####################################################################################
#                         L6 - IRT MODELS FOR BINARY DATA                          #
#                                    NMST570                                       #
#                             Last update: 16/11/2020                              #
####################################################################################

# Slides available at http://www.cs.cas.cz/martinkova/NMST570.html
# HW assignment available at http://www.cs.cas.cz/hladka/documents/NMST570_HW6.pdf

####################################################################################
# Loading data #####################################################################
####################################################################################

data <- read.csv("epi_escore.csv")
summary(data)

####################################################################################
# Loading packages #################################################################
####################################################################################

library(mirt)

####################################################################################
# Ex. 3.2. #########################################################################
####################################################################################

#-----------------------------------------------------------------------------------
# 1. reversing some items

### this is function to reverse some items of dataset
reverse.items <- function(data, which.items){
  rev.data <- sapply(data, function(x) as.numeric(x == 0))
  new.data <- data
  new.data[, which.items] <- rev.data[, which.items]
  return(new.data)
}

### specify which items do you want to reverse (their colnames)
### replace ???
colnames(data)
which.items <- c(???)

### now create new data with reverse.items() function
### replace ???
revdata <- reverse.items(data = ???, which.items = ???)

#-----------------------------------------------------------------------------------
# 2. fitting 2PL model with the mirt package on data with the reversed items

?mirt
### In our case model = 1 means that we assumed that latent trait is unidimensional
### itemtype = "2PL" means that we assumed 2PL model for all items

### model for original data, replace ???
fit2PL.mirt <- mirt(data = ???, model = ???, itemtype = ???)

### model for reversed items, replace ???
fit2PL.mirt.rev <- mirt(data = ???, model = ???, itemtype = ???)

#-----------------------------------------------------------------------------------
# 3. print estimated parameters

### use coef() function on model
### use simplify = TRUE argument

#-----------------------------------------------------------------------------------
# 4. extract factor scores

### open help for fscores() function
?fscores

### use fscores() to extract factor scores
###### 2PL IRT model on original data, replace ???
fs2PL <- as.vector(fscores(???))

###### 2PL IRT model on data with reversed items, replace ???
fs2PL.rev <- as.vector(fscores(???))

### compare factor scores, you can for example print summary on both, plot them using
### function plot() or calculate their correlation with cor() function