潜变量交互效应标准化估计：方法比较与选用策略

标准化估计对模型的解释和效应大小的比较有重要作用。虽然潜变量交互效应的恰当标准化估计公式已经面世超过10年, 国内外都在使用和引用, 但至今未见到关于不同估计方法得到的恰当标准化估计的系统比较。通过模拟实验, 比较了乘积指标法、潜调节结构方程(LMS)、无先验信息和有先验信息的贝叶斯法的潜变量交互效应标准化估计在不同条件下的表现。结果发现, 在正态条件下, LMS和有信息贝叶斯法表现较好; 而在非正态条件下, 乘积指标法比较稳健, 但需要较大的样本(不小于500), 小样本且外生潜变量之间相关很低时可使用无信息贝叶斯法。     

基于理想作答反应构建的非参CD-CAT选题策略

研究提出了两种简单有效且适用于混合计分的非参数选题策略（DWIR和HDWIR）,通过模拟研究将DWIR和HDWIR与参数的选题策略比较,结果发现：(1)DWIR和HDWIR算法简单,容易理解,前提条件少,应用条件易满足;(2)DWIR和HDWIR适用性广,不仅可用于01计分和多级计分的题目选题,亦适用于参数的CD-CAT和非参数的CD-CAT;(3)DWIR和HDWIR的属性分类准确性高于带曝光控制的参数选题策略,且选题速度较快;(4)DWIR和HDWIR的曝光控制效果好,且为自带曝光控制的选题策略,无需在选题策略中外加曝光控制,简化选题策略。     

心理学视野下的社会变迁研究：研究设计与分析方法

近年来,社会变迁导致的文化、心理与行为变化及其相互建构已经成为心理学的研究热点。社会变迁研究通常涉及和变迁相关的时间效应、时代效应以及和变迁无关的年龄效应。在考察变迁趋势及其影响因素时,常用的研究设计有跨时间比较、跨代际比较、跨地区比较(历史重构)等方法;常用的分析方法有传统的相关和回归分析和现代的时间序列分析(比如交叉滞后相关和格兰杰因果检验)等。由于每一种设计都有其优点和不足,在具体研究中,研究者要根据研究的问题和可操作性选择合适的方法;如果可能,最好同时采用多种方法,以寻求基于不同方法的聚合证据。     

新世纪20年国内假设检验及其关联问题的方法学研究

新世纪20年来国内假设检验方法学研究内容可分为如下几类: 零假设显著性检验的不足、p值的使用问题、心理学研究的可重复性问题、效应量、检验力、等效性检验、其他与假设检验关联的研究。零假设显著性检验已经发展成一套组合流程: 为了保证检验力和节省成本, 实验研究需要做先验检验力分析预估样本容量, 但问卷超过160人在传统统计中就没有必要这样做。当拒绝零假设时, 应当结合效应量做出结论。当不拒绝零假设时, 需要报告后验检验力; 如果效应量中或大而检验力不够高, 则可增加被试再行分析, 但这一过程应主动披露, 报告最后的实际p值并对可能犯的第一类错误率做出评估。     

基于作答时间数据的改变点分析在检测加速作答中的探索——已知和未知项目参数

相对于传统的离散作答数据,作答时间作为连续数据,可以提供更多信息。改变点分析(changepoint analysis)技术在心理和教育领域是一个比较新的技术。本文一方面对改变点分析在心理测量领域的应用进行了一个综合的总结和分析;另一方面,将基于作答数据的两种改变点分析统计量推广到作答时间数据,将改变点分析技术应用到测验异常作答模式：加速作答speededness的检测上。采用两种检验方法：似然比检验和Wald检验,分别在已知和未知项目参数的条件下,实现异常作答模式的检测。结果表明,所采用的方法对于加速作答行为的检测具有很高的检验力,同时能够很好的控制I类错误率。实证数据分析进一步表明本文中所使用的方法具有应用价值。     

输入方式对学语前聋生语篇理解的影响：文本和测题类型的调节效应

为了考察信息输入方式、文本类型和测题类型对聋生语篇理解的影响,研究通过录像呈现,以口语、手语、书面语三种输入方式向学语前极重度七、八、九年级聋生呈现叙述性和描述性两种文本类型的语篇信息,并要求其完成理解测试。结果显示：输入方式对聋生语篇理解的效率存在影响,书面语成绩最高且速度最快,依次为手语、口语,文本类型和测题类型对该影响有调节作用。结果表明输入方式是聋生语篇理解的主要影响因素,文本和测题类型是调节因素。     

手机依赖的计算机化自适应测量及其效果评估

本文深入探讨了手机依赖的新的测量方式即计算机化自适应测量,并同时与原手机依赖的纸笔测验量表进行了比较,以探讨在相同测量长度下,新测量方式能在多大程度上提升对手机依赖的测量精度及测量信度。为此本文共进行了两项研究:研究1开发构建了手机依赖的计算机化自适应测量(CAT-MPD),并探讨了其测量的特征与性能。研究2通过对真实数据的模拟CAT测试,以CAT-MPD来源的纸笔测验量表为比较对象,考察CAT-MPD对原纸笔量表测量精度及测量信度的提升幅度。研究结果表明:CAT-MPD具有较理想的测量精度和信度,而且能有效减少被试所测项目量;同时,在同等条件下,CAT-MPD不论是在测量的精度还是测量的信度,均大幅优于手机依赖的纸笔测验量表。总之,本文为手机依赖的实际测量提供了一种新的技术支持。     

两水平研究中单维测验信度的估计

在心理、教育和管理等研究领域中,经常会碰到两水平（两层）的数据结构,如学生嵌套在班级中,员工嵌套在企业中。在两水平研究中,被试通常不是独立的,如果直接用单水平信度公式进行估计,会高估测验信度。文献上已有研究讨论如何更准确地估计两水平研究中单维测验的信度。本研究指出了现有的估计公式的不足之处,用两水平验证性因子分析推导出一个新的信度公式,举例演示如何计算,并给出简单的计算程序。     

不同铆测验设计下多维IRT等值方法的比较

实际应用中测验往往具有多维结构, 如果仍采用单维IRT方法进行等值, 会得到不准确的结果。因此对于多维结构的测验, 需要使用多维IRT等值方法来实现参数的转换。基于共同题设计, 文章通过模拟研究的方法, 考察了不同铆测验设计下几种多维IRT等值方法的表现, 同时考虑了测验长度、两个维度题目数量的比例、铆测验长度、铆测验的选择策略、两个维度之间的相关和等值群体的能力水平差异六个因素的影响。所比较的多维IRT等值方法有：均值/均值(MM)方法, 均值/标准差(MS)方法, Stoking-Lord (SL)方法, Haebara (HB)方法, 最小平方(LS)方法。结果显示：(1) SL, HB和LS方法得到的等值误差均方根最小, 且在各条件下表现较为稳定。(2) MM和MS方法在非等组条件下呈现出很大的误差均方根。(3)铆测验设计对SL, HB和LS方法的等值结果没有显著影响。(4)在两个维度之间的相关较高, 测验长度和铆测验长度较长, 等值群体的能力水平没有差异的条件下, SL, HB和LS方法得到的等值误差均方根最小。     

结合题目作答时间的计算机化自适应测验选题方法

计算机形式的测验能够记录考生在测验中的题目作答时间（Response Time, RT）,作为一种重要的辅助信息来源,RT对于测验开发和管理具有重要的价值,特别是在计算机化自适应测验（Computerized Adaptive Testing, CAT）领域。本文简要介绍了RT在CAT选题方面应用并作以简评,分析了这些技术在实践中的可行性。最后,探讨了当前RT应用于CAT选题存在的问题以及可以进一步开展的研究方向。