展开模型对EPQ反应数据的拟合调查(2)
两项目对和三项目组的x2/df指数来考察项目的捌合情况。Drasgow等人认为这个统计量对比较几个竞争的IRT模型是非常有用的，最佳拟合的模型对单个项目和两项目对以及三项目组都有较小(低于3)的校正的x2/df。如果校正的)x2/df>3则表明项目/选项反应函数的参数形式被违背了，或者数据是多维的，这两种情况都显示所选的IRT模型不拟合数据。本研究将比较2PLM和模型A的校正)x2/df之所以选择2PLM和模型A进行比较，是因为大多数研究发现2PLM在优势模型中是拟合人格数据最优的。比较的结果如表2所示。从表2中可以看出，模型A在E和P量表，特别是在P量表上的拟合显著优于2PLM。在N量表上两个模型的拟合相类似，且拟合都比较优良。
4 讨论
本研究结果表明，总体来看，展开模型比优势模型更拟合EPQ反应数据，这说明个体对人格项目的反应更可能是基于理想过程假设而不是优势过程假设的。展开模型之间的比较结果显示，尽管GGUM对项目参数的考虑更为完备，但并没有因此导致模型对数据拟合的显著改善，而更为简洁的模型A(即限制阈限参数在项目间是固定的)提供了和GGUM一样有效的结果，原因可能是现有的EPQ问卷的项目内容一致性较强，导致这些项目的反应阈限比较接近，从而限制各项目的阈限相等并不会导致模型的拟合变差。
本研究发现展开模型对E量表的项目反应拟合最好，该结果印证了Nandakumar等人模拟研究的结果，即当数据显示出2个线性主成分，并且项目在这2个线性主成分上的负荷符合一个半圆形的扇形模式时，最适合采用展开模型进行分析。本研究也发现，当第1主成分远远大于第2主成分时，例如E和N量表，采用合适的优势模型和展开模型进行分析。结果都比较良好。而当第l主成分和第2主成分相差不大，且有2个主成分被保留时，例如P量表，展开模型的拟合显著优于优势模型。该结果是否具有一般性还需要进一步研究。
本研究的结果显示P量表第1和第2主成分的特征值相差并不大，表明该量表可能存在多维性。原因可能与该维度的确定缺乏一定的依据有关。目前已有实验证据确定了E维度和N维度神经机制的存在，但P维度存在的机制尚缺乏足够的证据支持，导致该量表项目内容的编制缺乏明确的界定，从而无法保证这些项目的同质性，也就很难确保该量表的单维性。
5 结论
本研究可以得出这样的结论，即Roberts的展开模型比2PLM更适用于EPQ的数据分析，且EPQ问卷的E量表最适合采用他提出的展开模型进行分析。本研究深化了Nandakumar等人的研究，即当数据拟合单维展开模型时，不仅要求在采用主成分分析时能得到2个线性主成分，而且要求这2个主成分的差异要足够大，这样才有可能使得项目在这2个主成分上的负荷呈现半圆形的扇形模式。本研究中也发现，当一些人格变量的数据并不完全符合单维性假设时，采用单维展开模型也能较好地拟合它。, 百拇医药
4 讨论
本研究结果表明，总体来看，展开模型比优势模型更拟合EPQ反应数据，这说明个体对人格项目的反应更可能是基于理想过程假设而不是优势过程假设的。展开模型之间的比较结果显示，尽管GGUM对项目参数的考虑更为完备，但并没有因此导致模型对数据拟合的显著改善，而更为简洁的模型A(即限制阈限参数在项目间是固定的)提供了和GGUM一样有效的结果，原因可能是现有的EPQ问卷的项目内容一致性较强，导致这些项目的反应阈限比较接近，从而限制各项目的阈限相等并不会导致模型的拟合变差。
本研究发现展开模型对E量表的项目反应拟合最好，该结果印证了Nandakumar等人模拟研究的结果，即当数据显示出2个线性主成分，并且项目在这2个线性主成分上的负荷符合一个半圆形的扇形模式时，最适合采用展开模型进行分析。本研究也发现，当第1主成分远远大于第2主成分时，例如E和N量表，采用合适的优势模型和展开模型进行分析。结果都比较良好。而当第l主成分和第2主成分相差不大，且有2个主成分被保留时，例如P量表，展开模型的拟合显著优于优势模型。该结果是否具有一般性还需要进一步研究。
本研究的结果显示P量表第1和第2主成分的特征值相差并不大，表明该量表可能存在多维性。原因可能与该维度的确定缺乏一定的依据有关。目前已有实验证据确定了E维度和N维度神经机制的存在，但P维度存在的机制尚缺乏足够的证据支持，导致该量表项目内容的编制缺乏明确的界定，从而无法保证这些项目的同质性，也就很难确保该量表的单维性。
5 结论
本研究可以得出这样的结论，即Roberts的展开模型比2PLM更适用于EPQ的数据分析，且EPQ问卷的E量表最适合采用他提出的展开模型进行分析。本研究深化了Nandakumar等人的研究，即当数据拟合单维展开模型时，不仅要求在采用主成分分析时能得到2个线性主成分，而且要求这2个主成分的差异要足够大，这样才有可能使得项目在这2个主成分上的负荷呈现半圆形的扇形模式。本研究中也发现，当一些人格变量的数据并不完全符合单维性假设时，采用单维展开模型也能较好地拟合它。, 百拇医药