PARSCALE软件介绍：IRT多分类项目分析与量表建模工具

PARSCALE 是一款基于 项目反应理论（Item Response Theory，IRT） 的项目反应理论软件。该程序旨在扩展传统IRT方法，使其不仅能够处理 二分类项目（Binary Items），还能够分析 多分类项目（Polytomous Items） 以及 评分量表数据（Rating Scale Data）。

 

PARSCALE主要用于 大规模社会调查和教育测评项目。随着其功能不断完善，该软件逐渐被更广泛的研究领域采用，包括：

合规统计机构、市场研究机构、政策与管理咨询机构、心理学、社会学、教育学和医学等领域的研究人员

由于其高度灵活性和丰富的统计信息输出能力，PARSCALE到今天仍被全球众多科研机构和研究人员广泛使用。

 

 

一、支持多种数据类型的IRT分析

 

PARSCALE能够处理多种不同类型的数据，其中常见的是问卷调查数据。

在典型的问卷调查中，题目通常采用统一的等级类别进行评分，例如行为科学研究中常见的 Likert量表。例如：

“总是 / 经常 / 有时 / 从不”

“同意 / 不确定 / 不同意”

 

传统Likert方法通常将各类别简单赋予连续整数值，而 PARSCALE基于IRT模型，可以估计各类别之间的经验阈值（Category Boundaries）。

通过这种方法：

题目位置（Item Location）

类别边界（Category Threshold）

被试能力值（Respondent Score）

 

都可以在 潜在特质维度（Latent Trait Dimension） 上进行量化表示，从而获得更加精准的测量结果。

这种方法适用于多种研究场景，例如：

行为调查问卷

态度或观点调查

医学状态评估（如“危重 / 稳定 / 改善 / 无症状”等等级评定）

 

二、支持评分题与选择题分析

 

PARSCALE不仅适用于问卷调查，还可用于 教育测评工具的分析，例如：

 

1、评分题（Rating-scale items）

例如：

开放式问答题

论文或简答题评分

专家评审评分

这些题目通常根据评分标准划分为多个等级，PARSCALE可以对其进行IRT建模分析。

 

2、选择题（Multiple-choice items）

对于选择题，PARSCALE支持两种分析方式：

方式一：二分类分析

将所有错误选项合并为一个类别

形成传统的“正确 / 错误”分析模式

方式二：多分类分析

保留每个选项的独立信息

分析不同错误选项的选择模式

通过这种方式，研究人员可以获得 错误选项信息，从而对题目质量进行更加深入的诊断。此外，PARSCALE还可以在模型中 考虑猜测效应（Guessing Effect）。

 

三、支持混合题型测验分析

 

在实际测评中，测验通常包含 不同类型的题目，例如：

多项选择题

开放式评分题

等级量表题

 

PARSCALE通过 “Block（区块）”机制 来处理这种复杂结构：

同一评分类别结构的题目可归入同一Block

具有不同类别结构的题目可分配到不同Block

例如，在一个教育测验中：

一部分：5级评分的开放题

另一部分：多项选择题

PARSCALE可以分别建模，同时在同一测量框架下进行分析。

 

四、多群组分析与高阶测量功能

 

PARSCALE还提供 多群组分析（Multiple-group analysis） 功能，使研究人员能够开展更加深入的测量研究，例如：

 

1、差异项目功能分析（DIF）

用于检查：

不同群体之间题目是否存在偏差

不同时间测量中的题目稳定性

这对于 公平性研究和测验等值研究格外重要。

 

2、评分者效应分析（Rater Effect）

在评分型测验中，不同评分者可能存在：

评分偏差

评分严厉度差异

PARSCALE可以对 评分者效应进行建模分析，从而提高测量结果的可靠性和公平性。

 

五、文件与结果输出

 

PARSCALE在软件设计上还特别注重实践效率和结果分析体验：

指令（Syntax）文件结构清晰，便于编辑与管理

输出文件内容丰富，便于研究人员进行结果解释与报告撰写

这些特点使PARSCALE成为 教育测量与社会科学研究中重要的IRT分析工具之一。

 

作为一款成熟的 IRT多分类项目分析软件，PARSCALE能够处理复杂测验结构和多种数据类型，在教育测评、社会调查、心理测量和医学研究等领域具有重要应用价值。

 

随着数据测量需求的不断提高，PARSCALE仍然是研究人员进行 高质量量表分析与测量建模 的重要工具之一。

 

 

查看PARSCALE软件详情