張軍

1 問題的提出

單維項目反應(yīng)理論在刻畫被試潛在能力與作答反應(yīng)間的關(guān)系時，根據(jù)理論模型是否含參數(shù)，劃分為兩類：參數(shù)型項目反應(yīng)理論（Parametric Item Response Theory，PIRT）和非參數(shù)型項目反應(yīng)理論（Nonparametric Item Response Theory，NIRT）。前者不僅要求數(shù)據(jù)滿足單維性、單調(diào)性、局部獨立性三個假設(shè)外，還要求數(shù)據(jù)擬合邏輯斯蒂函數(shù)或正態(tài)密度函數(shù)等，模型包含1個或多個參數(shù)，因此PIRT對數(shù)據(jù)的約束更多，對題目參數(shù)和被試能力參數(shù)的估計都需要較大樣本，方法更復(fù)雜；后者只要求數(shù)據(jù)滿足單維性、單調(diào)性、局部獨立性三個假設(shè)，并不假設(shè)數(shù)據(jù)擬合某種特定函數(shù)，模型不含參數(shù)。因此與PIRT相比，NIRT更靈活、更容易被理解和接受，更適于描寫人格測驗等小樣本數(shù)據(jù)[1][2][3]。

運用單維NIRT項目反應(yīng)理論估計被試潛在能力時，需要根據(jù)數(shù)據(jù)本身的特性，估計潛在能力與答對概率間的對應(yīng)關(guān)系，刻畫項目特征反應(yīng)曲線（ICC）。NIRT的ICC不具備某種特殊形態(tài)，如PIRT中ICC的“S”形等。Ramsay[4]提出用非參數(shù)高斯核平滑法平滑估計ICC，模擬研究表明這種方法估計時間快速，速度是LOGIST和BILOG兩款軟件的500～1000倍；而且能充分利用數(shù)據(jù)本身的特點，有效地估計被試能力并刻畫ICC[5]。目前，這種方法的介紹與運用在國內(nèi)尚屬少見，而且此方法在題目數(shù)（題量）、被試樣本數(shù)等不同測驗條件下的適用性尚未進行過具體考察。

2 非參數(shù)高斯核平滑估計法

假設(shè)有N個被試，J個題目，題目有M個選項。被試的潛在能力值為θa，a=1,…,N。yjma為被試a選擇題目j中選項m的指示變量，當被試a選擇題目j中的選項m時，yjma取值為1，反之為0。被試a選擇題目 j中選項m的概率是Pjm(θa)，在非參數(shù)高斯核平滑估計法中，通過平滑處理被試潛在能力θa與題目作答反應(yīng)的關(guān)系進行估計。在高斯核平滑估計前，應(yīng)進行如下步驟：

1.排序。被試按某統(tǒng)計量取值由小到大排序，統(tǒng)計量通常采用被試總分；

2.賦值。按標準正態(tài)分布規(guī)律，計算被試的百分位數(shù)，并將其百分位數(shù)作為被試潛在能力值θa的值，a=1,…,N。

3.整理。按θa取值大小給全體被試的作答反應(yīng)形式進行整理排序，如第a個被試的反應(yīng)形式為（xa1,xa2,…,xaj）。

對自變量θa與因變量Pjm(θa)進行平滑處理，就是根據(jù)二者之間的對應(yīng)關(guān)系，構(gòu)擬出一條平滑曲線。被試潛在能力值一般從-3到3，在這一區(qū)間取若干個值θq作為估計點，比如以0.1為步長，取-3，-2.9，-2.8，……，2.9，3這61個值為估計點。 θa可能與θq重合，也可能不同。通過公式（1）估計每個估計點θq的Pjm(θq)，構(gòu)擬出一條平滑曲線。

平滑估計的關(guān)鍵原則是局部平均（local averaging），Pjm(θq)是以 θq為中心，以h為寬度的某一范圍中所有θa所對應(yīng)的yjma的加權(quán)平均數(shù)。在理論上，θa越接近 θq，θa所對應(yīng)的 yjma與 Pjm(θq)關(guān)系越密切，權(quán)重waq越大，反之權(quán)重越小。計算權(quán)重時，使用高斯核函數(shù)K(u ) =e(-u2/2),其中 u=(θa-θq)/h 。因此，

設(shè)定寬度h時，不宜過寬或過窄，過寬導(dǎo)致范圍內(nèi)θq過多，直接影響精度；過窄導(dǎo)致范圍內(nèi)θq過少，以致誤差過大。一般設(shè)定h=1.1N-0.2。

3 實驗研究

為檢測非參數(shù)高斯核平滑法在不同題量、不同樣本數(shù)條件下，估計被試能力值的精確性設(shè)計本實驗。

3.1 目的

實驗希望解決三個問題：（1）非參數(shù)高斯核平滑法是否適用于估計小樣本被試的能力值；（2）題量和樣本數(shù)兩個因素對這種方法的估計精度是否存在顯著影響；（3）如果題量、樣本數(shù)對這種方法有顯著影響，那么兩者應(yīng)滿足何種條件才能保證或達到相應(yīng)的估計精度。

3.2 設(shè)計

由于真實的測驗數(shù)據(jù)難以嚴格滿足實驗控制要求，實驗使用軟件WinGen3[6]，采用蒙特卡羅方法模擬若干套擬合雙參數(shù)邏輯斯蒂克模型的二分（0/1）項目反應(yīng)數(shù)據(jù)，然后使用Testgraf98[7]，運用非參數(shù)高斯核平滑法估計被試能力值，估計程序中設(shè)定了61個估計點，h=1.1N-0.2。最后，實驗比較分析模擬被試的能力值與估計值之間的一致性與偏差。

本實驗為6×7設(shè)計，含題量和樣本數(shù)兩個因素，題量因素分6個水平，每個水平分別含20、50、100、150、200、250個題；樣本數(shù)分7個水平，每個水平分別含200、500、1000、2000、3000、4000、5000個被試。潛在能力一般服從正態(tài)分布，實驗?zāi)M了7個被試群體，均為單維能力，分布為Θ（均值=0，標準差=1）。在項目反應(yīng)理論中，難度參數(shù)與能力參數(shù)處于同一量綱中，所以實驗?zāi)M了6種題量的難度分度都是B（0,1），區(qū)分度處于0到2之間，服從均勻分布。實驗共模擬42套數(shù)據(jù)，具體見表1。

3.3 結(jié)果與分析

被試群體的模擬能力值是判定非參數(shù)高斯核平滑法估計精度的唯一標準。判定的指標有兩個：（1）模擬能力值與估計值兩組數(shù)據(jù)的皮爾遜相關(guān)系數(shù)，系數(shù)越大，兩者的一致性越強；（2）兩組數(shù)據(jù)之差的絕對值的平均數(shù)B平均，公式為B平均越大說明兩組數(shù)據(jù)間的總體偏差越大。42組數(shù)據(jù)的相關(guān)系數(shù)及B平均，分別見表2、表3。

表2、表3數(shù)據(jù)表明：在某種樣本數(shù)條件下，隨著題量的增加，模擬能力值與估計值的相關(guān)逐漸增大，如第2行從左至右，相關(guān)系數(shù)從0.86增至0.99；而且模擬能力值與估計值之間的偏差越來越小，如第2行從左至右，B平均從0.38縮減至0.12。因此，使用非參數(shù)高斯核平滑法估計被試能力值，題量越大，估計的精度越高。當試卷含50個題以上時，可保證能力估計值與模擬值一致程度在0.9以上，平均偏差在0.29以下。如果希望達到一個更良好的精度，如相關(guān)系數(shù)0.95以上，那么試卷至少應(yīng)含100個題。

表1 實驗設(shè)計表

表2 能力估計值與實際值的皮爾遜系數(shù)

表3 B平均值

另外，在某種題量條件下，樣本數(shù)的增加對模擬能力值與估計值的相關(guān)程度、B平均大小似乎無明顯改善趨勢，如表2和表3的第1列。為進一步考察樣本數(shù)和題量兩個因素對兩組數(shù)據(jù)間的B平均的影響，實驗以表3中的B平均值為因變量，以樣本數(shù)和題量兩個因素為自變量，分別做單因素方差分析，見表4、表5。

樣本數(shù)因素有7個水平，各水平間的F值為.055，P=.999，組間差異不顯著，被試樣本數(shù)的增加，并未顯著改善非參數(shù)高斯核平滑法對能力值得估計精度。換言之，被試樣本數(shù)對估計精度沒有影響。由此可知，非參數(shù)高斯平滑法不僅適用于估計大樣本被試，同樣也適用于小樣本被試。

題量因素有6個水平，6個水平間的F值為240.478，組間差異在.01水平下顯著，這說明題量的大小對估計精度有顯著影響。經(jīng)方差齊次性檢驗，Levene 統(tǒng)計量為3.905，P=.006＞.5，方差不齊，因此使用Tamhane法對題量不同水平間進行多重比較。表6中第1列中1～6依次代表20題、50題、100題、150題、200題和250題6個水平。

從表6可知，題量為100和150時（水平3和水平4），兩種條件下的模擬能力值與估計值的B平均無顯著差別，即估計精度無顯著改善；題量為200和250時（水平5和水平6）同理。除此之外，其他水平間偏差大小有顯著差異，對估計精度有顯著改善。

4 結(jié)論

（1）在某種樣本數(shù)條件下，隨著題量的增加，模擬能力值與估計值的相關(guān)系數(shù)逐漸加大，一致性越來越強；而且估計的偏差越來越小，精度越高。

（2）被試樣本數(shù)因素的7個水平的B平均的組間差異在統(tǒng)計上不顯著，樣本數(shù)的多寡對估計精度沒有影響，非參數(shù)和平滑法不僅適用于估計大樣本被試，同樣也適用于小樣本被試。

（3）題量因素的6個水平的B平均的組間差異在統(tǒng)計上顯著，題量的增加能較好改善非參數(shù)高斯核平滑法對被試潛在能力值的估計精度。

（4）當試卷含50個題以上時，可保證能力估計值與實際值一致程度在0.9以上，平均偏差在0.29以下。如果希望達到一個良好的精度，如相關(guān)系數(shù)0.95以上，那么試卷至少應(yīng)含100個題。

（5）題量為100題和150題、200題和250題時，這兩對水平間的估計總體偏差無顯著差異。因此，當試卷從100題增加至150題時，或者從200題增加到250題時，總體偏差并未縮小，對估計精度沒有顯著改善。在測驗實際中，如果只從估計精度考慮，沒有必要把題量從100題增加至150題，或從200題增加到250題。

表4 樣本數(shù)單因素方差分析

表5 題量單因素方差分析

表6 題量因素6個水平間多重比較

[1] Junker,B.W.&Sijtsma,K.，Nonparametric item response theory in action:An overview of the special issue[J].Applied Psychological Measurement，2001.

[2] Meijer,R.R.,&Sijtsma,K.，Methodology review:Evaluating person fit[J].Applied Psychological Measurement，2001.

[3] 張軍.非參數(shù)項目反應(yīng)理論在小規(guī)模測驗中的運用[J].考試研究，2014（1）.

[4] Ramsay,J.O.，Kernel smoothing approaches to nonparametric item characteristic curve estimation[J].Psychometrika，1991（56）：611-630.

[5] Ramsay,J.O.TestGraf:A Program for the Graphical Analysis of Multiple Choice Test and Questionnaire Data[EB/OL].http://www.psych.mcgill.ca/faculty/ramsay/TestGraf.html,2000.

[6] Han,K.T.&Hambleton,R.K.，“Windows Software that Generates IRT Model Parameters and Item Responses”WinGen3[EB/OL].http://www.umass.edu，2007.

[7] J.O.Ramsay，TestGraf[M].McGill University，2000.