解决测量问题的RASCH模型:社会科学中的不变性测量_[美]乔治·恩格尔哈德（George Engelhard, Jr.），王珏（Jue Wang）_9787543236424

Rasch量表是一种能够普遍地应用于社会科学研究中与测量相关的问题的量表类型，它的发展为解决各类测量问题提供了一种基于不变性测量的解决方法。本书基于Rasch测量理论和Rasch量表的开发过程描述了一系列测量问题，首先介绍了不变性测量的概念，然后重点介绍了如何基于Rasch测量理论开发量表，并且结合粮食不安全经历量表等实例展示了Rasch量表的构建过程，具体包括了Rasch量表的构建、评估、维护和使用，给出了定义潜变量、评估题目功能差异、检查题目互换性以及设定切割分数的具体处理方法。

本书的目标
本书旨在介绍关于Rasch测量理论的现有观点，重点介绍如何基于Rasch测量理论开发量尺。Rasch测量理论代表了测量理论在范式上的变化，这种范式和经典测验理论（classical test theory, CTT）的范式完全不同，它创建了一个可以产生不变性测量的标定（scaling）框架。Rasch量尺的开发包括四个部分：构建、评估、维护和使用。这些组成部分有助于我们解决在社会、行为和健康科学领域所遇到的实际测量问题。通过认真考虑Rasch测量理论对不变性测量的要求，我们对许多测量问题将会有更加深入的理解。我们最终的目标是鼓励读者和我们一起在社会科学研究中通过开发Rasch量尺来探寻不变性测量。
章节安排
第1章主要介绍不变性测量的基本要求。首先，简要讨论了Rasch测量理论作为一种测量体系，可用于解决社会科学中的实际测量问题。其次，介绍了创建Rasch量尺的几个构件，正是这些构件使得不变性测量成为可能。最后提出了四个测量问题，并展示了如何使用Rasch测量理论来解决这些问题。
第2章介绍了构建一个代表研究者感兴趣的潜变量的量尺所需的基础知识。利用不变性测量的要求，指导基于Rasch测量理论进行量尺构建的每一个模块。构建一个Rasch量表的模块包括定义要测量的潜变量[构念（construct）]，设计观测指标（例如，题目或问题），设定一组评分规则，以及将Rasch模型应用于观测数据从而获得怀特图，以经验方式显示所构建的量尺。
第3章讨论了对测量一组题目和一个群体的Rasch量尺进行评估时涉及的具体内容。不变性测量包括不随题目变化的对个体的测量（item-invariant person measurement）和不随个体变化的对题目的校标（person-invariant item calibration），这些不变性测量只有在获得良好的模型-数据拟合度（model-data fit）后才能实现。评估Rasch量尺的策略是把不变性测量在理论上的理想特征带入我们观测到的测量的现实世界中。
第4章介绍了在社会科学测量中遇到的一个重要而普遍的问题：我们如何维护一个量尺在各种条件下测量学质量的稳定性？它把重点放在个体得分的可比性上。需要强调的是，我们把潜变量和连续尺度之间的联系视为不变的，而不是用于操作化量尺的特定题目或个体。换句话说，我们维护量表的目的是建立一个共同的度量尺度，以便不同的题目和量表经过调整，可以产生可比较的个体分数。
第5章讨论了《教育和心理测试标准》（AERA，APA，& NCME，2014）中的三大测验基础，分别是测验分数的效度、信度和公平性。研究者开发量表并将这些量表分数用于众多目的。其中一个目的是为政策提供信息，在政策制定中通常会在一个尺度上确定切割分数（分数线）或临界值，并据此来定义有序的类别。教育成就方面的例子包括在全国教育进步评估(NAEP)中使用的学业表现水平，该水平分为三个等级:基础（Basic）、熟练(Proficient)和优异（Advanced）。批判性地评估量表分数是否可被用于指导与评估和测验相关的政策是非常重要的。
最后，我们在第6章总结了主要观点，并为有兴趣使用Rasch测量理论的读者指明了未来的发展方向。
本书的读者
本书的目标读者与SAGE的社会科学中的定量应用(QASS)系列丛书中其他书的目标读者是相同的。这些小绿书是面向学生、教师和研究人员而设计的我们的贡献是针对相同的受众。
学习工具
这本书中所有的Rasch分析都是使用Facets计算机程序(Linacre，2018a)运行而得的。我们还开发了一个R程序每个人的Rasch测量分析程序(ERMA)，可以用它来获得Rasch模型的参数估计，并检查模型和数据的拟合程度。还有一组不断发展的R软件包可以用于Rasch分析，读者可以在网上搜索最新的软件包。
我们还创建了一个关于Rasch测量理论的在线模块(Wang & Engelhard, 2019)，该模块是国家教育测量委员会(NCME)所提供的ITEMS模块的一部分，可以从NCME网站免费获取。如果想了解Rasch软件（包括Winsteps和Facets）的最新进展，Winsteps.com网站仍然是一个重要的资源。Rasch测量网站(www.rasch.org)是另一个探讨Rasch测量理论相关问题和进展的有用的网站。
数据
整本书使用了一个基于粮食不安全经历(FIE)量表的数据。这个量表包含了八道题目，每道题目编码为二分变量(是=1，否= 0)。我们选择了一个40人的样本数据来说明本书所涉及的概念。
线上资源
本书的Facets语句、ERMA的R代码，以及样本数据均可从该书的网站上获取：https://study.sagepub.com/researchmethods/qass/engelhard-rasch-models。

你还可能感兴趣

我要评论