毛秀珍 夏梦连 辛 涛

    (1四川师范大学教育科学学院; 2四川师范大学教师教育与心理学院, 成都 610068)

    (3北京师范大学协同创新中心, 北京 100875)

    1 引言

    随着心理测量理论和技术的发展, 科学研究与实践工作已越来越离不开各类测验(量表)了。测验(量表)的结构作为解释测验分数的基础, 一直是测验(量表)开发的重要内容之一。事实上, 大部分测验都是为了测量单一特质而从多个相互关联的维度或层面进行抽样来设计项目。例如, 在建构生活质量量表时, 研究者一般会从工作满意、家庭经济状况、健康和社会生活等多个方面来抽样和设计项目。这种两阶段抽样程序, 往往导致领域内部相关高于领域之间的相关, 项目反应在测验考察的主要维度上不满足条件独立性, 从而使测验结构变得更加复杂。一般地, 测验或量表的测量结构可以划分为以下五类：单维模型(unidimensional model)、多个单维模型(multiunidimensional model)、相关特质多维模型(correlated traits multidimensional model)、二阶因子模型(secondorder factor model)和双因子模型(bifactor model)。

    其中, 单维模型(见图 1(a))的限制条件最严格, 它要求所有项目测量同一个特质, 该特质解释所有项目反应的协方差。图 1(b)和(c)所示的两类项目间多维模型(between-item multidimensional model)要求每个项目只在一个因子上有负载。它们虽然包含多个因子, 但是可形成多个子量表,并可用单维项目反应理论(Item Response Theory,IRT)模型去拟合各个子量表。图 1(b)假设因子之间相互独立, 结构简单, 又称为多个单维 IRT模型。但是它很少用于检测实证数据的潜特质结构。而图1(c)允许因子相关, 能同时估计多个潜在特质, 与多个单维模型相比提高了测验效率。但相关特质模型通常存在高阶特质, 混淆了一阶因子和高阶因子, 当测验(项目)拟合检验很差时,不能指出因子结构的错误(Reise, 2012)。图1 (d)所示的二阶因子模型包括6个观察变量、两个一阶因子和一个二阶因子。如图所示, 二阶因子与观察变量不直接相关, 它对观察变量的效应通过一阶因子的中介起作用, 其效应量与一阶因子在二阶因子上的负载成比例(Seo & Weiss, 2015)。二阶因子反映一阶因子之间的相关, 根据二阶因子在一阶因子上的负载可以反映其能够解释一阶因子的程度 ......