項目反應理論在健康相關量表中的應用現狀及展望*

哈爾濱醫科大學(大慶)護理學院(163319) 王偉梁 周郁秋

項目反應理論(item response theory，IRT)屬于現代測量理論的一種，是針對經典測量理論(classic test theory，CTT)在實踐中的局限性而提出的，其主要優點為參數和能力估計的不變性[1]。除此之外，IRT在量表編制中優于CTT的三個特點：CTT注重量表的整體特性，而IRT則關注構成量表的每一條目的特性；根據待測潛在特質水平選擇項目；對項目和量表特性的視覺化表示[2]。其在健康相關領域中的應用，使量表在評估被試潛在特質的精確度及臨床應用的簡潔性、效率化上有一定的提高。鑒于以上優點，近年來IRT在量表編制和評價中得以廣泛應用。本文通過檢索國內關于IRT應用于健康相關領域的研究，分析其在健康相關量表編制和評價中的應用現狀，并總結IRT在應用過程中存在的問題以及最新的應用動態。

本文通過檢索知網、萬方和維普數據庫，共篩選出86篇相關文獻，文獻的基本信息見表1。結合數據分析可以看出，近年來文獻數量有了很大的增長，2010年至今，相關文獻達74篇(86%)，從這一發展趨勢看，今后IRT勢必會成為量表編制和評價中的應用熱點。但在文獻數量增加的同時，文獻質量也呈現出參差不齊。存在的主要問題為：一是部分研究只根據經驗來選擇模型，而缺少統計學的評價；二是研究中未重視IRT的基本假設檢驗；三是部分研究樣本量未達要求。這樣得出的結果就會有很大的誤差。IRT的理論基礎較為難懂，限制了其廣泛應用，同時國內相關應用相對較少，缺少參照標準，均導致大多研究者未意識到或忽略上述問題對于IRT分析的重要性。

IRT在量表編制和評價中的應用

1.條目篩選

IRT的條目篩選是通過一系列的參數估計來實現的，具體包括區分度參數(a)、難度參數(b)、項目信息量(information function，IF)和項目功能差異(differential item functioning，DIF)。從檢索到的文獻來看，應用最多的是a、b和IF，但不同研究所依據的參數參考范圍有很大差別。

表1 IRT在國內健康相關量表研究中的應用現況

*：量表再評價包括已有量表條目質量評價、簡化和DIF；CAT：計算機適應性測驗;MIRT:多維項目反應理論；NIRT：非參數項目反應理論。

(1)難度和區分度：難度和區分度的理論取值范圍均為[-∞，+∞]，但在實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：在健康相關領域中，由于測量的潛在特質概念界定相對狹窄，應用IRT參數估計出的區分度值總體偏高，此時仍參照[-2.80,+2.80]已無實際意義，為挑選最佳量表條目，會在其研究中對區分度范圍重新界定[4-5]，但不應超出以上范圍；(2)信息量：一般認為量表信息量>25表明條目質量良好；信息量16～25表明測評條目有待改進；信息量<16表明測評條目很差。16和25與條目個數的比值即為每個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)項目功能差異：質量高的量表條目被認為其對不同亞組人群(年齡、性別等)的潛在特質鑒別上應沒有差別。當同一條目在兩個亞組中的平均閾值差異大于0.5，則可認為該條目存在DIF，考慮刪除[8]。

檢索到的相關文獻中，23篇(72%)采用IRT結合CTT進行條目篩選。CTT注重的是量表的宏觀評價，即量表的整體特性，IRT注重的是量表的微觀評價，即每一條目的測量學特質，所以在量表條目篩選中，建議結合IRT和CTT對量表條目進行綜合評價，評價結果一致，則為條目的取舍提供更強的說服力;評價結果不同，則有助于我們從不同角度分析問題，找出原因所在，為條目的篩選提供更寬的視角。

2.量表再評價

量表簡化：IRT在量表編制中的一大特點為用最精簡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下進行進一步的簡化，提高臨床和科研效率，減輕被試負擔，增強其臨床適用性[9-10]。量表結構和條目質量評價：為使量表整體和條目質量達到最優化，許多研究者將已有量表在IRT的基礎上對其維度結構和條目質量再次評價，使其更好地應用于臨床實踐[11-13]。

3.計算機適應性測驗(computerized adaptive testing,CAT)

CAT主要是根據受試者的答題反應，利用計算機選出符合受試者程度值的題目讓其作答，因此只需要少數題目就能達到與傳統非適應性測驗相當的測量精準度[14]。CAT一般應用于大型的人格或能力測驗，在健康相關量表中的應用很少，在檢索到的國內相關文獻中，僅有Yang等[15]在其研究中對急性壓力反應量表臨床測評應用了CAT，而國外近幾年將CAT應用于健康相關量表評價的研究則較多[16-19]。

IRT近年來在量表編制和評價中的應用逐漸受到重視，而臨床廣泛使用的量表評價工具都是在CTT的基礎上發展而來的，往往帶有CTT固有的局限性，所以有必要在現代測量理論的基礎上進行量表特性的再分析評價，使其更好地應用于臨床實踐；量表簡化和CAT在科學的基礎上，保證測量精準度不變的情況下，大大提高臨床和科研效率，更加符合實踐應用的要求。

IRT在應用中需注意的問題

IRT是建立在復雜的數學模型基礎上的，其應用條件相對嚴格，只有數據符合IRT的基本要求時，其優越性才能體現出來，否則，IRT的參數估計就無實際參考意義。結合IRT在國內健康相關量表中的應用狀況分析，其主要問題為樣本量和假設檢驗。

1.模型擬合檢驗

選擇合適的模型是保證IRT數據分析結果準確性的前提。從檢索到的文獻來看，僅1篇(1.2%)從統計學角度評估模型適配程度，大多數模型的選擇是依據相關經驗或文獻回顧，而缺少統計學的評價指標。除Rasch模型外，其他模型的擬合檢驗均是通過嵌套模型之間的對比間接評價的，常用的統計評價指標為對數似然函數值(-2 Log Likelihood)，其值越小，表明模型-數據擬合越好，目前IRTPRO、BIOLOG、MUITILOG、PARSCALE及Stata14.0等軟件均可進行這一參數估計。除此之外，還有S-G2、S-χ2等也可用于評價模型擬合的好壞[20]。除模型擬合檢驗外，往往還需要進行條目擬合檢驗，在條目水平上評估模型與實際資料是否相吻合,可用于篩選量表中的個別條目[8,21]。

2.假設檢驗

IRT建立在很強的假設基礎上，要滿足相應的假設檢驗，得出的參數估計才有意義，否則，會出現很大的誤差。項目反應理論的兩個重要的基本假設即單維性和局部獨立性。目前檢索到的文獻中，共30篇(34.0%)進行了單維性檢驗，而僅3篇(3.4%)文獻中進行了局部獨立性檢驗。

(1)單維性檢驗

單維性即所有量表條目反映的是同一潛在特質。所有的IRT模型(除MIRT)均需要單維性檢驗，而大多數的研究中往往忽略這一點，一是因為部分研究者未意識到單維檢驗對數據分析的重要性，二是相關統計方法不明確。參考國內外相關研究，單維性檢驗的方法有：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)局部獨立性檢驗

局部獨立性即被試的潛在特質是影響被試反應的唯一因素，此假設是建立在單維性假設的基礎上的，只有單維性假設成立，該假設才有可能成立。

局部獨立性檢驗的方法有(1)殘差相關：驗證性因子分析的殘差相關來檢驗條目間獨立性，殘差相關絕對值≤0.3，表示局部獨立性假設成立[28]；(2)X2檢驗：Chen和Thissen建議局部獨立性χ2值≥10，表示假設成立[29]。此外還有G2檢驗、Q3檢驗等[30]。

局部獨立性檢驗是IRT應用的一個前提，然而諸多學者建議，在認為能力是單維的情況下，局部獨立性和單維性假定是等價的，即數據只要滿足單維性檢驗，就一定符合局部獨立性[24,31-32]。因此，建議在實際應用中，若數據很好地滿足單維的標準，則可以認為單維性和局部獨立性是等價的。

3.樣本量

IRT的不同模型對樣本量的需求尚無統一標準，模型越復雜，需要的樣本量越大。Linacre等[33]建議Rasch模型(1PL)參數估計時樣本量至少100例，而Wright等[34]則建議至少要達到200才能得出穩定結果；Hulin等[35]建議雙參數模型(2PL)至少需要500被試，參數估計才具有準確性；對于三參數模型(3PL)，樣本量則至少要達到1000。而等級反應模型(GRM)至少需要250例數據才能得出準確的參數估計[36]。

總的來說，樣本量越大，條目的參數估計越準確,得分的標準誤差越小[37]。本研究檢索到的86篇相關文獻中，樣本量范圍為133～7229例，其中20篇(23%)存在樣本量過小的問題，最小的樣本量僅133例(非Rasch模型)，這樣估計出來的參數顯然是不可靠的。在健康相關領域中，由于某些疾病本身特點的影響，使樣本量的可及性受到一定的限制，在模型和基本檢驗較好的情況下，樣本量可適當縮小，但不應低于最低要求。

項目反應理論的發展

IRT的參數估計依賴于一系列的假設基礎，而實際的數據往往難以滿足IRT的基本假設，給實踐應用造成很大的不便，這就使得近年來在IRT基礎上發展的多維項目反應理論(multidimensional item response theory,MIRT)和非參數項目反應理論(nonparametric item response theory,NIRT)受到更多的關注。

1.多維項目反應理論

對于不滿足單維性假設的數據，MIRT為其提供了替代方案。對于健康相關量表而言，測量的潛在特質往往是多維的，且量表維度跨度較大，維度之間同質性較差，所以較難滿足單維假設。目前，對于不滿足單維假定的數據有兩種處理方法：整體量表不滿足單維性，分每個維度進行單維性檢驗，若滿足，進行進一步分析[38-39]；應用MIRT處理數據[15,40]。然而若將每個維度單獨進行檢驗和參數估計，則忽略了量表整體之間的相關性，測量結果也會受影響。所以在數據不滿足單維時，MIRT應作為首選。

2.非參數項目反應理論

NIRT不是通過一系列的參數估計來評價被試的潛在特質水平，而是直接按被試在測試中所得的分數進行排序，從而得出被試特質水平的高低[41]。由于其對基本假設和樣本量要求相對寬泛，國外已有諸多研究將NIRT應用于健康相關量表的評價[9,11]。

展 望

IRT因其在量表應用中的顯著優點，近年來相關研究日漸增多。在條目篩選中，IRT結合CTT將從不同角度為量表條目篩選提供更加全面的依據；量表再評價、簡化以及CAT將大大提高量表測量工具在臨床應用和研究中的效率，以最簡潔、優質的條目準確地評估被試特征，在今后的相關研究中應更多地引入IRT。同時，IRT建立在復雜的數學模型基礎上，依賴于較強的假設，對數據要求比較嚴格，所以國外研究近年來較為推崇MIRT和NIRT,而國內在這方面的應用則非常有限。本文對IRT在我國健康相關量表中的應用現狀進行了分析總結，并對應用中存在的問題及近年來國外研究中的應用熱點進行了介紹，為今后IRT在我國量表編制和評價中更為廣泛的應用提供參考。