由于选拔性考试受到社会的广泛关注,对试题难度的调控的研究有着非常重要的意义。本文以数学试题为例,对某省市某重要选拔性测验数据采用项目反应理论估计试题的难度参数。考虑到不同测验由不同被测者组成,导致不同测验估计的题目难度不具可比性,本文通过等值实验设计,将所有测验合并建立题库矩阵,把所有不同测验形式上的分数都转换到同一个分数量表上,达到统一评价的目的。本文采用人工编码,从试题中分离出18个题目属性。从基础-发展、题型、知识、能力四个维度出发,经t检验筛选得到对试题难度有显著影响的题目属性9个,分别是基础-发展、题型、算法、数列、运算求解、数据处理、抽象概括、分析与解决问题、推理论证与创新能力。基于提取的题目属性、33个文本词向量、66个文本词向量及题目属性与文本词向量结合为自变量提出多元线性回归模型,为降低过拟合风险进一步提出支持向量回归模型,通过惩罚函数来降低模型复杂度已达到解决过拟合的问题。实证发现,基于题目属性与33个文本词向量的支持向量机模型较优。其在测试集上有更小的均方误差,且模型拟合良好。另外,由于难度本身就是一个模糊的概念,因此将试题难度由易到难划分为4个等级,分别对题目及答案文本和题目属性采用支持向量机对其难度等级进行分类。结果表明,两种预测模型中,基于题目属性的支持向量机模型预测的准确率较高,为75%。也证实了用支持向量机预测试题难度等级的可行性。