井贤严 符华均

近几年，随着PISA 等大型教育评价项目在国内的传播和开展，越来越多的研究者对项目反应理论（Item Response Theory，简称IRT）感兴趣，并尝试使用IRT 开发测验或者对测验进行数据分析，但是不少研究者忽略对模型假设进行检验。大部分题目反应模型建立在一些强假设基础上的，只有满足这些假设条件，使用模型分析数据才具有意义[1]。对于传统的题目反应模型来说，单维性是重要的前提假设，单维性是指量表或测验中的所有题目均考察同一特质[2]。如果测验数据违反单维性假设，将导致使用单维项目反应理论（Unidimensional Item Response Theory，简称UIRT）估计出来的题目参数和被试参数异常，会给测验的信度和效度带来严重的后果，测验中的其他维度可能导致大的DIF，这不仅会给被试能力的估计值带来偏差，还会影响测验的结构。但许多心理与教育测验的实际情况是同时测量多种能力，这类测验往往不符合单维性假设，因此使用IRT 进行数据分析时需谨慎对待。

有大量的文献表明，通过CTT 理论或Rasch 模型的拟合优度检验，可以对单维性进行统计验证，但是这些拟合优度检验通常较弱，因为它们的零假设并不只是关注单维性，也间接地包含其他附加假设（例如并行模型的正态性、Rasch 模型的局部独立性等），因此与这些零假设的背离并不一定是与单维性无关的[3]。本文主要介绍一种图形工具来检验单维性——逐步CM 曲线法（step by step Cronbach-Mesbah curve），它由一条曲线组成，该曲线可按步骤使用“子分数”的信度估计值绘制。……