Simulation-based cutoffs for conditional item fit in Rasch models: iterations, multiplicity correction, and decision stability

Este preprint examina métodos para establecer puntos de corte basados en simulación para evaluar el ajuste condicional de ítems en modelos de Rasch, utilizando remuestreo paramétrico (bootstrap). El autor revisa y corrige recomendaciones previas sobre iteraciones de bootstrap y ancho de intervalo, analizando cómo se relacionan con la tasa de error familiarwise (FWER) y propone comparaciones entre reglas de decisión basadas en intervalos y correcciones de multiplicidad (Westfall-Young y Benjamini-Hochberg). A través de siete estudios de simulación que varían el número de ítems y la presencia de desajuste, con condiciones dicotómicas y politómicas, el estudio demuestra que el ancho del intervalo establece conjuntamente el FWER con el número de ítems, que las correcciones Westfall-Young detectan más desajuste con menos iteraciones que los intervalos equivalentes, y que la estabilidad de decisiones mejora con 400 a 2000 iteraciones. Las recomendaciones se implementan en el paquete R easyRasch2 y el módulo jamovi easyRasch2jmv.

Puntos clave

• El ancho del intervalo de confianza actúa como parámetro de tasa de error de la regla de decisión, estableciendo conjuntamente el FWER con la cantidad de ítems evaluados en la escala.
• Las correcciones Westfall-Young para p-valores bootstrap controlan directamente el FWER, detectan más desajuste que intervalos con tasas de error equiparadas y requieren apenas 400 iteraciones calibradas.
• La convergencia del intervalo de corte a su ancho nominal depende únicamente del ancho elegido, no del tamaño de muestra, contrariamente a recomendaciones previas que condicionaban iteraciones al tamaño de muestra.
• El desempeño de infit fue consistentemente superior al de outfit tanto en ítems dicotómicos como politómicos, extendiendo hallazgos anteriores limitados a formatos dicotómicos.
• La estabilidad de decisiones, evaluada al ejecutar análisis idénticos con semillas de bootstrap diferentes, es un criterio de desempeño adicional a sensibilidad y tasas de falsos positivos.

Para quién: Psicólogos, docentes de psicometría y estudiosos del análisis de Rasch que necesitan criterios confiables y reproducibles para detectar desajuste de ítems en escalas psicológicas dicotómicas y politómicas.