发帖
雷达卡
一份李克特量表发下去，总有人每题都往中间放，也总有人专挑两端。这两种习惯跟题目内容无关，却会把潜变量的测量结果拉偏，这就是反应风格。2026 年 10 月 14 日发表在 Behavior Research Methods 的这篇教程，把「怎么把这种偏差从得分里剥出来」写成了可执行流程，作者是 Thorsten Meiser、Esther Ulitzsch 与 Mirka Henninger，开放获取，配套的 R 代码与数据都在公开仓库里。
偏差到底歪在哪
文章开头把机制说清楚了：反应风格指的是个体在使用作答格式上的差异，与题目内容无关，具体表现为偏好或回避中间选项、偏好或回避极端选项。这类差异一旦存在，测出来的分数就同时混了两个东西：真实特质，和答题习惯。
后果不是「分数不准一点」这种程度。习惯往中间放的人，特质得分被压向均值；习惯挑两端的人，得分被推向两头。做组间比较时，如果两组人的答题习惯分布不同，比出来的差异可能全部来自习惯，而不是特质本身。这也是为什么这篇教程把重点放在「校正之后的估计会怎么变」，而不只是「模型能不能拟合」。
两类模型：改IRT，还是拆成树
论文给了两条互补的路。
第一条是带反应风格维度的 IRT 模型。做法是在多维 IRT 框架里额外设一个（或多个）风格因子，让每个题目同时负载在特质维度和风格维度上，估出来的特质分数就剔除了风格成分。文章介绍了 divide-by-total 这一类模型里的 PCM 与 gPCM，也就是分部评分模型与广义分部评分模型，并说明它们在多维设定下如何容纳风格因子。
第二条是 IRTree 模型。它不把作答看成一个整体反应，而是拆成一串连续的二值决策：先决定要不要用中间类别，再决定往哪一端走，最后决定走多远。每个节点都可以有自己的预测变量，风格就落在「用不用中间」「走不走极端」这两个节点上。
两条路各有代价。IRT 路线改动小，模型形式熟悉，但要事先假定风格因子的结构；IRTree 路线解释力强，能把「中间倾向」和「极端倾向」分开估计，代价是模型更复杂、参数更多、对样本量更敏感。教程的价值在于把两条路都跑了一遍，而不是只推一种。
在 mirt 里怎么跑
实现部分没有另造轮子。作者明确写：全程用标准 R 工具设定模型，参数估计统一放在多维 IRT 框架里，靠 mirt 包完成。文中引的是 Chalmers 2012 与 Chalmers 等 2025 两个版本。
走的是三步：先设定模型结构（题目负载在哪些维度、风格因子怎么进），再把模型交给 mirt 估计，最后把估计结果整理成可解释的参数表。文章在参数表那部分讲得很细，比如 IRTpars 参数打开后，输出的列分别是哪些量、怎么读。
真实数据走一遍：8 题、477 人
示例数据来自一份自我报告元认知能力的量表，原始数据出自 Double 2025 的研究，八个题目、六点作答。数据清理之后，有效样本是 477 人。
文章在这一步给了一个很实用的细节：第七题最低类别出现零频次，导致该题的阈值估不出来，作者据此把这一题的评分权重 scoring.RS 按实际观测到的类别范围做了调整。这种地方在教科书里通常被跳过，真跑数据时却一定会遇到。
结果怎么读：有放大，也有收缩
结果部分有三条值得记住。
一是维度之间的相关。两类模型都显示，特质各维度之间、风格各因子之间相关都不小，但特质与风格之间的相关很小。这个结构支持「风格是独立于内容的东西」这一前提，也说明把风格单列成维度不是硬凑。
二是校正后的变化方向。文章写，模型估计出的特质分数在剔除中间风格与极端风格之后，呈现出预期的放大与收缩格局：被中间倾向压平的分数回升，被极端倾向抬高的分数回落。
三是两类模型的对照。IRT 与 IRTree 给出的结论同向，说明结果不依赖某一种设定。这一点对想直接上手的人比较重要：先用 IRT 路线试，形式简单、跑得动，结论稳定后再用 IRTree 拆细。
文章结尾还留了一段讨论，讲心理测量建模近年的进展，包括混合模型与多维设定的一些新做法，适合当延伸阅读的索引。
什么时候不必上这套
如果量表只有三五道题、样本一两百，IRTree 那条路的参数撑不住，先把 IRT 那条跑通就够用。如果研究问题只是给个体排序、不做组间比较，风格校正带来的位次变化也未必值得多写一套模型。这套方法的用处集中在一种情形：比较的两组人，答题习惯的分布本身不一样。那时候不校正，比出来的差异就说不清是特质还是习惯。
判断依据其实在文章的结构里。它把「校正前后的变化」当成结果来讲，而不是把「模型能拟合」当成结论，说明作者关心的也是比较的可靠性，不是模型本身的复杂度。
────────────────
这篇论文的 PDF 入口、配套 R 脚本与数据仓库地址、许可与引用格式，都放在下面，回帖就能看到。
把经管之家装进你常用的 AI 智能体中 一键快捷安装经管之家 MCP／技能，让 AI 帮你查教程、找数据、读论坛帖子。 检索、阅读公开帖子不收费，安装可申请领取：3 通用积分＋100 论坛币＋3 元论坛资金 说明： AI 算力按所用平台规则计算；附件按原帖条件获取；福利领取条件以活动页面为准。 |
京公网安备 11010802022788号
