二级项目题组混合IRT模型及其稳健权重估计.pdfVIP

　 ２０１７ Ｖｏｌ．３７ Ｎｏ．３ ２３７ －２４０ 心理学探新 ， ， ， ＰＳＹＣＨＯＬＯＧＩＣＡＬ ＥＸＰＬＯＲＡＴＩＯＮ 二级项目题组混合 ＩＲＴ模型及其稳健权重估计 １ ２ ３ ，  朱哲民 ，贾　 冰 （１．北华大学教育科学学院，吉林 １３２０１３；２．东北师范大学数学与统计学院，长春 １３００２４； ３．北华大学教师教育训练中心，吉林 １３２０１３） 摘 要：在心理测量和教育测量中，二级项目和题组项目是两类常见的项目类型。由这两种　 项目混合构成的测试在实践中有着重要的应用。被试在答题时，由于个人的潜在能力和项目难度 不匹配，常常会产生异常反应，这些异常反应会影响ＩＲＴ 中潜在特质估计的准确性。仿真实验证 明，二级项目题组混合ＩＲＴ模型的稳健估计方法在出现异常值的情况下，能够比极大似然估计对 被试的潜在特质做出更加准确的估计，能够满足实际测试的需求。 关键词：ＩＲＴ；题组；稳健估计；权重 中图分类号：Ｂ８４１．２　 　 　 文献标识码：Ａ　 　 　 文章编号：１００３－５１８４（２０１７）０３－０２３７－０４ １　 引言 其中 是潜在特质，参数ａ 、ｂ 分别为第ｉ个项θ ｉ ｉ 项目反应理论（ＩＲＴ）是研究被试潜在特质和项 目上的区分度参数和难度参 数。正态卵形模型由 目参数之间反应关系的测量理论。实践操作中使用 于积分符号的存在使得其在计算时难度较大，于是 ＩＲＴ方法进行测量一般可以分为两步。第一步：标 在 年提出了逻辑斯蒂克模型，模型的 Ｂｉｒｎｂａｕｍ １９６８ ＥＭ 记。利用 算法等方法，通过被试在测验中的反 数学表达式为： 应结果计算项目参数，利用项目参数标记题目。在 ｅｘｐ（Ｄａ （ －ｂ ））ｉ θ ｉ ＩＲＴ 中，项目参数（难度参数、区分度参数、猜测参 Ｐ （）＝ｉ θ （ （ ）） １ ＋ ｅｘｐ Ｄａ －ｂｉ θ ｉ 数）在确定后具有不变性，这也是 ＩＲＴ 和经典测量 其中 是潜在特质，参数 、 分别为第 个项 θ ａ ｂ ｉ ｉ ｉ 理论（ＣＴＴ）相比的优势之一。第二步：测量。利用 目上的区分度参数和难度参数， 为常数。这两个 Ｄ 确定了项目参数的习题对被试进行测验，计算被试 模型既是最常用二级项目模型，同时也是多级评分 的潜在特质。如计算机自动化考试（ ）就是利用 ＣＡＴ 模型、高阶ＩＲＴ模型的基础。 确定了项目参数的题目进行的计算机自适应测验， ２．２　 题组模型 也就是是第二步。实际操作中也存在同时测量项目