论文部分内容阅读
本文通过使用BMIRT软件，设置不同的实验条件：被试样本量（1000和3000）×题目量（25和50）×能力相关（0.3和0.7），模拟生成多维三参数补偿数据和非补偿数据，并用多维三参数补偿模型和非补偿模型进行参数估计。通过比较项目参数和能力参数的RMSE值，实现各种实验条件下的多维补偿模型与非补偿模型的参数返真性比较。结果发现，无论是估计多维补偿数据还是非补偿数据，三参数多维补偿模型的参数返真性都比三参数多维非补偿模型的参数返真性更好。尤其当估计多维补偿数据时，三参数多维补偿模型估计的能力参数RMSE值几乎是三参数多维非补偿模型的一半，显著优于三参数非补偿模型估计的能力参数返真性。本研究还将多维项目反应理论补偿模型与非补偿模型应用于瑞文高级推理测验中，发现多维补偿模型比多维非补偿模型拟合的更好。本研究使用多维项目反应理论补偿模型对高级瑞文推理测验进行深入分析，探究瑞文高级推理测验的各题目质量、难度及主要测量的认知成分，结果发现瑞文高级推理测验的整体区分度较好，并且项目难度几乎随着题序增大而增大。在五个能力维度上，瑞文高级推理测验试题的认知成分难度按A/S、CR、PP、D3和D2依次递增。最后，在多维补偿模型与非补偿模型对瑞文高级推理测验的被试能力参数估计的基础上，对被试在解决瑞文高级推理测验项目时能力间的相互作用进行了探索性分析，结果发现被试在解决瑞文高级推理测验项目时，CR、PP以及D3能力之间存在相互补偿关系，A/S与D2能力之间也存在相互补偿关系。最后，本文指出了该研究的不足，并对未来的研究提出展望。