潜在类别模型在试题分析中的应用.docVIP

潜在类别模型在试题分析中的应用 ——二级计分题目的信度分析 1深圳深圳大学心理学系，深圳 5180002 华南师范大学应用心理研究中心，广州 510631 摘要：基于潜在类别分析的信度分析通过潜在类别模型的5个指标:指标、指标、指标、指标、指标来分析的信度假设所测群体是由不同的亚群体组成，并且不需要潜在变量和残差服从正态分布可以克服传统的信度评价方法的一些不足。本研究在简要介绍潜在类别分析的基本原理、分析思路的基础上，以二级计分题项的量表为例，重点介绍如何运用上述5个指标判别题项质量，并用实际数据验证此方法的可行性，最后将潜在类别分析结果和传统的基于CTT理论的信度分析结果进行对比，阐述潜在类别分析在心理与教育统计中的应用价值及研究拓展。基于分析结果，可得到如下：（1) 指标和指标指标系数（2）潜在类别模型可较为全面地评价和鉴别题目的优劣 关键词：潜在类别模型二级计分题目指标1 前言 在平常的教育研究考试中，我们通常使用信度系数来鉴别试卷的，并根据相应的结果来删减题目，提高问卷的。然而，运用系数进行信度分析的假设条件是样本为单一分布的群体，并要求潜在变量和残差都要符合正态分布，这些假设在现实研究中往往得不到满足（Flaherty，2002）。潜在类别模型这种数据处理方法则克服了传统方法中的不足，它对潜在变量和残差的分布没有任何要求，并假设所测群体是由不同的亚群体组成。 潜在类别分析（Latent Class Analysis）是由社会学家Lazarsfeld在1950年首次提出的，用于分析态度量表中潜在变量的一种方法（Lazarsfeld Henry，1986）。在20世纪70年代，Goodman发展了极大似然估计法，并应用于潜在类别模型中，使得潜在类别模型从分析二级计分试题扩展到称名变量（Goodman，1974）。如今，潜在类别模型已经越来越广泛地应用于社会研究，一方面，它可以对外显分类变量进行分类，找出其内在的潜在结构；另一方面，它可以称名和顺序变量的测量误差问题（Vermunt，2002）。现阶段，基于潜在类别模型的应用，国外学者已作了广泛的研究。例如，Biemer和Wiesen（2002）运用潜在类别模型，通过三个题目把吸食大麻的被试分类，并指出不能有效区分被试潜在结构的题目。Kreuter，Yan和Tourangeau（2008）也运用潜在类别模型来分析马里兰州大学毕业生的数据，并结合Hui-Walter模型来鉴别题目。Flaherty（2002）为调查青少年吸烟情况，引用Clogg和Manning（1996）所提出的5个基于潜在类别模型的指标，对问卷题目进行分析，指出区分度较差的题目。然而，国内外学者对基于潜在类别模型的量表分析研究仅限于对社会调查问卷的题目，而对考试题目的研究颇少。本文将介绍潜在类别模型的基本原理、基于该模型对题目质量进行判断的指标，并以实证数据为例，如何运用这些指标来鉴别考试试题的优劣，比较这些方法与传统方法的实用性。 2 潜在类别模型的基本原理 2.1 潜在类别分析模型 潜在类别模型最突破性的原理就是将类别变量的概率转化为参数模型，亦即概率参数化。传统的潜在类别模型涉及两种类别变量：可观察、测量的外显变量与不可观察的潜在变量，参数潜在类别概率（latent class probabilities）与条件概率( conditional probilities)用极大似然法来估计潜在类别模型的这些参数。 潜在类别模型假设。其一是局部独立性假设，即外显变量的关联能够被一个潜在变量来解释，使得这两个变量完全独立无关。即，对于某个潜在类别的被试来说，各个外显变量的作答不存在关联。潜在类别的互斥性是另一个假设，即潜在类别之间相互独立，互不影响。假设表示一系列个外显变量， 表示在外显变量中反应选项的数目，让表示某一个的反应组合。潜在变量中有个潜在类别，代表反应的反应概率。潜在类别模型写： （1） 其中，为潜在类别概率，表示各个潜在类别所占的人数比例；表示属于潜在类别的被试，在题目的反应为的条件概率。其中潜在类别概率和条件概率的取值范围是0~1。 2.2 潜在类别模型的建立 潜在类别模型的建立首先需要估计初始模型，然后逐步增加潜在类别的数目，进行各模型的参数估计，计算适配性，同时进行适配性检验，以决定最佳模型。值得注意的是，正确选择潜在类别的数量是至关重要的（Yang，2004）。我们通常使用Schwarz(1978)基于贝氏理论所提出的BIC指标（Bayesian information criterion），来选择潜在类别模型，当BIC值越小，其模型的适配性就越好。然后是对各潜在类别进行命名，观测条件概率和归属概率，最后计算出判别指标。