多维项目反应理论与分类因素分析比较.pdf

心理学报 2011, Vol. 43, No.12, 1−13 Acta Psychologica Sinica DOI: 10.3724/SP.J.1041.2011.00001 SEM MIRT * 玥 (北京师范大学心理学院, 应用实验心理北京市重点实验室, 北京 100875) 作者简要回顾了 SEM 框架下分类数据因素分析(CCFA)模型和 MIRT 框架下测验题目和潜在能力的 关系模型 , 对两种框架下的主要参数估计方法进行了总结。通过模拟研究 , 比较了 SEM 框架下 WLSc 和 WLSMV 估计方法与 MIRT 框架下 MLR 和 MCMC 估计方法的差异。研究结果表明：(1) WLSc 得到参数估 计的偏差最大 , 且存在参数收敛的问题 ; (2)随着样本量增大, 各种项目参数估计的精度均提高, WLSMV 方 法与 MLR 方法得到的参数估计精度差异很小 , 大多数情况下不比 MCMC 方法差 ; (3)除 WLSc 方法外 , 随 着每个维度测验题目的增多参数估计的精度逐渐增高 ; (4)测验维度对区分度参数和难度参数的影响较大 , 而测验维度对项目因素载荷和阈值的影响相对较小 ; (5)项目参数的估计精度受项目测量维度数的影响 , 只测量一个维度的项目参数估计精度较高。另外文章还将两种方法在实际应用中应该注意的问题提供了 一些建议。 多维项目反应理论; 验证性因素分析; 参数估计 ; 分类数据 B841 存在线性关系。 1 引言 因素分析方法是心理学中常用来分析测验工 在心理学和教育学的研究中, 测查所采用的问 具结构和质量的方法, 然而大多数的研究却往往忽 卷或量表往往具有多维度的结构, 且测查项目反应 略了数据本身的特点(Gierl Mulvenon, 1995) 。如 的数据本质上也常常不具备连续性和等距性的特 果忽略分析的前提条件, 在结构方程模型(Structural 点(如心理测验中的同意与反对、是与否, 教育测验 Equation Model, SEM) 的框架下采用传统的极大似 中的正确与错误) 。项目反应理论(Item Response 然(Maximum Likelihood, ML)估计方法对数据进行 Theory, IRT)和因素分析(Factor Analysis, FA)是常 分析, 这样得到的参数估计及其对应的标准误就可 用的分析项目特征的方法, 然而经典的项目反应理 能出现偏差(Bollen, 1989), 而不能正确解释观测变 论往往假设测验具有单维结构 , 当测验含有多个维 量与潜变量之间的关系(Distefano, 2002) 。大量的研 度时, 则需要用到较为复杂的估计方法。当测验项 究结果表明, 如果测量指标变量的分类数目为五类 , 目不连续或不等距时, 测验题目测查结果的数据类 且服从正态分布 , 可以直接作为连续变量来处理 , 别往往不满足一些统计模型对数据测量水平和分 得到模型参数估计的结果是比较稳定的(Muthén 布特征的要求, 如传统的因素分析的方法要求数据 Kaplan, 1992) 。然而当测量指标变量分类数目较少 (1)观测变量之间的协方差可以表示为少数潜 满足： 时, 得到的参数估计和拟合指数等则会存在较大偏 在