范士青，劉華山

(1.華中師范大學心理學院，武漢 430079；2.湖北第二師范學院教育科學學院，武漢 430205)

?

瑞文高級推理測驗作答反應(yīng)的潛在類別分析

范士青1，2，劉華山1*

(1.華中師范大學心理學院，武漢 430079；2.湖北第二師范學院教育科學學院，武漢 430205)

摘要：以瑞文高級推理測驗為測試工具，對501名師范院校大學生被試的作答反應(yīng)進行探索性潛在類別分析，模型統(tǒng)計指標支持將被試分成3個潛在類別的模型。各個題目在不同潛在類別上的條件概率存在明顯的差異，基于潛在類別的項目分析可以提供更為豐富的信息，進一步分析發(fā)現(xiàn)，歸于不同潛在類別的被試在視覺空間過程和言語分析過程上存在明顯的個體差異。

關(guān)鍵詞：瑞文高級推理測驗；潛在類別分析；項目分析；個體差異

1引言

瑞文推理測驗是評估認知加工領(lǐng)域中個體差異的有效工具之一，有著非常廣泛的應(yīng)用。然而，研究者對瑞文推理測驗所評估的具體內(nèi)容是什么，看法并不一致。J.Raven開發(fā)瑞文推理測驗的理論依據(jù)是Spearman的智力兩因素理論，認為測驗反映了個體智力的g因素(安妮·安娜斯塔西，蘇珊娜·厄比納，2001)，然而，瑞文推理測驗也被認為是反映流體智力(Primi，2001)或者工作記憶上的個體差異(Carpenter，Just，& Shell，1990；Embretson，1998；白學軍，臧傳麗，王麗紅，2007)的評估工具。另外一些研究者用瑞文推理測驗問題解決所需的認知加工成分來解釋測驗所反映的個體差異，Hunt(1974)提出視覺策略和分析策略兩種瑞文推理測驗的問題解決策略，前者通過對視知覺信息進行表象操作來解決問題，后者通過對圖形元素的特征進行邏輯操作來解決問題；Carpenter等(1990)發(fā)現(xiàn)大學生在瑞文高級推理測驗上的表現(xiàn)主要取決于其在工作記憶中生成規(guī)則和目標監(jiān)控能力，認為視覺空間成分對問題解決中的個體差異影響很小，并提出5種不同的規(guī)則來解釋瑞文高級推理測驗的問題解決行為。DeShon，Chan和Weissbein(1995)歸納出12條規(guī)則來解釋瑞文高級推理測驗上的問題解決行為，其中一些規(guī)則涉及到言語分析過程，其他的涉及視覺空間過程。

在實踐操作層面，瑞文推理測驗往往報告被試的答對題數(shù)及對應(yīng)百分等級，或在此基礎(chǔ)上將被試劃入反映不同智力水平的類別，其局限在于：首先類別的個數(shù)及分界點的確定基于答對題數(shù)分布狀態(tài)，忽視了反應(yīng)模式不同但分數(shù)相同的不同被試之間的異質(zhì)性問題，類別劃分方式偏重于主觀經(jīng)驗判斷，缺乏嚴謹性(黎亞軍，盧富榮，駱方，王耘，2012)；其次，對劃入不同類別被試的認知特點缺乏深入地挖掘和清晰地描述，因此無法給被試提供更有針對性的測驗反饋信息；最后，在對測驗題目的測量屬性進行評估時，盡管有研究者采用項目反應(yīng)理論對瑞文推理測驗進行分析(肖瑋，苗丹民，朱寧寧，張青華，2006；許祖慰，1990)，但無論經(jīng)典測量理論還是項目反應(yīng)理論下項目測量屬性都是針對所有被試而言的，并未考慮針對不同類別被試而言的題目難度情況及區(qū)分不同類別被試的能力如何。

隨著統(tǒng)計技術(shù)的發(fā)展，以個體為中心分析類別變量的潛在類別分析逐漸成為測驗分析的可能的選項之一。潛在類別分析是由Lazarsfeld于20世紀50年代在一個態(tài)度調(diào)查的數(shù)據(jù)分析中提出的一種聚類分析方法(張潔婷，焦璨，張敏強，2010)。與傳統(tǒng)聚類分析方法相比，潛在類別分析用更為規(guī)范科學的標準來判斷類別數(shù)目、模型的有效性及其他模型特征，且數(shù)據(jù)分布要求較為寬松(焦璨，張潔婷，關(guān)丹丹，張敏強，2010)，該方法最大的優(yōu)點在于同一類別內(nèi)的不同個體是同質(zhì)的，不同類別間的個體是異質(zhì)的(吳鵬，劉華山，謝亞靜，王卉，2014)。目前，國外臨床心理學或者醫(yī)學領(lǐng)域的流行病學調(diào)查數(shù)據(jù)采用潛在類別分析方法進行處理的較多，在心理測量領(lǐng)域，研究者傾向于在潛在類別的基礎(chǔ)建立一些針對類別數(shù)據(jù)的新的測量指標或測驗分析方法，例如類別計分測驗項目的信度、測驗單維性、項目功能偏差及被試異質(zhì)性檢驗方法(Flaherty，2002；Keller & Kempf，1997；Oliveri，Ercikan，& Bruno，2013；Rosato，2012)，還有一些研究將潛在類別分析作為一種實現(xiàn)方法在認知診斷評估或者自適應(yīng)認知診斷評估領(lǐng)域中加以應(yīng)用(Cheng，2009；Chiu，Douglas，& Li，2009)，或者作為一種學業(yè)成就測驗表現(xiàn)標準的確定方法(Brown，2007)；國內(nèi)潛在類別分析在測驗領(lǐng)域的應(yīng)用不多且主要集中在學業(yè)成就測驗(焦璨等，2010；張潔婷，張敏強，焦璨，王力田，2013)，研究者嘗試將其應(yīng)用到瑞文推理測驗這樣一個評估一般認知能力的工具中，以促進被試分類標準客觀化和基于類別項目分析指標的建立。

考慮到瑞文推理測驗聯(lián)合版的難度已經(jīng)不太適合正常成年人的智力評估(肖瑋等，2006)，因此研究者采用難度上更為合適的瑞文高級推理測驗為研究材料，以大學生被試在該測驗上作答數(shù)據(jù)進行探索性潛在類別分析，通過分析測驗項目對不同類別被試的測量學屬性以及不同類別被試在測驗項目上的作答模式，反映潛在類別變量和外顯類別指標之間的關(guān)聯(lián)，從而為測驗所展現(xiàn)的個體差異提供更為豐富的信息。

2研究方法

2.1研究對象

研究對象為華中地區(qū)某師范院校的大學生被試，采用以班級為單位的整群抽樣方式，共501名學生參與了研究。研究對象的平均年齡20.1歲，其中男生人數(shù)為87人(占17%)，女生人數(shù)為414人(占83%)。

2.2研究過程

施測過程采用紙筆測試的方式，由主試或者任課教師組織學生，呈現(xiàn)標準的測驗指導語，被試獨立完成所有題目，并將所選答案填寫的答題卡上。參與測試的被試會得到一定的物質(zhì)報酬或者平時成績加分，并可通過電子郵件得到有關(guān)測試結(jié)果的反饋信息。

2.3研究工具

研究采用的測量工具為Raven于1992年開發(fā)的瑞文高級推理測驗不含練習題目的正式測驗題目，共36道題目，每道題采用1或0表示被試是否作對了該道題目。瑞文高級推理測驗主要用來評估認知水平中等及以上的成人被試的智力差異，已有研究中報告該測驗的系數(shù)在0.85左右(Bors & Vigneau，2001；Ren，Wang，Altmeyer，& Schweizer，2014)，在本次研究中其α系數(shù)為0.79。

研究進行的探索性潛在類別分析采用Mplus7.0為工具，其他的統(tǒng)計分析采用SPSS17.0來實現(xiàn)。

3結(jié)果

3.1潛在類別分析的模型選擇

根據(jù)被試在瑞文高級推理測驗上的作答數(shù)據(jù)，對被試的作答情況進行探索性潛在類別分析。研究中驗證的潛在類別個數(shù)K從1個到7個，各個模型的擬合指標有阿卡克信息指標(AIC)、貝葉斯信息指標(BIC)、樣本調(diào)整后的貝葉斯信息指標(aBIC)、熵(Entropy)、似然比卡方統(tǒng)計量(LL)、兩個似然比檢驗指標LMR、aLMR和基于BootStrap的似然比檢驗指標BLRT等指標由表1所示，K代表模型中潛在類別的個數(shù)，而Npr表示模型中的參數(shù)個數(shù)。

(1)

從表1所示的擬合指標可以看出，雖然AIC和aBIC分別在6個類別和4個類別的模型中取值最小，考慮到AIC的概率推導隨著樣本量的增大缺乏漸進性且容易高估潛在類別的個數(shù)的特點(Xian et al.，2005；焦璨等，2010)，且BIC和LMR和aLMR的指標支持3個類別的模型，同時考慮到Entropy的取值，因此研究者選取潛在類別數(shù)為3的模型進行后續(xù)的分析。

圖1　瑞文高級推理測驗題目在各個潛在類別上的條件概率

從圖1可以看到不同題目在各個類別上的條件概率，從第1題到第16題的條件概率呈現(xiàn)出一種相似的模式：良好組和中等組明顯地高于低分組，良好組和中等組之間的差別相對較?。粡牡?7題到第26題呈現(xiàn)出另外的模式：三個潛在類別組的條件概率經(jīng)緯分明，呈現(xiàn)出良好組、中等組和低分組條件概率逐漸遞減的趨勢；從第27題到36題，三個潛在類別組的條件概率均顯著下降，中等組和低分組與良好組之間條件概率差別比較明顯，尤其是在30-32題上的條件概率差別明顯。

3.2基于潛在類別的項目分析

真分數(shù)理論下的項目分析通常以項目的通過率(P)作為項目難度的指標，以高分組和低分組通過率的差值即鑒別力指數(shù)(D)作為項目區(qū)分度的指標，得到的是對所有被試而言的一個較為籠統(tǒng)的指標。針對不同潛在類別的被試而言，項目的測量學屬性可能是不同的，而在潛在類別分析這樣一種基于被試作答模式的聚類分析方法的基礎(chǔ)上，可以對項目的測量屬性做進一步的分析。趙海燕和臧鐵軍(2009)提出針對常模參照測驗的測驗得分依照經(jīng)驗劃分為不同的類別，考查項目對不同類別被試的難度和區(qū)分度，焦璨等(2010)采用潛在類別分析的方法對被試進行分類，在此基礎(chǔ)上對2007至2009年研究生心理學專業(yè)基礎(chǔ)綜合考試單選題和多選題進行項目分析，認為針對單維且采用0-1計分的能力測驗而言，項目在各個潛在類別上的條件概率就是歸于該潛在類別考生的項目通過率，即是項目對于該類考生的難度，而同一項目在兩個潛在類別上條件概率的差值則反映了其區(qū)分兩個類別的能力，本研究的項目分析也是遵循這一思路，并在以下方面做了改進：①計算每個項目在各個潛在類別上的難度，并劃分出5個難度水平，即通過率在0.2及以下極難，0.2至0.4較難，0.4至0.6適中，0.6至0.8較易，0.8以上極易；②計算任意兩個類別間通過率的差值，命名為類別間鑒別力指數(shù)，并參照Ebel的鑒別力指數(shù)D的經(jīng)驗標準劃分出4個水平，0.2以下區(qū)分度低劣，0.2至0.3區(qū)分度尚可，0.3至0.4區(qū)分度良好，0.4以上區(qū)分度優(yōu)秀。表3中以C1、C2和C3分別代表良好組、中等組和低分組，列出瑞文高級推理測驗項目在各個類別上的難度及類別間鑒別力指數(shù)，并計算傳統(tǒng)真分數(shù)理論下算出的通過率P和鑒別力指數(shù)D。

表2　瑞文高級推理測驗的項目分析

由表2可以看到，真分數(shù)理論下的通過率P和鑒別力指數(shù)D保持了一種倒U型的曲線關(guān)系，即通過率在0.5附近的項目，其鑒別力指數(shù)最高，項目通過率離0.5越遠，鑒別力指數(shù)越低，這與項目難度和區(qū)分度之間的關(guān)系是一致的。

由表2可以看到，基于潛在類別的項目分析可以提供更為豐富的信息。第21和24題的通過率均在0.70至0.71之間，但前者相對于低分組被試而言難度適中，而后者相對于中等組被試而言難度適中。第18和19題區(qū)分度非常接近，均在0.32左右，但兩個題目對不同類別的區(qū)分能力是不同的，第18題在區(qū)分低分組同良好組和中等組時區(qū)分能力為優(yōu)秀，而第19題在區(qū)分良好組和低分組的能力僅僅為良好；第30和33題的區(qū)分度在0.51左右，但前者區(qū)分良好組和中等組的能力要優(yōu)于后者。

3.3不同潛在類別被試在不同認知過程上的能力差異

瑞文高級推理測驗被認為是測量智力g因素的單維智力量表，因此很難采用項目所歸屬的維度來說明潛在類別的含義，這里借用DeShon等(1995)對瑞文高級推理測驗項目的類型劃分。DeShon等(1995)歸納出矩陣高級推理測驗問題解決所需的12條解題規(guī)則，依據(jù)這些解題規(guī)則所需的主要心理加工過程，將這些規(guī)則分為視覺空間過程和言語分析過程兩大類，將瑞文高級推理測驗項目分成四種類型：視覺空間過程(Visual)、言語分析過程(Analytic)、兩者有其一即可(Either)、兩者需兼具(Both)。Visual和Analytic組所屬的題目數(shù)分別為13和12個，Either組題目一般涉及兩個或兩個以上的解題規(guī)則，且這些解題規(guī)則分別歸于Visual或者Analytic組，項目的正確解答只需執(zhí)行其中一組規(guī)則就可以了；Both組題目一般涉及兩個或兩個以上的解題規(guī)則，且這些解題規(guī)則可以分別歸入Visual或者Analytic組，項目的正確解決需要其中同時執(zhí)行兩組規(guī)則才可以達成，瑞文高級推理測驗的項目類型的劃分引自DeShon等(1995)的附錄，參見表2的前兩列。參考焦璨等(2010)不同考查范圍題目條件概率的計算做法，這四組題目在這各個潛在類別上的條件概率均值如圖2所示。

由圖2可以看到，低分組被試在各組題目上的條件概率均值明顯低于良好組和中等組，對于良好組和中等組被試而言，Visual組題目的條件概率明顯好于Analytic組，而對低分組被試而言，Visual組題目的條件概率與Analytic組差別很?。涣己媒M和中等組被試在Either組項目條件概率的均值差異很小，但都要遠好于低分組在該組題目上的表現(xiàn)；而對Both組題目而言，三個被試組的條件概率均值的差異最明顯。各組項目在低分組被試上條件概率均值對應(yīng)的折線較為平緩，波動不大；而在良好組和中等組被試上的條件概率均值對應(yīng)的折線變化比較大，且呈現(xiàn)出相似的變化趨勢：即Visual組和Either組的條件概率均值較高，且在而Analytic組和Both組的條件概率均值較低，且兩者的條件概率較為接近。

圖2　各類題目在不同潛在類別上的條件概率均值

4討論

該研究采用探索性潛在類別分析來處理瑞文高級推理測驗的作答數(shù)據(jù)，通過評估測驗項目對不同類別被試的測量學屬性以及不同類別被試在測驗項目上的作答模式，以挖掘更為豐富的信息。潛在類別分析的結(jié)果支持把被試分成三個潛在類別，分類結(jié)果比較簡潔，模型的擬合度相對較好，且模型的熵Entropy等于0.83，顯示三個潛在類別的模型其分類準確率超過90%。各個題目在三個潛在類別的條件概率依次降低，依照各個類別的歸屬比例，將第三個潛在類別分別命名為良好組、中等組和低分組。在給各個類別進行命名的過程中，考慮瑞文高級推理測驗通常被歸入單維量表中，因此研究者無法采用項目所歸屬的維度來說明潛在類別的含義，在參考各個潛在類別條件概率的總平均及各個潛在類別歸屬比率的基礎(chǔ)上，分別命名為良好組、中等組和低分組。

從歸屬比率看，三個潛在類別的歸屬比率分別為49.9%、46.9%和3.2%，第三個潛在類別的被試人數(shù)很少。考慮到研究的數(shù)據(jù)收集過程屬于低利害的測試情境，這一類別的被試屬于不合作的抗拒型被試的可能性是存在的。研究者首先統(tǒng)計三個類別被試人均漏答題數(shù)，發(fā)現(xiàn)第三類別被試的人均漏答題目并不是最多的，其次，結(jié)合后期針對該類別被試的私下交流發(fā)現(xiàn)，這些被試反映對題目不太適應(yīng)，平時也不習慣處理圖形的題目，解題時完全沒有找到答題規(guī)律，在這種情況下多數(shù)以上的受訪被試表示是很認真的硬著頭皮往下做，所以這一類別的被試大部分屬于抗拒型被試的風險是可控的。同時考慮到研究選取的被試為師范院校的大學生，樣本相對較為同質(zhì)，出現(xiàn)一個人數(shù)較少的對測驗不太適應(yīng)的被試群體，也是可以理解的。

該研究以項目在各個潛在類別的條件概率為基礎(chǔ)，計算出基于潛在類別難度和反映類別間鑒別力的指標。這兩個指標都比較簡便易懂，前者反映了項目對不同潛在類別被試的難度，后者反映了項目對于區(qū)分不同潛在類別被試的能力如何。相對于傳統(tǒng)的通過率P和鑒別力指數(shù)D，這兩個針對不同的被試亞群體而言的指標顯得更為細致：即通過率P非常接近的不同項目，針對不同類別被試的難度有可能是不同的；同樣，鑒別力指數(shù)接近的不同項目，在區(qū)分不同類別的能力上也可能是有差異的。當然，這兩個指標的穩(wěn)定性會受到各個潛在類別歸屬比率的影響，當各個潛在類別歸屬比率較為均衡時，指標的穩(wěn)定性相對也就越好。

考慮到瑞文高級推理測驗的單維特性，為了進一步探究各個潛在類別被試的認知特點，研究者借鑒了DeShon等(1995)關(guān)于瑞文測驗問題解決所需的主要是視覺空間過程和言語分析過程兩種心理過程的觀點，并引用了該文附錄中將瑞文高級推理測驗題目的四分法：視覺空間過程(Visual)、言語分析過程(Analytic)、兩者有其一(Either)、兩者兼具(Both)，最終得到如下的結(jié)論：首先良好組、中等組和低分組在各組題目上的正確率呈依次下降的趨勢；其次，良好組和中等組被試在Visual組題目上的表現(xiàn)明顯好于他們在Analytic組題目上的表現(xiàn)，而低分組被試在Visual組題目和Analytic組題目上的表現(xiàn)上差別不大，這預(yù)示著視覺空間過程可能是瑞文高級推理測驗問題解決的基礎(chǔ)，這一設(shè)想也從Kunda，McGreggor和Goel(2013)的研究結(jié)果中得到了側(cè)面的印證；再次，若這兩種認知過程對問題解決是一種“或”的關(guān)系，這有利于中等組被試縮小與良好組被試的差距，但對低分組而言提升不大；若這兩種認知過程對問題解決是一種“且”的關(guān)系，那么也不會拉大中等組被試與良好組被試之間差距，但是會拉大低分組被試與另外兩組被試的差距，這預(yù)示著對智力中等及以上的被試來說，言語分析過程才是區(qū)分被試能力的決定因素。

該研究的創(chuàng)新之處在于：嘗試將潛在類別方法應(yīng)用于瑞文高級推理測驗作答反應(yīng)模式的分析，使得潛在類別分析的應(yīng)用范圍拓展到心理測量領(lǐng)域的一般認知能力測驗；在對單維量表的潛在類別分析結(jié)果進行解釋時，結(jié)合已有研究中所得到瑞文高級推理測驗項目的認知心理學意義，來解釋歸于不同潛在類別被試的認知特性，為單維心理量表背景下挖掘不同潛在類別被試的認知特點進行了一些有益探索；在已有研究的基礎(chǔ)上以項目在潛在類別上的條件概率為基礎(chǔ)實施項目分析，并對項目針對特定類別被試的難度以及區(qū)分不同類別間被試的能力進行細致地刻畫，相對于傳統(tǒng)項目分析方法可以提供更為豐富的信息。研究的局限性主要在于：選取的被試樣本為師范院校的大學生被試，被試類型較為單一，樣本中男性被試相對比較少，因此在將研究結(jié)論推廣到更大的被試群體時，則需要慎重。

參考文獻

安妮·安娜斯塔西，蘇珊娜·厄比納.(2001).心理測驗.(繆曉春，竺培梁 譯，pp.343-345).杭州：浙江教育出版社.

白學軍，臧傳麗，王麗紅.(2007).推理與工作記憶.心理科學進展，(01)，16-21.

焦璨，張潔婷，關(guān)丹丹，張敏強.(2010).2007-2009年研究生心理學專業(yè)基礎(chǔ)綜合考試的潛在類別分析.中國考試，(04)，3-12.

黎亞軍，盧富榮，駱方，王耘.(2012).中國兒童青少年身體攻擊的發(fā)生狀況：基于潛在類別分析的結(jié)果.中國臨床心理學雜志，(04)，559-561，563.

黎志華，尹霞云，蔡太生，朱翠英.(2014).留守兒童情緒和行為問題特征的潛在類別分析：基于個體為中心的研究視角.心理科學，(02)，329-334.

吳鵬，劉華山，謝亞靜，王卉.(2014).攻擊性初中生的類別：一個潛在類別模型的應(yīng)用.心理與行為研究，(01)，58-62，96.

肖瑋，苗丹民，朱寧寧，張青華.(2006).應(yīng)用項目反應(yīng)理論對瑞文測驗聯(lián)合型的分析.心理科學，(02)，389-391.

許祖慰.(1990).聯(lián)合型瑞文測驗之項目分析.心理科學通訊，(02)，34-40，22.

張潔婷，焦璨，張敏強.(2010).潛在類別分析技術(shù)在心理學研究中的應(yīng)用.心理科學進展，18(12)，1991-1998.

張潔婷，張敏強，焦璨，王力田.(2013).多水平潛在類別模型在教育評價中的應(yīng)用——以英語學業(yè)能力測驗為例.教育研究與實驗，(03)，78-84.

趙海燕，臧鐵軍.(2009).CTT框架下基于數(shù)據(jù)分析的高考試題質(zhì)量評價標準——對2004-2008年高考北京卷的實證研究.中國考試(研究版)，(08)，3-16.

Bors，D.A.，& Vigneau，F(xiàn).(2001).The effect of practice on Raven’s Advanced Progressive Matrices.LearningandIndividualDifferences，13(4)，291-312.

Brown，R.S.(2007).Using latent class analysis to set academic performance standards.EducationalAssessment，12(3-4)，283-301.

Carpenter，P.A.，Just，M.A.，& Shell，P.(1990).What one intelligence test measures：A theoretical account of the processing in the Raven Progressive Matrices Test.PsychologicalReview，97，404-431.

Cheng，Y.(2009).When Cognitive Diagnosis Meets Computerized Adaptive Testing：CD-CAT.Psychometrika，74(4)，619-632.

Chiu，C.-Y.，Douglas，J.，& Li，X.(2009).Cluster Analysis for Cognitive Diagnosis：Theory and Applications.Psychometrika，74(4)，633-665.

DeShon，R.P.，Chan，D.，& Weissbein，D.A.(1995).Verbal overshadowing effects on Raven’s Advanced Progressive Matrices：Evidence for multidimensional performance determinants.Intelligence，21(2)，135-155.

Embretson，S.E.(1998).A cognitive design system approach to generating valid tests：Application to abstract reasoning.PsychologicalMethods，3(3)，380-396.

Flaherty，B.P.(2002).Assessing reliability of categorical substance use measures with latent class analysis.DrugandalcoholDependence，68，7-20.

Hunt，E.(1974).QuotetheRaven?Nevermore!Knowledge and Cognitive，Hillsdale，NJ：Erlbaum.

Keller，F(xiàn).，& Kempf，W.(1997).SomelatenttraitandlatentclassanalysesoftheBeck-Depression-Inventory(BDI).Retrieved December 28，2009，from http：//en.wikipedia.org/wiki/Latent_class_model

Kunda，M.，McGreggor，K.，& Goel，A.K.(2013).A computational model for solving problems from the Raven’s Progressive Matrices intelligence test using iconic visual representations.CognitiveSystemsResearch，22，47-66.

Muthén，B.O.，& Muthén，L.K.(2004).MplusTechnicalAppendices(pp.33-35).Los Angeles，CA：Muthén & Muthén.

Muthén，L.K.，& Muthén，B.O.(2012).MplusUser’sGuide(SeventhEdition)(pp.738-739).Los Angeles，CA：Muthén & Muthén.

Oliveri，M.E.，Ercikan，K.，& Bruno，Z.(2013).Analysis of Sources of Latent Class Differential Item Functioning in International Assessments.InternationalJournalofTesting，13(3)，272-293.

Primi，R.(2001).Complexity of geometric inductive reasoning tasks：Contribution to the understanding of fluid intelligence.Intelligence，30(1)，41-70.

Ren，X.，Wang，T.，Altmeyer，M.，& Schweizer，K.(2014).A learning-based account of fluid intelligence from the perspective of the position effect.LearningandIndividualDifferences.

Rosato，N.S.J.C.(2012).Latent class analysis：A method for capturing heterogeneity.SocialWorkResearch，36(1)，61-69.

Xian，H.，Scherrer，J.F.，Madden，P.A.，Lyons，M.J.，Tsuang，M.，True，W.R.，& Eisen，S.A.(2005).Latent class typology of nicotine withdrawal：Genetic contributions and association with failed smoking cessation and psychiatric disorders.PsychologicalMedicine，35(03)，409-419.

The Latent Class Analysis of the Performance on Raven’s Advanced Progressive Matrices

Fan Shiqing1，2，Liu Huashan1

(1.School of Psychology，Central China Normal University，Wuhan 430079；2.School of Education and Science，Hubei University of Education，Wuhan 430205)

Abstract：The performance on the Raven’s Advanced progressive matrices of 501 normal university students was analysis by latent class analysis，the 3-cluster model was supported by the model fit indices.There are apparent patterns of the conditional response probabilities of items on each of the 3 clusters，and the item analysis based on latent class could provide more information.Further analysis reveals that apparent individual difference on visual-spatial process and verbal-analytic process between different clusters.

Key words：Raven’s Advanced Progressive Matrices；Latent class analysis；item analysis；individual difference

*通訊作者：劉華山，E-mail：hsliupsycho@263.net。

中圖分類號：B841.2

文獻標識碼：A

文章編號：1003-5184(2016)03-0257-07