随着现代科学信息技术的发展,教育和心理评估的测试逐渐由传统的纸笔考试（paper-and-pencil tests）转变为基于计算机平台的测验（computer-based assessments）。随着计算机化测验的广泛应用,记录并呈现学生在题目上的反应过程的信息变得十分容易。学生在题目上表现的作答信息即反应过程数据,被记录到计算机后台的日志文件中。反应过程数据包括反应时间数据,行为过程数据,以及有序数据等。反应过程数据的记录为心理测量学家和统计研究人员更深入的探究学生的反应行为以及更精准的估计被试的能力提供了重要的保证。反应过程数据的应用包括以下几个方面:探测被试的考试行为（例如,快速猜测行为和考试欺骗行为）,甄别测验的执行问题（例如,识别题目上的实际所用的反应时间比预期的反应时间更长的被试组）,识别测验的加速及疲劳现象,研究不同国家的考试时间分配的差异,检验题目位置的设置的影响,探究不同年龄段的被试在处理信息的速度上的差异、并对影响因素进行分析等;其中有序信息可以提供被试在测验上的进展情况,例如题目被重新访问的次数,被试点击鼠标的次数或拖拽鼠标的次数和时间,以及被试作答题目的轨迹等。同时利用作答的有序信息和反应时间可以帮助测验分析人员识别出有问题的题目,单元,被试群组等。由于反应时间本质上刻画的是被试对信息加工处理的过程,本文主要针对反应时间过程数据进行探究,将反应时间过程数据作为辅助信息加入到项目反应理论的研究中,致力于解决测验中出现的若干个实际应用问题。本文针对考生的异常考试行为,提出了一个带有高阶能力结构的反应和反应时间的混合模型用于探测快速猜测行为,加入多个子测验的辅助信息,同时考虑了多维能力间的相关性,从而更有效地探测快速猜测行为。使用马尔科夫链蒙特卡罗方法对构建的模型进行参数估计。模拟研究证实相比于传统的单维混合模型,新模型的参数估计有更小的绝对偏差和均方误差,并且新模型可以保证有更高的正确探测率和更低的错误探测率。此外,偏差信息准则和伪边际似然的对数准则用于评估模型的拟合情况。最后,一个实际数据的分析表明我们提出模型的实际应用价值。大规模的测验数据中普遍存在反应的缺失数据。本文首次利用反应时间数据同时解释测验中经常出现的两类缺失数据,即未达到的缺失反应和中间跳过的缺失反应。针对由于测验的时间限制而产生的未达到的缺失反应,我们发现常规的反应时间模型可以用于解释这类缺失数据。针对测验的中间跳过的缺失反应,我们提出了一个反应时间过程模型,该模型可以提供关于被试的潜在行为过程的解释。我们采用马尔科夫链蒙特卡洛方法对构建的新模型进行参数估计。利用贝叶斯信息准则对实际数据进行拟合,实际数据的分析验证了反应时间过程模型的应用价值。模拟研究进一步探究了当数据中同时存在两类缺失数据时,我们提出的反应时间过程模型的使用优势。反应时间过程数据是考试数据的重要组成部分,该数据的记录为测验分析人员研究考生的解题过程提供了重要的辅助信息。本文基于反应时间过程数据,针对实际数据中出现的若干个测验问题,分别建立了相应的统计模型,模型能够对考生的行为过程做出合理的解释和推断,从而提高被试能力估计的准确性和精度,为后续的决策提供重要的参考依据和保障。