跳转到内容

经典测验理论

来自VeritasWiki 真理百科
经典测验理论
英文名 Classical Test Theory(CTT)
学科归属 心理测量、统计测量学
核心含义 以观察分数等于真分数加误差分数为基本模型的传统测量理论
基本方程 X = T + E
核心指标 信度系数、效度系数、项目难度与区分度
相关条目 项目反应理论、内部一致性信度、测量误差|}

经典测验理论是最早系统化、至今应用最广的心理测量理论。它的基本模型是一个简单的分解式:观察分数等于真分数与误差分数之和。真分数指在无数次重复施测下观察分数的期望值,代表被试特质的稳定水平;误差分数则涵盖所有使分数波动的随机因素。

这一分解看似朴素,却把测量问题转化为统计问题:既然误差是随机的,就可以用方差分析的语言来定义与估计测量的质量。信度、效度、项目分析等一整套指标,都建立在这个模型之上。

真分数模型的含义

经典模型包含三个关键假定。

误差的期望为零:误差有正有负、随机分布,不系统偏向某个方向。这意味着观察分数是真分数的无偏估计。

误差与真分数不相关:误差不由被试的真分数决定,高低分者的误差波动幅度相同(同质误差假定)。

平行测验假定:若有两份测量同一特质且指标完全相同的测验,其真分数相同、误差方差相等。分半信度与复本信度的逻辑都建立在这一假定上。

这些假定在真实测量中只能近似满足,理解它们的含义是正确解释经典指标的前提。

信度的经典定义

在经典框架中,信度被定义为真分数方差占观察分数方差的比例,取值介于零与一之间。

这一定义带来一个重要推论:信度依赖于误差方差,而误差方差受样本影响——特质水平差异大的样本会把信度系数推高,同质的样本则拉低信度。因此信度系数不是测验的固有属性,而是"测验在某类样本中的属性"。解释信度报告时,样本信息与系数本身同样重要。

经典框架还与测量标准误相连:知道信度与分数的标准差,即可估计真分数的置信区间,为分数解释提供误差范围。

效度的经典视角

经典理论把效度理解为"测验分数与效标的相关",即效标关联效度。由此产生的指标包括同时效度与预测效度、以及通过相关矩阵推断的结构效度。

这一视角的优点是效度有明确的数量表达;局限在于它把效度归结为单一系数,遮蔽了"测验究竟测到了什么"的理论问题。后来的效度理论(构想效度、统一效度框架)正是对这一局限的回应。

项目分析

经典项目分析为每个题目计算两个指标。

难度:通过率,即答对人数的比例。取值越高题目越易。

区分度:题目分数与总分的相关(点二列相关等),或高低分组通过率之差。区分度反映题目能否有效区分不同水平的被试。

经典项目分析的局限在于指标依赖样本:同一题目在强样本与弱样本中的"难度"不同,且难度与区分度的估计没有考虑被试在题目上的真实位置。项目反应理论正是为克服这一局限而发展起来的。

常模与分数解释

经典测验理论的实践体系中,常模占据重要位置。原始分数本身没有解释力——"答对 34 题"意味着什么,取决于与参照群体的比较。

常模的类型包括:年级常模(与同年级学生比较)、年龄常模、百分位常模(原始分数在参照群体中的位置)、标准分数常模(转换为均值为 50、标准差为 10 的 T 分数等形式)。不同常模回答不同问题:百分位回答"超过多少人",标准分数回答"离平均多远",年级常模回答"相当于哪个年级水平"——后者常被误读为"应读几年级",是教育测量的经典解释错误。

常模的使用还有时效问题:人群水平随年代变化(如流体智力测验成绩的长期上升,即弗林效应),常模需要定期更新,否则同一分数会高估个体的相对位置。规范报告应注明常模建立的时间与样本构成。

在个体解释层面,经典理论提供了测量标准误与真分数置信区间:一个 IQ 分数 105、测量标准误 3 的报告,合理的表述是"真分数大约在 99 至 111 之间",而非把 105 当作精确值。两个分数相差几分的人,其能力差异可能纯属测量误差——这是经典理论对分数使用最重要的提醒。

在分数报道的实务规范上,经典框架还催生了分数等值的传统做法:两次考试之间通过共同题目(锚题)把分数挂钩,使不同批次的考生可以比较。这一做法虽然粗糙,却是大规模考试季节性实施的技术基础,后来的项目反应理论等值正是在它的经验需求之上发展起来的。

优点与局限

经典测验理论的优点使它至今仍是应用主流。

计算简单,公式可以用电子表格实现;对小样本友好——信度估计在几十人的样本中即可进行;概念直观,易被非专业者理解;整套指标(信度、效度、常模)构成完整的实用体系。

其局限则集中在三方面:测量精度假定对所有被试相同,掩盖了误差随水平变化的现实;分数依赖题目集,不同题目集的分数不能直接比较,等值困难;项目参数依赖样本,题库建设缺乏理论支持。

这些局限在低风险、小规模的应用中影响有限,在大规模、高风险的测评中则不可忽视——这也解释了为什么大型标准化考试逐渐转向项目反应理论。

与其他理论的关系

经典测验理论、项目反应理论与概化理论构成测量理论的三个主要体系,各有分工。

经典理论回答"这份测验总体上可信有效吗";概化理论把误差按来源分解(评分者、 occasion、题目形式),回答"误差从哪里来";项目反应理论对题目逐一建模,回答"每个题目在什么水平上提供多少信息"。

实践中三者常组合使用:用经典理论做常规质量监控,用概化理论优化测量设计,用项目反应理论建设题库与实施自适应测验。经典理论也是教学入门的必经之路——它提供了理解其他理论的概念基础。

参见

参考资料