《IRT项目反应理论》由会员分享,可在线阅读,更多相关《IRT项目反应理论(23页珍藏版)》请在金锄头文库上搜索。
1、IRTIRT项目反应理论项目反应理论用IRT分析人格和态度量表评估维度用IRT进行量表分析态度测量中的IRTAdd Your Text in hereCompany L/O/G/O目录目录引言引言v在成就和才能测验中,IRT程序已经能很好的运用了。但是将IRT模型应用于typical performance(例如,人格、态度) 是很困难的。v在人格和态度测量中使用了IRT模型的已有文献首先,探索各种IRT模型在人格和态度测量中的适用性和效用的文献. 第二,用IRT程序来处理有实质意义的心理测量问题的文献。Image information in product Title Image : N
2、ote to customers: This image has been licensed to be used within this PowerPoint template only. You may not extract the image for any other use. 量表的心理测量属性量表的心理测量属性 量表分数的解释量表分数的解释一些研究者已经开始着手应用IRT模型去研究某些特定人格量表以及有限的态度量表的心理测量属性。这一类研究的主要目的是证实IRT模型在有代表性的表现的数据中的适用性。一般是应用在已有的成熟的量表。 量表分数是否精确和可靠量表分数是否精确和可靠特定心
3、理结构特定心理结构维度、难度的跨度维度、难度的跨度用用IRT分析人格和态度量表分析人格和态度量表 ContentsContents人格和态度测量人格和态度测量 最流行的工具是探索最流行的工具是探索性和验证性因素分析性和验证性因素分析人格和态度量表项目是人格和态度量表项目是二分的和多点计分二分的和多点计分dichotomousdichotomous、polytomouspolytomous因素分析假设连续等因素分析假设连续等级级continuous rating /continuous rating /正态性正态性评估维度评估维度v在分析量表的维度中,尤其是那些是二分项目反应的量表中,人格研究者
4、应该用非线性因素分析还是用一些特别设计用来分析二分或多项项目的相关技术? v一、非线性因素分析Waller etal.(1996) 描述了非线性因素分析在人格测量中的角色和效用。 阐释了在量表结构中用标准线性因素分类为何会导致可能的误导和低估最佳结果。Image information in product Title Image : Note to customers: This image has been licensed to be used within this PowerPoint template only. You may not extract the image for
5、 any other use. v二、多维IRT模型来评定维度 TESTFACTTESTFACT中的全信息项目因素分析中的全信息项目因素分析 全信息(full-information)是基于这样一个事实,即这一因素分析技术是以整个项目反应矩阵的的所有信息为基础的,而不是仅仅来自协方差或者相关矩阵的信息。 全信息项目分析有一个优势,就是可以运用到大量的二分计分的项目中。此外TESTFACT算法式能处理含有猜测效应和缺失值的项目。 基本上,使用TESTFACT程序进行全信息项目分析基本可以认为是,是二或者三参数正态卵形IRT模型与应试者反应向量拟合。相应的,TESTFACT输出结果不仅包含在一个或
6、者多个潜在特质维度上的因素负荷的估计,而且还包括了IRT项目区分度和难度参数的估计。 2. TAS Toronto Alexithymia Scale 使用使用TESTFACT程序使多维程序使多维IRT模型来探索模型来探索TAS量表量表的维度。处理的维度。处理TAS是二分反应这一问题,这些研究的是二分反应这一问题,这些研究的目标是用目标是用IRT模型调查,将整体的模型调查,将整体的TAS分数作为情绪分数作为情绪失认症严重程度的指标是否可行。失认症严重程度的指标是否可行。 1. MMPI 详尽的关于在该量表中如何应用详尽的关于在该量表中如何应用IRT的说明,可以在的说明,可以在Steinberg
7、和和Thissen(1995)的著作中找到。)的著作中找到。 全信息项目因素分析应用全信息项目因素分析应用用用IRT进行量表分析进行量表分析v在评定维度之外,IRT技术提供了一种新的方法评定人格或者态度量表的心理测量属性,这些心理测量属性对于量表结构和解释应试者分数是有意义的。 Image information in product Title Image : Note to customers: This image has been licensed to be used within this PowerPoint template only. You may not extract
8、 the image for any other use. -经常被用来衡量项目作为某特质指示器是否合格的指标。人格研究者经常想项目-测验相关系数尽可能的高,但是这不仅会导致测量广度的缺乏,也会违背局部独立性 -通常人格研究者试图编写二分计分的测验项目,这种项目在特定人群中通过的比率是0.5。这增加了测验分数差异,并导致更高的内部一致性系数。 Item-test correlation coefficientItem meanCTT traditional index two statistics在传统的量表分析中,两个项目统计量扮演了核心的角色。在传统的量表分析中,两个项目统计量扮演了核心的
9、角色。 项目难度和项目区分度,都不是依赖于样本的 。IRT会提供更少的含糊不清的解释。 优势优势一一优势优势二二优势优势三三优势优势四四IRT项目参数和项目特征曲线的主要优势在于他们可以转变为项目信息曲线。IRT拥有实行基于IRT项目参数的先进分析技术的能力。 IRT项目参数使定义项目偏差、计算机自适应测验以及个人拟合评定更加便利。 v在IRT也能提供与CTT相类似的项目指数。vIRT项目参数相较于传统项目统计量具有明显优势。v传统说来,人格与态度量表的准确度是依据他们的内部一致性系数和所有被试有相同的标准误来做出判断的。v在IRT的框架下,人格测验项目依据他们提供的信息和应试者在不同的特质水
10、平下游不同的标准误来做出判断。 Image information in product Title Image : Note to customers: This image has been licensed to be used within this PowerPoint template only. You may not extract the image for any other use. v考虑项目信息的两个重要结果是对测验制作者和测验解释有帮助。首先项目信息曲线是测量同种潜在变量的项目的累加。因此一个研究者可以通过加总项目信息曲线来估计一个测验或一个子测验包含多少信息。其
11、次,项目信息函数第二个有用的特征是:它与应试者测量误差的负相关。在一个特定特质水平,一个测验能提供越多的信息,应试者的标准误就越小。 Image information in product Title Image : Note to customers: This image has been licensed to be used within this PowerPoint template only. You may not extract the image for any other use. v最终,IRT模型与CTT量表分析的差异在于,量表分数解释基于不同的哲学观点:在传统方
12、法下,原始量表分数用与标准的关系来解释。这些标准源于一些特定的人群。比如,男性/女性或者临床/非临床。 由于应试者特质参数和项目难度参数在同一量表中,IRT模型方便了一个关于应试者潜在特质的更强调以项目内容为基础的解释。 Image information in product Title Image : Note to customers: This image has been licensed to be used within this PowerPoint template only. You may not extract the image for any other use.
13、 Steinberg和Thissen描绘了基于IRT模型的题组是如何被用作测量与精神病理学相关的结构。 在人格背景下,违背局部独立性假设发生在当项目间的相似性极高时。当局部独立性受干扰时,项目间的相关不能够用潜在特质来解释,而必须也包括共享的特定的方差。这会引起虚假的高信度和虚假的多因素解答。最重要的是,局部独立性的破坏会系统的曲解测量预期结构。基于IRT分析编制题组是一种克服这些问题的方法。 Description of the contentsDescription of the contentsv一些研究者探索IRT在人格量表中的应用。 v通过IRT发展起来的人格测量工具很少。v事实上,
14、IRT的大部分应用都是针对已有工具的。Reise和Waller应用二参数模型于多维人格问卷的11个分测验。他们发现11个MPQ量表呈现出相对好的与IRT的吻合,这说明了IRT可被有效地应用于描述两点计分的人格项目反应。这并不使人意外,因为MPQ量表是用因素分析的方法编制的,这导致量表高度单维性。尽管如此,Steinberg和Thissen的例子证明IRT模型在没有使用因素分析技术的人格测量上同样有用。 其他IRT量表分析的例子有贝克抑郁量表、TRIER人格问卷等等。Image information in product Title Image : Note to customers: Th
15、is image has been licensed to be used within this PowerPoint template only. You may not extract the image for any other use. 首先首先第二第二第三第三自尊是一个很普通的测量结构,大部分自尊是一个很普通的测量结构,大部分现有的测量工具多是多维的。这可能说现有的测量工具多是多维的。这可能说明了明了IRT模型不是很适合数据。模型不是很适合数据。 大部分自尊量表的项目内容是以重复为大部分自尊量表的项目内容是以重复为特点的,可能是为了抬高特点的,可能是为了抬高 系数。系数。IRT分
16、分析可能将会显示所有项目有相同的项目析可能将会显示所有项目有相同的项目信息曲线。信息曲线。 RSE量表包含了一个量表包含了一个5点计分利克特等级设点计分利克特等级设计。在作答计。在作答RSE某些题目时,人们不能区分某些题目时,人们不能区分“有点像我有点像我”和和“略微像我。略微像我。” a little true of me/somewhat true of meRealityIdentityCreativityGray-LittleGray-Little等应用等级反应模型等应用等级反应模型探讨探讨RosenbergRosenberg自尊量表的心理测量属性自尊量表的心理测量属性 vGray-L
17、ittle的研究发现单维IRT等级反应模型与RSE量表的反应拟合很好。 项目参数估计时,10个项目中7个有几乎确定的项目反应曲线,这意味着他们提供了相似的心理测量信息。大致说来,虽然RSE量表提供了整个特质范围的一些心理测量信息,他们中大部分集中于特质连续体的低端。量表在将低分者从高分应试者中区分出来时表现很好的,但是在区分高的结构的应试者上没有提供高信度。这一发现与Flannery等人的研究结论一致,当他们在研究用IRT分析自我接受量表时出现类似的结果。 Image information in product Title Image : Note to customers: This i
18、mage has been licensed to be used within this PowerPoint template only. You may not extract the image for any other use. vGray-Little也发现i1参数(最低反应类别的阈限参数)很难估计,因此说明很少应试者选择这一极端。 在检查10个项目中的7个的ICC图时 :tu特质水平任何超过平均数的应试者最可能选择最高反应类别5 特质水平在-1到0个标准差内的应试者最有可能选择反应类别4 只有特质水平极低者选择类别1、2、3。 项目1:我感到我是一个有价值的人,至少和其他人一样 tu项目5:总体说来,我对自己算满意 这些曲线说明任何对/错反应设计以外的东西都是没有必要的,因为在自尊上得分低的人就是那些没在最高等级上反应的人。 就是说出了最高等级,其余的都是低自尊的。态度测量中的态度测量中的态度测量中的态度测量中的IRTIRTIRT模型在态度测量领域的应用时非常少的。然而,研究者用已存在的态度测量来示范如何估计新提出的IRT模型的参数以及这些参数是如何解释的。比如,Robers和Laughlin示范了一个等级伸展模型(graded unfolding model)是如何使反应与对死刑态度的测量相拟合。 LOGOThank You!Thank You!结束结束