论文部分内容阅读
随着人格测验在人才测评中的应用日趋广泛,学界对其效度越来越关注。然而,在人才测评中使用单刺激形式量表来筛选应聘者效果较差。这是由于选拔情景下应聘者的作伪动机较高,同时单刺激形式量表控制作伪的能力非常低。因此应聘者能容易地识别出“正确”答案。研究表明迫选量表控制人格测验中的作伪行为有很好的效果。然而,目前有关迫选量表的研究大多基于CTT。以CTT为基础编制的迫选量表获得的被试得分是自比分数。由于分数的自比特性,使得分数不能在被试间进行比较,同时在分数解释上也存在困难。本研究以Andrrich与Strak等提出和发展的配对偏好概率反应模型为基础,采用2PLM来处理拟合累积模型单维数据;并通过结合2PLM和配对偏好模型,本文提出一种能处理累积模型的迫选量表数据——2PLM-MU。模拟研究显示采用2PLM-MU估计被试潜在特质有较高的精度;其中测验长度对参数估计的精度影响显著,测验长度越长估计精确性越高;单维题比例对参数估计精确性有有一定的影响,但是影响的方向还需要进一步研究。