项目反应理论在医学量表条目筛选中的应用(2)
| 第1页 |
参见附件。
2 IRT在条目筛选中的应用
2.1 IRT模型的选择
IRT模型是建立在强假设的基础上，若假设不成立，则可能导致得到的结果不能很好地解释数据信息。因此，选择适当的模型是很重要的。IRT有单维、多维的参数模型及非参数模型等多种模型，由于后两种模型较复杂且应用少，本文主要介绍单维的参数模型[3-4]。选择模型时，需要考虑条目的选项个数、模型参数及参数是否受到限制等问题，表1总结了8种模型的主要特征。
目前IRT的参数估计方法很多，大多数方法是以极大似然估计法和Bayes估计法为基础，其中极大似然估计法的应用最广泛。目前对于PCM、GPCM、GRM等模型的选择没有明确的标准，主要根据个人的偏好或者对软件的熟悉程度选择其中一个模型。比如Rumm、Parscale、Winsteps等软件可用于PCM的估计，而Multilog软件多用于GRM的估计。
2.2 评价IRT模型的拟合情况
2.2.1 考察模型假设 IRT的应用有两个基本的假设[3]：单维性和局部独立性。前提假设满足的程度越高，越能体现IRT模型应用的有效性。①单维性是指量表或者子量表中的每个条目测量的都是同一种潜在特质，如躁狂人格量表主要测量患者的躁狂水平。实际上任何量表都不可能是严格单维性，而是指在被试者反应的所有因子中仅有一个因子占主导地位，且是感兴趣的因子。目前检验的方法主要有4种：探索性因子分析，是最常用的一种方法[5]；证实性因子分析；残差主成分分析[6]；平行分析。这些方法可以单独使用，也可以联合使用。②局部独立性是指具有同一能力水平的被试者对量表中的每个条目的反应都只受其能力的影响，而独立于其他条目的反应。目前检验的方法主要有χ2检验和残差相关分析[7]。实际上，局部独立性与单维性是相关联的，只有基于单一潜在特质变量的项目反应是局部独立的，这个数据才是单维的[3]。③若条目在不同群体(如性别)中表现的特性不同，则单维性假设也可能不满足。因此还需要检测条目的项目功能差异(DIF)，以保证条目内容在不同群体中的等价性。在生存质量研究中 ......
您现在查看是摘要介绍页，详见PDF附件。