抗作假人格迫选测验中瑟斯顿IRT模型的影响因素

使用蒙特卡洛(Monte Carlo)模拟研究的方法,探讨应用瑟斯顿IRT模型对抗作假迫选测验计分时需满足的编制条件,考察了测验所测特质个数(2或5个)、每维度包含陈述数量(10或20个)、单维配对题目比例(0或20%)和正负向陈述间配对题目比例(0、20%或40%)对模型估计的影响.结果如下:1)特质个数对模型估计有显著影响,测验所测特质个数越多,模型估计越准确;2)陈述数量影响模型估计,测验包含陈述数量越多,模型估计越精确,且当特质个数较少时,陈述数量的影响更大;3)测验中单维配对题目的比例基本不影响瑟斯顿IRT模型的估计精度;4)测验中加入一定比例(约20%)的正负向陈述间配对题目可提高模型的估计精度,且特质个数较少时,该因素的影响更大.最后,在研究结果的基础上给出了开发抗作假人格迫选测验的建议.

成对比较数据和排序数据的处理:模型分析的方法

对近年来研究者所提出的瑟斯顿模型和BTL模型两大类模型进行综述,总结了目前研究者提出的2种数据分析和处理方法视角:多层线性模型(HLM)和结构方程模型(SEM).基于模型的方法不仅充分利用了成对比较和排序数据的信息,而且模型更具拓展性,如为考察协变量、潜类别等的影响提供可能,也为迫选测验等的开发提供指导意义.本文不涉及复杂的统计知识,运用心理学研究中被熟知的模型对处理成对比较数据和排序数据的模型及其模型估计进行说明,并通过Mplus软件示例,以期模型分析的方法在对成对比较数据和排序数据的处理上得到广泛的应用.

迫选式人格测验的传统计分与IRT计分模型

迫选测验的传统计分方式会产生自模式数据,不能进行传统的信效度检验、因素分析和方差分析等。近年来研究者提出了一些基于项目反应理论的计分模型,如瑟斯顿IRT模型和MUPP模型等,它们可以规避自模式数据的弊端。瑟斯顿IRT模型方便进行参数估计,模型定义灵活;而MUPP模型的拓展性较差,参数估计的方法有待提高。另一方面,已有研究者基于MUPP模型开发了一些抗作假的迫选测验,而瑟斯顿IRT模型距离这种应用还比较远。此外,两个模型的适用性和有效性都有待更多的实证研究来检验。

德育评价的新思路——基于具身德育的迫选式量表

在具身德育理论逐渐应用于德育工作的当下,根据普通德育理论编制的量表已渐渐不能满足实际德育工作的要求。为了解决德育测评中遇到的理论落后实际、被试作答含有社会称许性导致结果不够准确、经典测量理论固有的统计性能缺陷等问题,本研究从Likert式初中生具身德育量表的编制入手,自编了迫选式初中生具身德育量表,并在无压力与压力两种情境下施测。结果发现,迫选量表拥有良好的信效度,其实测数据能够很好地拟合Thurstone IRT模型,解决了自模式数据的问题。在与Likert式量表的估计结果比较可以看出,迫选量表通过Thurstone IRT模型拟合后估计出的被试特质能够很好地消除社会称许性。