着原始分数所代表的心理特质水平也具有等距的意义。因为等距的量度意味着分数每增加一个单位，所代表的特质水平也相应地有一个同等大小的增量。然而事实并非如此。“非常不同意”与“不同意”之间的距离，未必等于“不同意”与“同意”之间的距离。

    数据的线性是任何统计方法——比如因子分析——的一个基本假设(Wright&Masters，1982)。然而，很多数据，就象学业考试的原始分数，实质上并不符合线性数据的要求。因此，严格来讲，大部分统计方法并不适用于这种非线性(或非等距)数据。只有将这种数据转换为线性的、等距的数据，才可应用统计方法(Wright，1997)。Rasch模型可以将非线性数据转换成为具有等距意义(对于所测量特质而言)的“logit scale”数据，从而使客观的测量成为可能(Linacre，2006)。有些学者(例如，Fischer，1995)甚至认为Rasch模型是唯一可行的将次序数据转换为线性数据的方法。

    4.3参数分离

    由于个体所得到的原始分数依赖于所施测的题目，而对分数的解读又依赖于特定施测样本，因此传统测量方法很难用来比较或预测个体在不同测验之间的表现。这是传统测量理论的一个重大缺陷。假设有两份测量同一心理特质的心理测验问卷A和B ......