心理测量学软件包，包括结构方程模型、验证性因素分析、一维项目反应理论、多维项目反应理论、认知诊断模型、因素分析和适应性测试。
ps的Python项目详细描述
…图片：：https://img.shields.io/travis/inuyasha2012/pypsy.svg
：目标：https://travis-ci.org/inuyasha2012/pypsy < BR><…图片：：https://coveralls.io/repos/github/inuyasha2012/pypsy/badge.svg？分支=主
：目标：https://coveralls.io/github/inuyasha2012/pypsy？分支=主 < BR> 脓疮 [谚] < BR>
`zhong<；/readme zh.rst>；。`_ < BR>
` dina模型与参数估计：a
教学法<；http://www.stat.cmu.edu/~brian/pier methods/for%202013-03-04/readings/de%20la%20torre-dina-est-115-30-jebs.pdf>；。` < BR>
心理测量学包，包括结构方程模型，验证性
因素分析，一维项目反应理论，多维
项目反应理论、认知诊断模型、因素分析和
自适应测试。这个包裹还是个洋娃娃。将在年内完成 未来。 < BR>
一维项目反应理论
- < BR> BR/>模型 <~~~~~~~~~~ < BR>
-二进制响应数据IRT（两个参数，三个参数）。 < BR>
-等级响应数据IRT（GRM模型） < BR>
参数估计算法
-------- < BR>
-em算法（2pl，grm） < BR>
-mcmc算法（第三方物流） < BR>
----- < BR>
多维项目反应理论（全信息项目因子分析）
——--- < BR>
参数估计算法
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ < BR>
初始值
^^^^^^^^^^^^^^^^^ < BR>
计算了近似的多激素相关，并且
初始值是通过多激素的因子分析得到的。
相关矩阵。 < BR>
em算法
^^^^^^^^^^^^ < BR>
-e步骤使用gh积分。 < BR>
-m步骤使用牛顿算法（稀疏矩阵分为非
稀疏矩阵）。 < BR>
因子旋转
^^^^^^^^^^^^^^^ < BR>
梯度投影算法 < BR>
缺点
~~~~~~~~~~~~~~~~ < BR> gh积分只能估计低维参数。 < BR>
----- < BR>
认知诊断模型
--- < BR> BR/>模型 <~~~~~~~~~~ < BR> 迪娜 < BR>
-何迪娜 < BR>
参数估计算法
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ < BR>
-em算法 < BR>
-mcmc算法 < BR>
-最大似然估计（仅用于估计技能参数
受试者） < BR>
----- < BR>
结构方程模型
--- < BR>
-包含三种参数估计方法（ULS、ML和GLS）。 < BR>
-基于梯度下降 < BR>
----- < BR>
验证性因素分析
-- < BR>
-可用于连续数据、二进制数据和有序数据。 < BR>
-基于梯度下降 < BR>
-基于多头相关矩阵的二进制和有序数据。 < BR>
----- < BR>
因素分析
------ < BR>
暂时仅用于计算完整信息项
因子分析，非常简单。 < BR>
算法
~~~~~~~~~~~~~ < BR>
主成分分析 < BR>
旋转算法
~~~~~~~~~~~~~~~~~~~~~~ < BR>
梯度投影 < BR>
----- < BR>
自适应测试
---- < BR>
模型
~~~~~~ < BR>
Thurston IRT模型（多维项目反应理论模型
个性测试） < BR>
算法
~~~~~~~~~ < BR> 多维项目反应理论的最大信息法 < BR> 要求：
< BR>
-努比 < BR>
-进度条2 < BR>
如何使用
---- < BR>
详见演示 < BR>
待办事项列表
--- < BR>
-θ参数ccfa化 < BR>
-多元结构方程模型的参数估计 数据 < BR>
-贝叶斯知识跟踪（bayesian knowledge tracking） < BR>
-多维项目反应理论（全信息项目因素
分析） < BR>
-高维计算算法（自适应积分等） < BR>
-各种项目响应模型 < BR>
-认知诊断模型 < BR>
-g-dina模型 < BR>
-q矩阵相关算法 < BR>
-因素分析 < BR>
-最大似然估计 < BR>
-各种因子旋转算法 < BR>
-自适应 < BR>
-适应性认知诊断 < BR>
-其他自适应模型 < BR>
-标准误差和p值 < BR>
-代码注释、测试和文档。 < BR>
参考
--- < BR>
-`DINA模型与参数估计：a
教学法<；http://www.stat.cmu.edu/~brian/pier methods/for%202013-03-04/readings/de%20la%20torre-dina-est-115-30-jebs.pdf>；。`_
-`认知的高阶潜在特质模型
诊断<；http://www.aliquote.org/pub/delatorre2004.pdf>；。`_
-`完整信息项系数
分析。<；http://conservation.umn.edu/bitstream/11299/104282/1/v12n3p261.pdf>；。`_
-`多维自适应
测试<；http://media.metrik.de/uploads/incoming/pub/literar/1996 U多维%20adaptive%20testing.pdf>；。`_
-`旋转的无导数梯度投影算法<；https://cloudfront.escholarship.org/dist/prd/content/qt9938p4wc/qt9938p4wc.pdf>；。`_ < BR>< BR> [谚] 历史沿革 [谚] < BR>
0.0.1（2018-09-18）
----- < BR>
*pypi上的第一个版本。 < BR>< BR>< BR>
：目标：https://travis-ci.org/inuyasha2012/pypsy < BR><…图片：：https://coveralls.io/repos/github/inuyasha2012/pypsy/badge.svg？分支=主
：目标：https://coveralls.io/github/inuyasha2012/pypsy？分支=主 < BR> 脓疮 [谚] < BR>
`zhong<；/readme zh.rst>；。`_ < BR>
` dina模型与参数估计：a
教学法<；http://www.stat.cmu.edu/~brian/pier methods/for%202013-03-04/readings/de%20la%20torre-dina-est-115-30-jebs.pdf>；。` < BR>
心理测量学包，包括结构方程模型，验证性
因素分析，一维项目反应理论，多维
项目反应理论、认知诊断模型、因素分析和
自适应测试。这个包裹还是个洋娃娃。将在年内完成 未来。 < BR>
一维项目反应理论
- < BR> BR/>模型 <~~~~~~~~~~ < BR>
-二进制响应数据IRT（两个参数，三个参数）。 < BR>
-等级响应数据IRT（GRM模型） < BR>
参数估计算法
-------- < BR>
-em算法（2pl，grm） < BR>
-mcmc算法（第三方物流） < BR>
----- < BR>
多维项目反应理论（全信息项目因子分析）
——--- < BR>
参数估计算法
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ < BR>
初始值
^^^^^^^^^^^^^^^^^ < BR>
计算了近似的多激素相关，并且
初始值是通过多激素的因子分析得到的。
相关矩阵。 < BR>
em算法
^^^^^^^^^^^^ < BR>
-e步骤使用gh积分。 < BR>
-m步骤使用牛顿算法（稀疏矩阵分为非
稀疏矩阵）。 < BR>
因子旋转
^^^^^^^^^^^^^^^ < BR>
梯度投影算法 < BR>
缺点
~~~~~~~~~~~~~~~~ < BR> gh积分只能估计低维参数。 < BR>
----- < BR>
认知诊断模型
--- < BR> BR/>模型 <~~~~~~~~~~ < BR> 迪娜 < BR>
-何迪娜 < BR>
参数估计算法
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ < BR>
-em算法 < BR>
-mcmc算法 < BR>
-最大似然估计（仅用于估计技能参数
受试者） < BR>
----- < BR>
结构方程模型
--- < BR>
-包含三种参数估计方法（ULS、ML和GLS）。 < BR>
-基于梯度下降 < BR>
----- < BR>
验证性因素分析
-- < BR>
-可用于连续数据、二进制数据和有序数据。 < BR>
-基于梯度下降 < BR>
-基于多头相关矩阵的二进制和有序数据。 < BR>
----- < BR>
因素分析
------ < BR>
暂时仅用于计算完整信息项
因子分析，非常简单。 < BR>
算法
~~~~~~~~~~~~~ < BR>
主成分分析 < BR>
旋转算法
~~~~~~~~~~~~~~~~~~~~~~ < BR>
梯度投影 < BR>
----- < BR>
自适应测试
---- < BR>
模型
~~~~~~ < BR>
Thurston IRT模型（多维项目反应理论模型
个性测试） < BR>
算法
~~~~~~~~~ < BR> 多维项目反应理论的最大信息法 < BR> 要求：
< BR>
-努比 < BR>
-进度条2 < BR>
如何使用
---- < BR>
详见演示 < BR>
待办事项列表
--- < BR>
-θ参数ccfa化 < BR>
-多元结构方程模型的参数估计 数据 < BR>
-贝叶斯知识跟踪（bayesian knowledge tracking） < BR>
-多维项目反应理论（全信息项目因素
分析） < BR>
-高维计算算法（自适应积分等） < BR>
-各种项目响应模型 < BR>
-认知诊断模型 < BR>
-g-dina模型 < BR>
-q矩阵相关算法 < BR>
-因素分析 < BR>
-最大似然估计 < BR>
-各种因子旋转算法 < BR>
-自适应 < BR>
-适应性认知诊断 < BR>
-其他自适应模型 < BR>
-标准误差和p值 < BR>
-代码注释、测试和文档。 < BR>
参考
--- < BR>
-`DINA模型与参数估计：a
教学法<；http://www.stat.cmu.edu/~brian/pier methods/for%202013-03-04/readings/de%20la%20torre-dina-est-115-30-jebs.pdf>；。`_
-`认知的高阶潜在特质模型
诊断<；http://www.aliquote.org/pub/delatorre2004.pdf>；。`_
-`完整信息项系数
分析。<；http://conservation.umn.edu/bitstream/11299/104282/1/v12n3p261.pdf>；。`_
-`多维自适应
测试<；http://media.metrik.de/uploads/incoming/pub/literar/1996 U多维%20adaptive%20testing.pdf>；。`_
-`旋转的无导数梯度投影算法<；https://cloudfront.escholarship.org/dist/prd/content/qt9938p4wc/qt9938p4wc.pdf>；。`_ < BR>< BR> [谚] 历史沿革 [谚] < BR>
0.0.1（2018-09-18）
----- < BR>
*pypi上的第一个版本。 < BR>< BR>< BR>
欢迎加入QQ群-->： 979659372
