在多选项Rasch模型中评估阈值排序与晋升：一种基于概率的框架

评分量表被广泛用于测量态度、人格特征以及其他心理变量。然而，评分量表的分类方式有时并不能达到预期的效果。本文提出了一种基于概率的框架，用于解释多值Rasch模型中的阈值排序和阈值提升现象。具体来说，该框架阐明了为什么阈值排序和阈值提升对于测量结果来说非常重要，以及当这些要求被违反时会产生什么后果。在该框架中，作者提出了一种概率比率标准，该标准将阈值距离与相邻或非相邻响应类别的相对概率联系起来。这一标准为研究人员和从业者提供了一种简单、易于理解且符合具体情境的基准，以便确定区分具有期望概率对比的响应类别所需的最小阈值距离。通过理论分析和实证研究，使用多值Rasch模型的两种参数化形式——评分量表模型和部分信用模型，对大量采用常见4点和5点一致性尺度及频率尺度的工具进行了评估。实证结果表明，即使对同一组受访者进行评分，同一评分量表在不同工具下的表现也可能有所不同；此外，一致性量表中的中间中性响应类别尤其值得关注，因为它常常会出现阈值处理方面的问题。总体而言，这些方法和实证研究结果有助于更深入地了解多值Rasch模型中评分量表的功能特性。