潜在类别模型在试题分析中的应用.doc

潜在类别模型在试题分析中的应用

——二级计分题目的区分度和信度分析

焦璨1,2张洁婷2高艳红2张敏强2

(1深圳深圳大学心理学系，深圳518000)

〔2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、指标来分析试题的区分度和信度，该方法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缺乏。本研究在简要介绍潜在类别分析的根本原理、分析思路的根底上，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比照，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，可得到如下结论：〔1)条件概率之差、指标和指标对题目的区分度评价结果与传统的区分度根本一致，指标与传统的系数所得出的信度评价结果那么有所不同。〔2〕基于潜在类别模型的试题分析方法可较为全面地评价和鉴别每道题目和题目整体的优劣，并且能考虑样本的子分布，而其判断标准还有待研究。

关键词：潜在类别模型，二级计分，题目，指标，区分度，信度

1前言

在平常的教育研究考试中，我们通常使用难度、区分度和信度系数来鉴别试卷的质量，并根据相应的结果来删减题目，提高问卷的可靠性和有效性。然而，假设在多峰分布下传统难度、区分度指标往往难以客观评价难度和区分度；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那么克服了传统分析方法中的缺乏，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〔LatentClassAnalysis〕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〔LazarsfeldHenry，1986〕。在20世纪70年代，Goodman开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，它可以测量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根本原理、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，比拟这些方法与传统方法的实用性。

2潜在类别模型的根本原理

2.1潜在类别分析假设与模型

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，其对应的参数分别是潜在类别概率〔latentclassprobabilities〕与条件概率(conditionalprobilities)。一般使用极大似然法来估计潜在类别模型的这些参数。

潜在类别模型基于两个假设。其一是局部独立性假设，即外显变量之间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响选项的数目，让表示某一个的反响组合。潜在变量中有个潜在类别，代表反响组合的反响概率。潜在类别模型写作：

〔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，在题目的反响为的条件概率。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，