多分格相关系数的估计与应用

对于社会科学研究中广泛存在的有序分类数据,多分格相关系数是一种更具针对性的变量间线性依存关系的估计方法。文章回顾了多分格相关系数一百多年来的发展过程,简要介绍了其模型假设和三种估值方法,并举例说明了近十年来其与结构方程模型结合后的典型应用。

基于顺序数据的测验信度和效度分析方法

目的介绍基于顺序数据的信度和效度分析方法，并采用该方法对SCL-90量表进行检验。方法利用仿真实验展示了顺序数据方法的优势，同时选取SCL-90在大学生中施测的样本（n=3013），分别使用传统信、效度分析方法和基于顺序数据的方法进行统计。结果基于顺序数据方法在内部一致性系数Ot、组合信度系数、因子解释率和验证性因素分析拟合指标上所获结果都好于传统方法的结果。结论对于SCL-90这样数据呈偏态分布的量表，检验其信、效度时可以考虑选用基于顺序数据的方法。

教学评价中“宽容偏向”导致的误差及校正

多分格相关系数及以其为基础的统计能够较好地校正教学评价中的评价者宽容偏向所产生的统计误差。在分析教学评价这样的有序分类数据时,多分格相关被认为比传统皮尔逊相关给出的估计值更为可靠和准确。研究对真实数据的分析也表明,两种方法在分析具有宽容偏向的教学评价数据时,皮尔逊相关的估计值低于多分格相关关系而且验证性因素分析的模型拟合指标证实,基于多分格相关系数的统计方法更适合于这种呈偏态分布的数据。

基于SEM技术进行教育测验质量分析的一种方法

当教育测验获得的题项分数为顺序数据时,题项间的关联程度应该用多分格相关系数加以刻画.基于结构方程模型(SEM)中的CFA技术,结合实例讨论了鉴别试卷题项质量的方法,进而探讨了反映学生知识结构的路径分析技术(PV-OV).综合运用相关系数分析、特质载荷分析、特质间关联强度的路径分析等统计技术,为改善试卷质量分析工作的科学化水平提供技术支持,也为后续的教学改进提供有参考价值的信息.