哈爾濱醫(yī)科大學(xué)(大慶)護(hù)理學(xué)院(163319) 王偉梁 周郁秋

項(xiàng)目反應(yīng)理論(item response theory，IRT)屬于現(xiàn)代測(cè)量理論的一種，是針對(duì)經(jīng)典測(cè)量理論(classic test theory，CTT)在實(shí)踐中的局限性而提出的，其主要優(yōu)點(diǎn)為參數(shù)和能力估計(jì)的不變性[1]。除此之外，IRT在量表編制中優(yōu)于CTT的三個(gè)特點(diǎn)：CTT注重量表的整體特性，而IRT則關(guān)注構(gòu)成量表的每一條目的特性；根據(jù)待測(cè)潛在特質(zhì)水平選擇項(xiàng)目；對(duì)項(xiàng)目和量表特性的視覺(jué)化表示[2]。其在健康相關(guān)領(lǐng)域中的應(yīng)用，使量表在評(píng)估被試潛在特質(zhì)的精確度及臨床應(yīng)用的簡(jiǎn)潔性、效率化上有一定的提高。鑒于以上優(yōu)點(diǎn)，近年來(lái)IRT在量表編制和評(píng)價(jià)中得以廣泛應(yīng)用。本文通過(guò)檢索國(guó)內(nèi)關(guān)于IRT應(yīng)用于健康相關(guān)領(lǐng)域的研究，分析其在健康相關(guān)量表編制和評(píng)價(jià)中的應(yīng)用現(xiàn)狀，并總結(jié)IRT在應(yīng)用過(guò)程中存在的問(wèn)題以及最新的應(yīng)用動(dòng)態(tài)。

本文通過(guò)檢索知網(wǎng)、萬(wàn)方和維普數(shù)據(jù)庫(kù)，共篩選出86篇相關(guān)文獻(xiàn)，文獻(xiàn)的基本信息見(jiàn)表1。結(jié)合數(shù)據(jù)分析可以看出，近年來(lái)文獻(xiàn)數(shù)量有了很大的增長(zhǎng)，2010年至今，相關(guān)文獻(xiàn)達(dá)74篇(86%)，從這一發(fā)展趨勢(shì)看，今后IRT勢(shì)必會(huì)成為量表編制和評(píng)價(jià)中的應(yīng)用熱點(diǎn)。但在文獻(xiàn)數(shù)量增加的同時(shí)，文獻(xiàn)質(zhì)量也呈現(xiàn)出參差不齊。存在的主要問(wèn)題為：一是部分研究只根據(jù)經(jīng)驗(yàn)來(lái)選擇模型，而缺少統(tǒng)計(jì)學(xué)的評(píng)價(jià)；二是研究中未重視IRT的基本假設(shè)檢驗(yàn)；三是部分研究樣本量未達(dá)要求。這樣得出的結(jié)果就會(huì)有很大的誤差。IRT的理論基礎(chǔ)較為難懂，限制了其廣泛應(yīng)用，同時(shí)國(guó)內(nèi)相關(guān)應(yīng)用相對(duì)較少，缺少參照標(biāo)準(zhǔn)，均導(dǎo)致大多研究者未意識(shí)到或忽略上述問(wèn)題對(duì)于IRT分析的重要性。

IRT在量表編制和評(píng)價(jià)中的應(yīng)用

1.條目篩選

IRT的條目篩選是通過(guò)一系列的參數(shù)估計(jì)來(lái)實(shí)現(xiàn)的，具體包括區(qū)分度參數(shù)(a)、難度參數(shù)(b)、項(xiàng)目信息量(information function，IF)和項(xiàng)目功能差異(differential item functioning，DIF)。從檢索到的文獻(xiàn)來(lái)看，應(yīng)用最多的是a、b和IF，但不同研究所依據(jù)的參數(shù)參考范圍有很大差別。

表1 IRT在國(guó)內(nèi)健康相關(guān)量表研究中的應(yīng)用現(xiàn)況

*：量表再評(píng)價(jià)包括已有量表?xiàng)l目質(zhì)量評(píng)價(jià)、簡(jiǎn)化和DIF；CAT：計(jì)算機(jī)適應(yīng)性測(cè)驗(yàn);MIRT:多維項(xiàng)目反應(yīng)理論；NIRT：非參數(shù)項(xiàng)目反應(yīng)理論。

(1)難度和區(qū)分度：難度和區(qū)分度的理論取值范圍均為[-∞，+∞]，但在實(shí)踐中通常采用的參考值范圍分別為∈[-3,+3],a[-2.80,+2.80][3]。也有研究表明：在健康相關(guān)領(lǐng)域中，由于測(cè)量的潛在特質(zhì)概念界定相對(duì)狹窄，應(yīng)用IRT參數(shù)估計(jì)出的區(qū)分度值總體偏高，此時(shí)仍參照[-2.80,+2.80]已無(wú)實(shí)際意義，為挑選最佳量表?xiàng)l目，會(huì)在其研究中對(duì)區(qū)分度范圍重新界定[4-5]，但不應(yīng)超出以上范圍；(2)信息量：一般認(rèn)為量表信息量>25表明條目質(zhì)量良好；信息量16～25表明測(cè)評(píng)條目有待改進(jìn)；信息量<16表明測(cè)評(píng)條目很差。16和25與條目個(gè)數(shù)的比值即為每個(gè)條目的平均信息量參考范圍，條目信息量小于平均信息量的建議刪除[6-7]；(3)項(xiàng)目功能差異：質(zhì)量高的量表?xiàng)l目被認(rèn)為其對(duì)不同亞組人群(年齡、性別等)的潛在特質(zhì)鑒別上應(yīng)沒(méi)有差別。當(dāng)同一條目在兩個(gè)亞組中的平均閾值差異大于0.5，則可認(rèn)為該條目存在DIF，考慮刪除[8]。

檢索到的相關(guān)文獻(xiàn)中，23篇(72%)采用IRT結(jié)合CTT進(jìn)行條目篩選。CTT注重的是量表的宏觀評(píng)價(jià)，即量表的整體特性，IRT注重的是量表的微觀評(píng)價(jià)，即每一條目的測(cè)量學(xué)特質(zhì)，所以在量表?xiàng)l目篩選中，建議結(jié)合IRT和CTT對(duì)量表?xiàng)l目進(jìn)行綜合評(píng)價(jià)，評(píng)價(jià)結(jié)果一致，則為條目的取舍提供更強(qiáng)的說(shuō)服力;評(píng)價(jià)結(jié)果不同，則有助于我們從不同角度分析問(wèn)題，找出原因所在，為條目的篩選提供更寬的視角。

2.量表再評(píng)價(jià)

量表簡(jiǎn)化：IRT在量表編制中的一大特點(diǎn)為用最精簡(jiǎn)的條目反映最大的信息量。一些基于CTT編制的量表，有必要在IRT下進(jìn)行進(jìn)一步的簡(jiǎn)化，提高臨床和科研效率，減輕被試負(fù)擔(dān)，增強(qiáng)其臨床適用性[9-10]。量表結(jié)構(gòu)和條目質(zhì)量評(píng)價(jià)：為使量表整體和條目質(zhì)量達(dá)到最優(yōu)化，許多研究者將已有量表在IRT的基礎(chǔ)上對(duì)其維度結(jié)構(gòu)和條目質(zhì)量再次評(píng)價(jià)，使其更好地應(yīng)用于臨床實(shí)踐[11-13]。

3.計(jì)算機(jī)適應(yīng)性測(cè)驗(yàn)(computerized adaptive testing,CAT)

CAT主要是根據(jù)受試者的答題反應(yīng)，利用計(jì)算機(jī)選出符合受試者程度值的題目讓其作答，因此只需要少數(shù)題目就能達(dá)到與傳統(tǒng)非適應(yīng)性測(cè)驗(yàn)相當(dāng)?shù)臏y(cè)量精準(zhǔn)度[14]。CAT一般應(yīng)用于大型的人格或能力測(cè)驗(yàn)，在健康相關(guān)量表中的應(yīng)用很少，在檢索到的國(guó)內(nèi)相關(guān)文獻(xiàn)中，僅有Yang等[15]在其研究中對(duì)急性壓力反應(yīng)量表臨床測(cè)評(píng)應(yīng)用了CAT，而國(guó)外近幾年將CAT應(yīng)用于健康相關(guān)量表評(píng)價(jià)的研究則較多[16-19]。

IRT近年來(lái)在量表編制和評(píng)價(jià)中的應(yīng)用逐漸受到重視，而臨床廣泛使用的量表評(píng)價(jià)工具都是在CTT的基礎(chǔ)上發(fā)展而來(lái)的，往往帶有CTT固有的局限性，所以有必要在現(xiàn)代測(cè)量理論的基礎(chǔ)上進(jìn)行量表特性的再分析評(píng)價(jià)，使其更好地應(yīng)用于臨床實(shí)踐；量表簡(jiǎn)化和CAT在科學(xué)的基礎(chǔ)上，保證測(cè)量精準(zhǔn)度不變的情況下，大大提高臨床和科研效率，更加符合實(shí)踐應(yīng)用的要求。

IRT在應(yīng)用中需注意的問(wèn)題

IRT是建立在復(fù)雜的數(shù)學(xué)模型基礎(chǔ)上的，其應(yīng)用條件相對(duì)嚴(yán)格，只有數(shù)據(jù)符合IRT的基本要求時(shí)，其優(yōu)越性才能體現(xiàn)出來(lái)，否則，IRT的參數(shù)估計(jì)就無(wú)實(shí)際參考意義。結(jié)合IRT在國(guó)內(nèi)健康相關(guān)量表中的應(yīng)用狀況分析，其主要問(wèn)題為樣本量和假設(shè)檢驗(yàn)。

1.模型擬合檢驗(yàn)

選擇合適的模型是保證IRT數(shù)據(jù)分析結(jié)果準(zhǔn)確性的前提。從檢索到的文獻(xiàn)來(lái)看，僅1篇(1.2%)從統(tǒng)計(jì)學(xué)角度評(píng)估模型適配程度，大多數(shù)模型的選擇是依據(jù)相關(guān)經(jīng)驗(yàn)或文獻(xiàn)回顧，而缺少統(tǒng)計(jì)學(xué)的評(píng)價(jià)指標(biāo)。除Rasch模型外，其他模型的擬合檢驗(yàn)均是通過(guò)嵌套模型之間的對(duì)比間接評(píng)價(jià)的，常用的統(tǒng)計(jì)評(píng)價(jià)指標(biāo)為對(duì)數(shù)似然函數(shù)值(-2 Log Likelihood)，其值越小，表明模型-數(shù)據(jù)擬合越好，目前IRTPRO、BIOLOG、MUITILOG、PARSCALE及Stata14.0等軟件均可進(jìn)行這一參數(shù)估計(jì)。除此之外，還有S-G2、S-χ2等也可用于評(píng)價(jià)模型擬合的好壞[20]。除模型擬合檢驗(yàn)外，往往還需要進(jìn)行條目擬合檢驗(yàn)，在條目水平上評(píng)估模型與實(shí)際資料是否相吻合,可用于篩選量表中的個(gè)別條目[8,21]。

2.假設(shè)檢驗(yàn)

IRT建立在很強(qiáng)的假設(shè)基礎(chǔ)上，要滿足相應(yīng)的假設(shè)檢驗(yàn)，得出的參數(shù)估計(jì)才有意義，否則，會(huì)出現(xiàn)很大的誤差。項(xiàng)目反應(yīng)理論的兩個(gè)重要的基本假設(shè)即單維性和局部獨(dú)立性。目前檢索到的文獻(xiàn)中，共30篇(34.0%)進(jìn)行了單維性檢驗(yàn)，而僅3篇(3.4%)文獻(xiàn)中進(jìn)行了局部獨(dú)立性檢驗(yàn)。

(1)單維性檢驗(yàn)

單維性即所有量表?xiàng)l目反映的是同一潛在特質(zhì)。所有的IRT模型(除MIRT)均需要單維性檢驗(yàn)，而大多數(shù)的研究中往往忽略這一點(diǎn)，一是因?yàn)椴糠盅芯空呶匆庾R(shí)到單維檢驗(yàn)對(duì)數(shù)據(jù)分析的重要性，二是相關(guān)統(tǒng)計(jì)方法不明確。參考國(guó)內(nèi)外相關(guān)研究，單維性檢驗(yàn)的方法有：特征根比值法[22-24]、主成分分析[25]、平行分析[26]和殘差分析[27]。其中特征根比值法最為常用。

(2)局部獨(dú)立性檢驗(yàn)

局部獨(dú)立性即被試的潛在特質(zhì)是影響被試反應(yīng)的唯一因素，此假設(shè)是建立在單維性假設(shè)的基礎(chǔ)上的，只有單維性假設(shè)成立，該假設(shè)才有可能成立。

局部獨(dú)立性檢驗(yàn)的方法有(1)殘差相關(guān)：驗(yàn)證性因子分析的殘差相關(guān)來(lái)檢驗(yàn)條目間獨(dú)立性，殘差相關(guān)絕對(duì)值≤0.3，表示局部獨(dú)立性假設(shè)成立[28]；(2)X2檢驗(yàn)：Chen和Thissen建議局部獨(dú)立性χ2值≥10，表示假設(shè)成立[29]。此外還有G2檢驗(yàn)、Q3檢驗(yàn)等[30]。

局部獨(dú)立性檢驗(yàn)是IRT應(yīng)用的一個(gè)前提，然而諸多學(xué)者建議，在認(rèn)為能力是單維的情況下，局部獨(dú)立性和單維性假定是等價(jià)的，即數(shù)據(jù)只要滿足單維性檢驗(yàn)，就一定符合局部獨(dú)立性[24,31-32]。因此，建議在實(shí)際應(yīng)用中，若數(shù)據(jù)很好地滿足單維的標(biāo)準(zhǔn)，則可以認(rèn)為單維性和局部獨(dú)立性是等價(jià)的。

3.樣本量

IRT的不同模型對(duì)樣本量的需求尚無(wú)統(tǒng)一標(biāo)準(zhǔn)，模型越復(fù)雜，需要的樣本量越大。Linacre等[33]建議Rasch模型(1PL)參數(shù)估計(jì)時(shí)樣本量至少100例，而Wright等[34]則建議至少要達(dá)到200才能得出穩(wěn)定結(jié)果；Hulin等[35]建議雙參數(shù)模型(2PL)至少需要500被試，參數(shù)估計(jì)才具有準(zhǔn)確性；對(duì)于三參數(shù)模型(3PL)，樣本量則至少要達(dá)到1000。而等級(jí)反應(yīng)模型(GRM)至少需要250例數(shù)據(jù)才能得出準(zhǔn)確的參數(shù)估計(jì)[36]。

總的來(lái)說(shuō)，樣本量越大，條目的參數(shù)估計(jì)越準(zhǔn)確,得分的標(biāo)準(zhǔn)誤差越小[37]。本研究檢索到的86篇相關(guān)文獻(xiàn)中，樣本量范圍為133～7229例，其中20篇(23%)存在樣本量過(guò)小的問(wèn)題，最小的樣本量?jī)H133例(非Rasch模型)，這樣估計(jì)出來(lái)的參數(shù)顯然是不可靠的。在健康相關(guān)領(lǐng)域中，由于某些疾病本身特點(diǎn)的影響，使樣本量的可及性受到一定的限制，在模型和基本檢驗(yàn)較好的情況下，樣本量可適當(dāng)縮小，但不應(yīng)低于最低要求。

項(xiàng)目反應(yīng)理論的發(fā)展

IRT的參數(shù)估計(jì)依賴于一系列的假設(shè)基礎(chǔ)，而實(shí)際的數(shù)據(jù)往往難以滿足IRT的基本假設(shè)，給實(shí)踐應(yīng)用造成很大的不便，這就使得近年來(lái)在IRT基礎(chǔ)上發(fā)展的多維項(xiàng)目反應(yīng)理論(multidimensional item response theory,MIRT)和非參數(shù)項(xiàng)目反應(yīng)理論(nonparametric item response theory,NIRT)受到更多的關(guān)注。

1.多維項(xiàng)目反應(yīng)理論

對(duì)于不滿足單維性假設(shè)的數(shù)據(jù)，MIRT為其提供了替代方案。對(duì)于健康相關(guān)量表而言，測(cè)量的潛在特質(zhì)往往是多維的，且量表維度跨度較大，維度之間同質(zhì)性較差，所以較難滿足單維假設(shè)。目前，對(duì)于不滿足單維假定的數(shù)據(jù)有兩種處理方法：整體量表不滿足單維性，分每個(gè)維度進(jìn)行單維性檢驗(yàn)，若滿足，進(jìn)行進(jìn)一步分析[38-39]；應(yīng)用MIRT處理數(shù)據(jù)[15,40]。然而若將每個(gè)維度單獨(dú)進(jìn)行檢驗(yàn)和參數(shù)估計(jì)，則忽略了量表整體之間的相關(guān)性，測(cè)量結(jié)果也會(huì)受影響。所以在數(shù)據(jù)不滿足單維時(shí)，MIRT應(yīng)作為首選。

2.非參數(shù)項(xiàng)目反應(yīng)理論

NIRT不是通過(guò)一系列的參數(shù)估計(jì)來(lái)評(píng)價(jià)被試的潛在特質(zhì)水平，而是直接按被試在測(cè)試中所得的分?jǐn)?shù)進(jìn)行排序，從而得出被試特質(zhì)水平的高低[41]。由于其對(duì)基本假設(shè)和樣本量要求相對(duì)寬泛，國(guó)外已有諸多研究將NIRT應(yīng)用于健康相關(guān)量表的評(píng)價(jià)[9,11]。

展 望

IRT因其在量表應(yīng)用中的顯著優(yōu)點(diǎn)，近年來(lái)相關(guān)研究日漸增多。在條目篩選中，IRT結(jié)合CTT將從不同角度為量表?xiàng)l目篩選提供更加全面的依據(jù)；量表再評(píng)價(jià)、簡(jiǎn)化以及CAT將大大提高量表測(cè)量工具在臨床應(yīng)用和研究中的效率，以最簡(jiǎn)潔、優(yōu)質(zhì)的條目準(zhǔn)確地評(píng)估被試特征，在今后的相關(guān)研究中應(yīng)更多地引入IRT。同時(shí)，IRT建立在復(fù)雜的數(shù)學(xué)模型基礎(chǔ)上，依賴于較強(qiáng)的假設(shè)，對(duì)數(shù)據(jù)要求比較嚴(yán)格，所以國(guó)外研究近年來(lái)較為推崇MIRT和NIRT,而國(guó)內(nèi)在這方面的應(yīng)用則非常有限。本文對(duì)IRT在我國(guó)健康相關(guān)量表中的應(yīng)用現(xiàn)狀進(jìn)行了分析總結(jié)，并對(duì)應(yīng)用中存在的問(wèn)題及近年來(lái)國(guó)外研究中的應(yīng)用熱點(diǎn)進(jìn)行了介紹，為今后IRT在我國(guó)量表編制和評(píng)價(jià)中更為廣泛的應(yīng)用提供參考。