第四章　大学生网络利他行为量表的项目功能差异分析

第一节　引言

项目功能差异（Differential Item Functioning，DIF）指的是群体能力被控制之后，一个项目在不同群体中表现出不同的统计特性（Angoff，1993）。如相同能力的男生和女生在某一项目上的得分存在显著差异，则表明该项目存在性别DIF。测验中存在DIF，就可能导致测验偏差，导致测验的不公平，即同一测验对不同的群体存在偏向性（Holland，1993）。另外，DIF项目对测验的效度有相当大的威协（Kim，2001），DIF的出现表明测验内容受到了其他因素的干扰。因此，DIF研究的主要目的是分析测验的公平性和有效性。

在DIF研究中，常把被试分为两组：目标组（focal group）和参照组（reference group）。把测验项目对其不利的人群作为目标组，测验项目对其有利的人群作为参照组。划分被试的依据一般有：性别、年级、民族、职业、地域、社会经济地位、历史背景、文化传统等。一般来讲，DIF可以分为两种：一致性DIF （uniform DIF）和非一致性DIF （non-uniform DIF） （Mellenbergh，1982）。被试的能力水平与其组别之间不存在交互作用，这称为一致性DIF。反之，被试的能力水平与其组别之间存在交互作用，则为非一致性DIF （Kimberly，et al.，2008）。

目前，研究者已开发出多种DIF分析的方法（Millsap，1993； Camilli，1994； Clauser，1998； Teresi，2001； Crane，2004； Broekman， 2008）。首先是基于经典测量理论的方法，如卡方方法、MH方法、STAND方法、SIBTEST方法、逻辑斯蒂回归方法等。这些方法计算简便且容易操作。但这些方法只用于侦察0、1记分项目，并且只能侦察一致性DIF而不能侦察非一致性DIF。其次，其结果过于依赖被试样本，样本的不同，DIF分析的结果也会不同，因此结果的稳定性很难保证。再次，它们在技术上也存在缺陷：它们混淆了项目难度和项目区分度，使用这些方法会创造一些人为的DIF而漏掉真正的DIF （Angoff，1993； Camilli＆Shepard，1994）。相比而言，基于IRT的DIF分析方法更具有优越性。IRT方法能清晰地区分项目难度和区分度参数。此外，IRT项目参数的估计不受被试样本的影响，被试能力的估计也不依赖于测验项目。IRT方法常用于0、1记分项目，近年来也提出了一些侦察DIF的多级记分IRT方法。但是IRT方法的参数估计需要大样本（1000人以上），计算复杂，花费也较高，所以IRT方法不是很常用（Clauser ＆Mazor，1998； Narayanan，1996； Reise，Widaman＆Pugh，1993）。另外，标准验证性因素分析也可用于DIF检测（Reise，1993；骆方、张厚粲，2006），但标准验证性因素分析方法的局限性在于它只侦察非一致性DIF而不能侦察一致性DIF，因为它只估计项目的因素负荷（项目区分度参数），而不估计项目截距（项目难度参数）。

Sorbom在1974年提出的均数与协方差结构（mean and covariance structure，MACS）模型是一种非常灵活有用的适于多级记分项目的DIF检测方法，它既可侦察一致性DIF，也能侦察非一致性DIF。在MACS模型中，项目截距对应于项目难度参数，项目因素负荷对应于项目区分度参数。判断一致性DIF还是非一致性DIF，取决于在各组上不同的项目参数的类型（Mellenbergh，1982； 1994）。因此，在项目截距上存在组间差异（即项目难度差异），表示一致性DIF。在因素负荷上存在差异（即项目区分度差异），则表示非一致性DIF。

用MACS模型对多级记分项目进行DIF侦察，已引起一些国外学者的兴趣（Everson，1991； Ferrando，1996； Chan，2000），但国内仅见1篇有关报告（赵必华，2009）。本章拟采用MACS模型对初步编制的大学生网络利他行为量表进行DIF分析，以测查量表各项目是否存在性别（男生和女生）与地域（经济发达地区和经济欠发达地区）的差异。希冀通过对量表DIF的分析，进一步完善项目质量，提高量表的公正性、有效性。