概要 | 機能 | 古典的手法 | 潜在構造分析 | モデルの概要 | 局所依存モデル | モデル選択ガイド | インストール | 依存パッケージ | データ形式と使用方法 | 基本的な使用方法 | データ要件 | データフォーマット | サンプルデータセット | 使用例 | テスト統計量 | 項目統計量 | CTT | IRT | GRM | LCA | LRA | 新しい回答者の分類(predict) | LRA 順序尺度データへの適用 | LRA 名義尺度データへの適用 | バイクラスタリング | グリッドサーチ | 無限関係モデル | 多段階反応データ用のバイクラスタリング | 順序尺度データ | 名義尺度データ | ベイジアンネットワークモデル | 遺伝的アルゴリズムによる構造学習 | PBILによる構造学習 | 局所依存潜在ランク分析 | 局所依存バイクラスタリング | バイクラスターネットワークモデル | 参考文献

Latent Class Analysis (LCA) | LCA Plot Types | Latent Rank Analysis (LRA) | Classifying New Respondents with predict() | LRA for Ordinal Data | LRA for Rated/Nominal Data | Reference

Biclustering | Ranklustering | Finding Optimal Number of Classes and Fields | Grid Search | Infinite Relational Model (IRM) | Biclustering for Polytomous Data | Ordinal Data | Nominal Data | Rated Data (Multiple-Choice with Correct Answers) | Rated IRM | Distractor Analysis | Reference

Overview | Installation | Data Format | Data Requirements | Data Formatting | Sample Datasets | Basic Statistics | Test Statistics | Item Statistics | Classical Test Theory | Next Steps | Reference

Bayesian Network Model (BNM) | Creating the Graph | Running BNM | Structure Learning with Genetic Algorithm | Structure Learning with PBIL | Local Dependence Latent Rank Analysis (LDLRA) | Setting Up Rank-Specific Graphs | Running LDLRA | Structure Learning for LDLRA with PBIL | Local Dependence Biclustering (LDB) | Bicluster Network Model (BINET) | Model Comparison | Reference

IRT for Binary Data | Plot Types | GRM: Graded Response Model | References