一维标度、Procrustes、逆 MDS 的扩展。
• smacofx 用于灵活的 MDS 分析，包括 MULTISCALE、Sammon 映射、ALSCAL、局部 MDS、弹性标度、Box-Cox MDS、POST-MDS、曲线成分和距离分析等。
• cops 用于聚类优化邻近度标度，突出配置的聚类外观。
• stops 提供了一组方法，这些方法在多维标度 (MDS) 中拟合非线性距离变换，并权衡拟合与结构考虑因素，以找到最佳参数，也称为结构优化邻近度标度。
• MASS 和 stats 提供了使用 cmdscale() 函数计算经典 MDS 的功能。Sammon 映射 sammon() 和非度量 MDS isoMDS() 是其他相关函数。
• 非度量 MDS 也可以使用 vegan 中的 metaMDS() 计算。此外，labdsv 和 ecodist 提供了 nmds() 函数。此外，ExPosition 实现了一个度量 MDS 函数。
• 主坐标分析可以使用 vegan 包中的 capscale() 函数计算；也可以使用 labdsv 和 ecodist 包中的 pco() 函数，以及 ade4 包中的 dudi.pco() 函数计算。
• INDSCAL 也在 SensoMineR 包中实现。
• MLDS 包允许计算最大似然差值缩放 (MLDS)。
• DistatisR 包实现了 DiSTATIS/CovSTATIS 三维度量 MDS 方法。
• munfold 包提供了度量展开的函数。
• asymmetry 包实现了用于非对称 MDS 的滑动向量模型。
• semds 在 SEM 框架内拟合非对称和三维 MDS。
• cops 执行聚类优化邻近度缩放，它指的是旨在突出配置的聚类外观的 MDS 方法。

经典测验理论 (CTT)

• CTT 包可用于执行与经典测验理论相关的各种任务和分析：评分多项选择题，执行信度分析，进行项目分析，并将分数转换为不同的量表。
• 对于多层模型斜率异质性的 ICC，请参见 iccbeta。
• CTTShiny 提供了一个用于 CTT 的交互式 Shiny 应用程序。
• cocron 包提供了基于依赖或独立个体组对两个或多个 alpha 系数进行统计比较的函数。
• betafunctions 包包含对所谓的“Livingston 和 Lewis”分类准确性和一致性方法的实现。
• 可以在 psy 包中找到 Cronbach alpha、kappa 系数和组内相关系数 (ICC)。用于 ICC 计算的函数也可以在 psych 和 ICC 包中找到。
• psych 包包含许多用于人格和实验心理学的有用的量表构建和信度分析例程。
• subscore 可用于计算 CTT 和 IRT 中的子分数。
• 量化建构效度程序在 qcv 中实现。

知识结构分析

• DAKS 提供了知识空间心理测量理论的函数和示例数据集。该包实现了数据分析方法和程序，用于模拟数据和转换知识空间理论中的不同公式。
• kst 包含基于集合和关系生成、处理和操作确定性知识结构的基本功能。用于拟合概率知识结构的函数包含在 pks 包中。

潜在类别和剖面分析

• 可以使用 randomLCA 包执行具有随机效应的 LCA。此外，e1071 包提供了 lca() 函数。另一个包是 poLCA，用于多项变量潜在类别分析。LCA 也可以使用 flexmix 拟合，该软件包可以选择性地允许包含伴随变量和潜在类别回归。
• LCAvarsel 为 LCA 实现变量选择。
• tidyLPA 是潜在剖面分析的易于使用的实现。
• ClustVarLV 将变量聚类在潜在变量周围。
• multilevLCA 用于具有协变量的单级和多级潜在类别分析。

配对比较、排名、评分

• Bradley-Terry 模型用于配对比较，在 BradleyTerry2 和 eba 包中实现。后者允许计算逐项淘汰模型。
• 用于 Bradley-Terry 模型的递归划分树在 psychotree 中实现。
• BTLLasso 允许将特定于主题和特定于对象的协变量包含到配对比较模型中，使用 Lasso 收缩效应。
• prefmod 拟合对数线性 Bradley-Terry 模型 (LLBT) 和用于配对比较、排名和评分的模式模型。
• lmerMultiMember 可以使用 lme4 将对数线性 Bradley-Terry 模型拟合为混合效应模型 (GLMM)。
• pcFactorStan 提供与成对比较因子模型相关的便利函数和预编程 Stan 模型。
• PLMIX 在贝叶斯框架下拟合 Plackett-Luce 模型的有限混合，用于部分顶端排名/排序。
• smacof 实现了一系列用于排名和评分的展开技术。
• thurstonianIRT 可以拟合用于强制选择项目的 Thurstonian IRT 模型。

网络心理测量学

• 使用 glasso 可以使用 lasso 惩罚（图形 lasso）估计稀疏逆协方差矩阵。
• networktools 包含用于网络分析的各种工具（桥接中心性、影响力和偷懒者）。
• bootnet 实现引导方法来评估估计的网络结构和中心性指标的准确性和稳定性。
• NetworkComparisonTest 实现用于网络比较的置换检验。
• 基于模型的网络递归划分：networktree。
• 可以使用 mlVAR 和 graphicalVAR 获取多级和图形向量自回归模型的网络结构。
• mgm 估计时变 k 阶混合图形模型。
• EstimateGroupNetwork 可用于通过联合图形 lasso 同时估计来自不同组或类的网络。
• Ising 模型的各种实现：IsingSampler，IsingFit。
• lvnet 同时估计因子和网络模型。
• psychonetrics 中实现了 SEM 和验证性网络分析的方法。这包括多组（动态）SEM 与来自横截面、时间序列和面板数据的验证性网络模型相结合。
• 在 SEM 框架内估计的纵向数据的网络模型：gimme。
• qgraph 包可用于将数据可视化为网络。
• NetworkToolbox 实现神经科学、认知科学和心理学中使用的网络分析和图论度量。方法包括各种过滤方法和方法，例如阈值、依赖性、信息过滤网络和效率成本优化。
• NetworkToolbox 实现用于大脑、认知和心理测量网络分析的方法和度量。
• EGAnet 实现探索性图分析 (EGA) 框架，用于降维和心理测量评估。

贝叶斯心理测量学

• blavaan 拟合各种贝叶斯潜变量模型，包括验证性因素分析、结构方程模型和潜增长曲线模型。
• LAWBL 实现了一个用于不同贝叶斯学习方法的潜变量分析框架，包括部分验证性因素分析和部分验证性IRT。
• MCMCpack 包含了使用吉布斯采样估计项目和人员参数的贝叶斯方法。此外，pscl 包允许进行贝叶斯IRT和点名分析。
• LNIRT 是一个用于对响应和响应时间进行对数正态响应时间IRT建模的包，使用MCMC进行估计。
• edstan 提供了与IRT相关的便利函数和预编程的Stan模型。
• fourPNO 可用于贝叶斯4-PL IRT估计。
• rrum 和 errum 中实现了用于（探索性）简化重新参数化统一模型的贝叶斯估计的吉布斯采样。
• 对于（探索性）DINA（确定性输入、噪声和门）的贝叶斯估计，请参见 dina 和 edina。
• slcm 提供了用于二元数据的探索性稀疏潜类别模型 (SLCM) 的实现。
• ohoegdm 对多项式数据的序数探索性高阶通用诊断模型 (OHOEGDM) 进行贝叶斯估计。
• 包含各种心理测量出版物中使用的编码项目和q矩阵的数据包：edmdata。
• BayesLCA 实现贝叶斯LCA。

其他相关包

• psychotools 提供了心理测量建模的基础设施，例如数据类（例如，用于配对比较）和基本模型拟合函数（例如，用于Rasch和Bradley-Terry模型）。
• quickpsy 是一个专门为快速拟合和绘制多种条件下的心理测量函数而开发的包。
• cNORM 提供了生成基于回归的连续规范的方法。该方法不依赖于先验分布假设，因此是非参数的，但可以与Box-Cox幂变换相结合，以半参数方式对数据进行建模。
• 一个用于管理、评估和心理测量分析教育和心理测试数据的系统在 dexter 中实现，多阶段测试校准在 dexterMST 中实现，GUI 通过 dextergui 实现。
• 基于 flexmix 基础设施的心理测量混合模型由 psychomix 包提供（目前是 Rasch 混合模型和 Bradley-Terry 混合模型）。
• equate 包包含用于非 IRT 等值的函数，包括随机组和非等效组，以及锚定测试设计。支持平均值、线性、等百分位数和圆弧等值，以及用于单变量和双变量分数分布预平滑的方法。目前支持的特定等值方法包括 Tucker、Levine 观察分数、Levine 真实分数、Braun/Holland、频率估计和链式等值。
• ShinyItemAnalysis 包提供了用于分析教育测试及其项目的交互式 Shiny 应用程序。
• 可以使用 irr 计算评分者间信度和一致性的系数。
• 用于分析心理物理数据的统计工具在 psyphy 和 MixedPsy 中实现。
• fechner 提供了用于离散对象集的费希纳标度的函数和示例数据集。它计算代表主观差异的对象之间的费希纳距离和其他相关信息。
• mediation 允许参数和非参数因果中介分析。它还允许研究人员对某些参数模型进行敏感性分析。
• 可以使用 medflex 执行使用自然效应模型的因果中介分析。
• multiplex 包专门为具有不同层次关系的社交网络而设计。从这个意义上说，该程序具有有效的方法来处理多网络数据集，其例程结合了代数结构（如部分有序半群）和在多网络中发现的现有关系束。通过一对子集族的伽罗瓦推导，对双模网络进行了代数方法。
• TripleR 包实现了循环设计中的社会关系分析。它实现了 SOREMO 软件的所有功能，并提供了新的功能，如处理缺失值、单个组的显著性检验或自我增强指数的计算。
• 拟合和测试多项式处理树模型（一类用于具有潜在参数的分类数据的统计模型）可以使用 mpt 包进行。这些参数是树状图的链接概率，代表了为获得可观察的响应类别而执行的认知处理步骤。 MPTinR 包提供了一种用户友好的方式来分析多项式处理树 (MPT) 模型。 TreeBUGS 包提供用户友好的方法来拟合贝叶斯分层 MPT 模型（beta-MPT 和潜在特征 MPT），并实现后验预测检验、摘要图、相关性和回归以用于个人级 MPT 参数。
• 用于对 beta 分布的因变量（例如，比率和比例）进行建模的 beta 回归在 betareg 中可用。
• cocor 包提供函数来比较基于依赖组或独立组的两个相关性。
• profileR 包提供了一组工具，这些工具实现了剖面分析和交叉验证技术。
• TestScorer 包提供了一个 GUI，用于输入测试项目并获取原始分数和转换后的分数。结果显示在控制台中，可以保存到表格文本文件中以进行进一步的统计分析。用户可以通过 GUI 定义自己的测试和评分程序。
• wCorr 计算加权或未加权形式的 Pearson、Spearman、四分相关、多分相关和多序列相关系数。
• gtheory 包拟合单变量和多变量泛化理论 (G-theory) 模型。
• GDINA 包在广义确定性输入、噪声和门 (G-DINA) 模型和顺序 G-DINA 模型框架内估计各种认知诊断模型 (CDM)。它还可以用于进行 Q 矩阵验证、项目和模型拟合统计、测试和项目级别的模型比较以及差异项目功能。还提供了一个图形用户界面。
• 认知诊断模型 DINA 和 rRUM 的模拟例程在 simcdm 中实现。
• TestDataImputation 用于测试和评估数据中缺失项目响应的插补。
• LAM 包含一些用于潜变量建模的程序，特别关注多层数据。
• psychTools 包含一些工具，用于配合 psych 包使用。
• ata 提供了一组心理测量方法，用于处理项目元数据，并使用目标评估和测量蓝图约束来组装测试表格。
• heplots：使用假设误差图可视化多元线性模型中的假设检验。

CRAN 包

相关链接

• 统计软件杂志特刊：R 中的心理测量学
• 统计软件杂志特刊：Psychoco - R 中的心理测量计算
• 统计软件杂志特刊：Jan de Leeuw 纪念文集
• 计算认知科学工具

其他资源

• GitHub 项目：lmerMultiMember