Xcalibre 软件：项目反应理论（IRT）入门、模型与示例

什么是项目反应理论（IRT）？

IRT 是心理测量学领域中的一类模型，用于设计、分析、验证和计分评估测验。它是一套强大的心理测量范式，广泛应用于教育、心理学、人力资源等领域。IRT 解决了诸多关键测量问题，如跨年等值、自适应测验设计及垂直量尺构建等。

IRT 是模型驱动的，即假设一个特定的数学方程，然后基于原始数据拟合模型，类似于线性回归。模型将人和题目置于同一个潜在量尺（通常称为 θ，theta）上，该量尺代表所测量的特质（如智商、焦虑程度或特定知识）。IRT 曾被称为潜在特质理论和项目特征曲线理论。

Xcalibre 的作用：IRT 需要使用专门设计的软件。Xcalibre 提供了一个用户友好且可视化的平台，用于实施 IRT 分析。

为什么需要 IRT？

IRT 代表了心理测量学的重要创新。它不仅是分析测验数据的一种方式，更是驱动测验设计、构建、施测、计分和分析全周期的范式。IRT 的优势包括：

• 比经典测量理论（CTT）更准确地评估测验分数

• 为被试提供更精准的反馈

• 通过差异项目功能（DIF）等技术减少工具偏差

• 实现跨年等值，保持分数意义

• 支持垂直量尺构建（如跨年级课程衔接）

• 是实现自适应测验的必要条件

• 适用于多种测验格式（速度测验和难度测验均可）

IRT 需要较大的样本量和更深的领域知识（通常需博士级心理测量学家），因此不适用于小规模测验（如大学期末考），但全球几乎所有大型测验均采用 IRT。

CTT 的局限性驱动 IRT 的发展

CTT 已有约百年历史，因其简单直观，仍被广泛应用。但其局限性包括：

• 统计量依赖样本，无法迁移到不同样本

• 统计量绑定于特定测验形式

• 不适用于稀疏矩阵数据（如多形式、线性按需测验或自适应测验）

• 等值能力较弱

• 主要针对中等能力被试，对高、低能力被试测量不准

• 未考虑猜测因素

• 计分不依赖题目难度

• 不支持自适应测验

• 假设所有被试测量误差相同（实际中并非如此）

• 假设题目与被试关系为线性（实际不可能）

IRT 较好地解决了上述问题。

IRT 的参数

对于二分计分题（正确/错误），每个题目有三个参数：

• a（区分度参数）：衡量题目区分高、低能力被试的能力，通常范围 0~2，越高越好，但多数题目不超过 1.0。

• b（难度参数）：指示题目适用于哪一能力水平的被试，通常范围 -3~+3，0 代表平均能力水平。

• c（伪猜测参数）：即项目反应函数的下渐近线，通常取 1/k（k 为选项数）。

这些参数共同定义了项目反应函数（IRF），表示答题正确的概率随能力变化的曲线。例如，a≈1.0 表明区分度尚可，b≈0.0 表明难度适中，c≈0.20 类似五选一的选择题。

根据是否需要猜测，可选用三参数、双参数（a,b）或单参数（Rasch 模型，仅 b）。多分计分题（如里克特量表或部分计分题）则扩展模型以包含更多参数。

IRT 的实际应用示例

IRT 利用 IRF 实现多种用途，包括：

• 解读和改善题目性能

• 采用最大似然或贝叶斯方法计分

• 测验组卷（包括线性按需测验和预等值）

• 计算被试分数的准确性

• 开发计算机自适应测验（CAT）

• 后等值

• 差异项目功能检查（寻找偏差）

• 数据取证（发现作弊或其他问题）

此外，通过组合各题目的 IRF，可得到测验信息函数（TIF）和条件测量标准误（CSEM）。TIF 越高，表示该能力区间测量信息越多；CSEM 是 TIF 的倒数，可用于构建置信区间（如分数 ± 1.96×SEM）。

IRT 的假设

• 所测量的潜在特质是单维的（若为多维，可使用多维 IRT 或分别处理）

• 题目间局部独立性（作答一题不受其他题影响）

• 正确作答概率由被试能力水平和模型参数决定，允许随机误差

IRT 的主要优势

• 量表样本独立性（不同样本结果可在线性变换下转换到同一量尺）

• 统计量不绑定于特定测验形式

• 适用于稀疏矩阵

• 更强的等值能力

• 能更好测量高、低能力被试

• 支持垂直量尺

• 考虑猜测因素

• 计分基于题目难度

• 支持自适应测验

• 误差估计因人而异

• 支持更强的测验组卷

• 不假设线性关系

IRT 模型家族

IRT 包含多种模型，根据题目计分方式和维度划分：

单维模型

• 二分计分：Rasch 模型（1PL）、2PL、3PL、4PL

• 多分计分：Rasch 部分计分、Rasch 等级量表、广义部分计分、广义等级量表、分级响应模型

多维模型（每个题目涉及多个潜在因子）

• 补偿型（一种能力可补偿另一种）

• 非补偿型（各能力均需较高水平）

• 双因子模型

多维 IRT 虽已存在数十年，但在实际中应用较少。

如何使用 Xcalibre 进行 IRT 分析

首先是获取标准软件，商业软件如 Xcalibre，也可使用 R 或 Python 中的包。软件会通过迭代循环拟合模型，并评估模型拟合度。

Xcalibre 输出示例（二分计分题）：

• 题目编号、使用模型（如 3PL）、作答人数、正确率

• 经典区分度（点二列相关）和 IRT 区分度（a 参数）

• 难度（b 参数）、伪猜测（c 参数）

• 拟合统计量（卡方和 z-Resid），用于判断模型与数据匹配程度

Xcalibre 输出示例（多分计分题——广义部分计分模型）：

• 显示各分数等级（如 0、1、2、3 分）的概率曲线

• 边界位置（曲线交叉点）表示不同分数等级转化的能力阈值

• 帮助判断题目各分数等级是否合理区分不同能力被试