心理科学领域内客观测量.docVIP

心理科学领域内客观测量 　　摘要　Raseh模型是在国外学术界受到广泛关注和深入研究的一个潜在特质模型。该模型为解决心理科学领域内测量的客观性问题提供了一个可行性很高的解决方案。而国内关于Rasch模型的理论探讨和应用研究却并不多见。不同于一般项目反应理论，Rasch模型要求所收集的数据必须符合模型的先验要求，而不是使用不同的参数去适应数据的特点。Raseh模型的主要特点(包括个体与题目共用标尺、线性数据、参数分离)确保了客观测量的实现。未来关于Rasch模型的研究方向包括多维度Rasch模型、测验的等值与链接、计算机自适应性考试，大型应用测量系统(比如Lexile系统)等等。 　　关键词　Raseh模型；潜在特质模型；客观测量 　　分类号　B841 　　 　　Rasch模型(Rasch，1960)是由丹麦数学家和统计学家Georg Rasch(1901～1980)提出的一个潜在特质模型。这一模型以自然科学领域内的客观测量为标杆，为社会科学领域内的测量建立起一套客观标准，以确保测量所提供的信息更为客观和可靠(BondFox，2007)。经过半个世纪的发展，Rasch模型已在心理科学领域得到了广泛应用(例如，MerrellTymms 2005；Mok，Cheong，Moore，Kennedy，2006；Waugh，2002，2003；Weave，2005)。在国内，虽然早在上世纪80年代就已经有了关于Rasch模型的介绍和研究，但很长一段时间内，这一领域并未赢得学术界足够的重视。笔者作过一个简单的统计，在“中国知网”(1915至2008年)和“中国期刊全文数据库”(1915至2009年)中以“Rasch”为主题进行搜索，总共只找到93篇非重复中文文献(搜索日期为2009年11月10日)。文献数量按年份分布如表1。 　　 　　在2000年之后，尤其是最近5年，Rasch模型得到了越来越多的重视，研究也日益增多，研究所涵盖的领域包括心理、教育、考试研究、统计、医学、康复等学科。但在已发表的文献中，系统性介绍Rasch模型特点以及其发展趋势的仍然很少。少数几篇综述文章多发表于上世纪90年代初(例如，Keats，陈富国，1990；罗冠中，1992)，并未反映出Rasch模型在近20年的发展。基于此，本文将从基本理论、数学表述、以及主要特点几个方面对Raseh模型的进行了讨论，探讨其如何帮助心理科学研究者实现客观测???，并介绍其最新的发展趋势。 　　 　　1　Rasch模型的基本理论 　　 　　作为一种潜在特质模型，Raseh模型通过个体在题目上的表现(通常表示为原始分数)来测量不可直接观察的、潜在的变量。根据Rasch模型原理，特定的个体对特定的题目作出特定反应的概率可以用个体能力与该题目难度的一个简单函数来表示。个体回答某一题目正确与否完全取决于个体能力和题目难度之间的比较。 　　 　　IRT模型或其他统计方法倾向于使用不同的参数来以适应数据的特点，而Rasch模型则要求所收集的数据必须符合模型的先验要求(Andrich，2004)。这正是Rasch模型所强调的“客观测量”的一个关键点。我们可以举一个例子来看一看用参数来适应数据这种方法的不足。有不少研究对体能测验结果进行了因子分析，试图确定体能这一潜在变量的结构(例如，Fleishman，1964；Marsh，1993；PonthieuxBarker，1963)。而无论是探索性因子分析，还是验证性因子分析，在试图建立客观测量时均有明显缺陷。Marsh(1993)指出，探索性因子分析使研究人员无法控制最终所得出的因子结构。研究人员无法测试任何先验因子结构，数据所产生的结果便是最终结果。至于验性因子分析，尽管它可以让研究人员测试其先验因子结构，并提供指标来判断先验因子结构与实证因子结构之间匹配的程度，但也未能达到客观标准。因为数据作为一个“现实”，而因子模型只是用来“解释”这些数据。当模型无法正确地解释数据时，就必须对模型进行修改，对参数进行修订，直到修订后的模型和参数可以很好地解释数据。因此，在上述以数据为本的研究中，要想取得一个稳定的体能因子结构几乎是不可能的，因为各研究中体能测试的样本不同，所使用的体能指标也不同。从这个意义上讲，如果没有建立起一个独立于数据的、客观的尺度，在不同情境所得到的测量结果就不可能进行有意义的比较。有鉴于此，Rasch模型设定了客观测量中数据必须满足的先验要求。如果数据不适合Rasch模型，首先应该做的是审视数据本身可能存在的问题，而不是改变模型自身参数设置来适应不同的(可能存在问题的)数据。在Rasch模型下，不同的研究结果(因子结构、测验量尺等等)可以适用到其他情境下，因此，在不同情境下进行的测量可以在一个稳定和一致的框架