随着信息技术的飞速发展,计算机化测试在大型测验中越来越受欢迎。在测试过程中收集的所有辅助数据中,被试的作答反应时(RT)可能是最重要和最常用的信息源之一。在测验中利用反应时信息将有助于分离速度和能力(或特质)、更好地设计测验、辨别测验中的异常行为、提高被试与项目的参数估计精度、提高计算机自适应测验(CAT)项目选择的效率、以及比较个体的作答策略。因此,如何利用反应时数据信息为被试提供更加精确的测量结果成为了研究者们日渐关注的研究课题。然而,想要在测验中充分利用反应时信息,首要问题就是建立合适的反应时测量模型。在项目反应理论(IRT)领域,反应时相关的模型研究已有较长的发展历史。包括:参考针对作答精度(RA)构建的传统项目反应模型的参数设置,对反应时进行单独建模;将项目反应参数加入到反应时模型中,以获得更精确的被试反应时参数的估计;为了获得更精确的被试参数的估计,将反应时参数构建在传统的项目反应模型中等,诸多研究成果不胜枚举。然而,这些模型的开发与应用更多集中在单维测验,对于考虑反应时的多维测量具有诸多限制,而能够应用于多维测验的传统多维项目反应模型(如,M3PL等)又忽略了反应时信息,无法同时处理被试的作答数据和反应时数据。因此,开发一个适用于多维测验且能够同时分析被试作答反应数据和反应时信息的多维项目反应模型具有十分重要的意义。鉴此,本研究的目的是开发一个包含个体作答反应时的多维项目反应模型。采用基于汉密尔顿蒙特卡罗(Hamiltonian Monte Carlo,HMC)抽样算法的贝叶斯马尔科夫链蒙特卡罗(Bayesian Markov Chain Monte Carlo,MCMC)方法对模型进行参数估计。分别利用基于真实数据的研究和两类基于模拟数据的研究,对本文提出模型的适用性和参数估计的稳健性进行了验证与评估。研究结果表明:(1)加入反应时信息的M4PL-RT在理论上更加符合真实的多维测量情境。(2)在真实数据研究中新开发的模型相比较其他几个传统的IRT模型显示出了更好的拟合表现。(3)相比较传统多维项目反应模型M3PL,加入反应时信息的M4PL-RT模型能够为被试提供更多的测量信息量,也就是说能够为被试提供更高的测量精度。(4)在基于真实数据的模拟研究中,M4PL-RT模型的被试参数与项目参数均显示出了良好的参数估计返真性。(5)在采用2×2×3完全随机实验设计的纯模拟数据研究中,M4PL-RT在12个条件下均表现出了理想的参数估计返真性。本研究提出的结合反应时的多维项目反应模型对估计个体的潜在参数具有重要的理论和实践意义。此外,本文也进一步讨论了提出模型的几个潜在的应用方向以及最后介绍了未来进一步改良与完善的研究展望。