Multigroup IFA
[openmx:openmx.git] / models / passing / ifa-drm-mg.R
1 library(OpenMx)
2 library(rpf)
3
4 set.seed(9)
5
6 numItems <- 30
7 i1 <- rpf.drm(multidimensional=TRUE)
8 items <- list()
9 items[1:numItems] <- i1
10 correct <- matrix(NA, 4, numItems)
11 for (x in 1:numItems) correct[,x] <- rpf.rparam(i1)
12 correct[1,] <- 1
13 correct[3,] <- 0
14 correct[4,] <- 1
15
16 data <- rpf.sample(500, items, correct, cov=matrix(5,1,1))
17
18 if (1) {
19   spec <- mxMatrix(name="ItemSpec", nrow=3, ncol=numItems,
20                    values=sapply(items, function(m) slot(m,'spec')),
21                    free=FALSE, byrow=TRUE)
22   
23   ip.mat <- mxMatrix(name="itemParam", nrow=4, ncol=numItems,
24                      values=c(1,0,0, 1),
25                      free=c(FALSE, TRUE, FALSE, FALSE))
26   ip.mat@free.group <- 'param'
27   
28   eip.mat <- mxAlgebra(itemParam, name="EItemParam", fixed=TRUE)
29
30   m.mat <- mxMatrix(name="mean", nrow=1, ncol=1, values=0, free=FALSE)
31   cov.mat <- mxMatrix(name="cov", nrow=1, ncol=1, values=1, free=TRUE)
32
33   m2 <- mxModel(model="drmmg", ip.mat, spec, m.mat, cov.mat, eip.mat,
34                 mxData(observed=data, type="raw"),
35                 mxExpectationBA81(mean="mean", cov="cov",
36                                   ItemSpec="ItemSpec",
37                                   EItemParam="EItemParam"),
38                 mxFitFunctionBA81(ItemParam="itemParam"),
39                 # integrate FitFuncBA81 into FitFuncML
40                 mxComputeIterate(steps=list(
41                                    mxComputeOnce("EItemParam"),
42                                    mxComputeOnce('expectation', context='E'),
43 #                                  mxComputeGradientDescent(free.group='param'),
44                                    mxComputeNewtonRaphson(free.group='param'),
45                                    # list=(matrix, free parameter, models)
46                                    mxComputeOnce('expectation', context='M'),
47                                    mxComputeOnce('fitfunction')
48                                  )))
49   
50   m2 <- mxOption(m2, "Analytic Gradients", 'Yes')
51   m2 <- mxOption(m2, "Verify level", '-1')
52   m2 <- mxOption(m2, "Function precision", '1.0E-7')
53   m2 <- mxRun(m2)
54   
55 #  omxCheckCloseEnough(m2@output$minimum, 14130.2, 1) TODO
56   omxCheckCloseEnough(m2@matrices$cov@values[1,1], 4.377, .01)
57   
58   #print(m2@matrices$itemParam@values)
59   #print(correct.mat)
60   got <- cor(c(m2@matrices$itemParam@values),
61              c(correct))
62   omxCheckCloseEnough(got, .994, .01)
63 }
64
65 if (0) {
66   library(mirt)
67   rdata <- sapply(data, unclass)-1
68   # for flexMIRT, write CSV
69   write.table(rdata, file="irt-drm-mg.csv", quote=FALSE, row.names=FALSE, col.names=FALSE)
70   pars <- mirt(rdata, 1, itemtype="2PL", D=1, quadpts=49, pars='values')
71   pars[pars$name=="a1",'value'] <- 1
72   pars[pars$name=="a1",'est'] <- FALSE
73   pars[pars$name=="COV_11",'est'] <- TRUE
74   fit <- mirt(rdata, 1, itemtype="2PL", D=1, quadpts=49, pars=pars)
75   # LL -7064.519 * -2 = 14129.04
76   got <- coef(fit)
77   print(got$GroupPars)
78   # COV 4.551
79   got$GroupPars <- NULL
80   round(m2@matrices$itemParam@values - simplify2array(got), 2)
81   
82   # MH-RM takes forever, not run
83   pars <- confmirt(rdata, 1, itemtype="2PL", D=1, quadpts=49, pars='values')
84   pars[pars$name=="a1",'value'] <- 1
85   pars[pars$name=="a1",'est'] <- FALSE
86   pars[pars$name=="COV_11",'est'] <- TRUE
87   fit <- confmirt(rdata, 1, itemtype="2PL", D=1, quadpts=49, pars=pars)
88   got <- coef(fit)
89   got$GroupPars <- NULL
90   round(m2@matrices$itemParam@values - sapply(got, function(l) l[1,]), 2)
91 }