采用不同估计方法的双参数测验段模型的题目参数恢复

测验段模型是一种广受研究人员与从业者欢迎的统计方法，用于应对局部题目依赖（LID）——即项目反应理论（IRT）中局部独立性假设的违背，其可导致多种有害的心理测量后果。与其他心理测量模型相同，测验段模型的效用高度依赖于对其模型参数的准确估计。双参数 logistic（2PL）测验段模型在心理测量文献中仅被以单一全信息估计方法（即马尔可夫链蒙特卡洛（MCMC）方法）系统地考察过其模型参数恢复情况，尽管还存在如边际最大似然估计（MMLE）与有限信息估计方法等其他估计方法。在本研究中，我们开展了一项综合模拟研究，以考察由 Mplus 实现的 MCMC、MMLE 以及一种有限信息估计方法（WLSMV）对 2PL 测验段模型的题目参数与测验段方差参数的恢复情况。所操控的因素为样本量与测验段效应大小，并采用偏差、标准误与均方根误差评估参数恢复。我们发现三种方法在参数恢复上无统计显著差异。当样本量与测验段方差均较小时，WLSMV 与 MCMC 均出现收敛问题，而 MCMC 无论样本量与测验段方差如何均未出现该问题。我们使用来自高利害测验的真实数据集演示了以三种估计方法对 2PL 测验段模型的估计。关键词：IRT，测验段模型，估计，全信息，有限信息。