基于WLEIS情緒智力測(cè)驗(yàn)的IRT分析

黃明明?王立君

摘 要 文章運(yùn)用項(xiàng)目反應(yīng)理論技術(shù)（IRT）對(duì)自陳式情緒智力量表WLEIS在大學(xué)生群體中的施測(cè)結(jié)果進(jìn)行分析，從評(píng)分選項(xiàng)、題目參數(shù)以及測(cè)驗(yàn)整體性能與結(jié)構(gòu)等方面考察WLEIS的質(zhì)量。以WLEIS中文版為測(cè)驗(yàn)工具對(duì)大學(xué)生施測(cè)，獲得數(shù)據(jù)后利用WINSTEPS軟件進(jìn)行分析。結(jié)果表明，WLEIS具有多維性，整個(gè)測(cè)驗(yàn)內(nèi)部一致性系數(shù)達(dá)0.874，測(cè)驗(yàn)整體偏易，個(gè)別項(xiàng)目的評(píng)分方式也需要進(jìn)行修正后方可適合對(duì)大學(xué)生進(jìn)行施測(cè)。

關(guān)鍵詞 情緒智力；情緒智力測(cè)驗(yàn)；IRT；Rasch模型

分類號(hào) B841.7

情緒智力（Emotional Intelligence，EI）的概念是美國(guó)心理學(xué)家Peter Salovey和John Mayer于1990年提出的，隨即引起了心理學(xué)界和管理學(xué)界的高度關(guān)注。目前為止，情緒智力的理論與實(shí)踐研究成果已經(jīng)非常豐碩，但是關(guān)于情緒智力的內(nèi)涵與結(jié)構(gòu)至今沒有達(dá)成統(tǒng)一。圍繞這個(gè)問題，學(xué)術(shù)界關(guān)于情緒智力的理論研究出現(xiàn)了能力模型流派與混合模型流派的爭(zhēng)議，情緒智力測(cè)驗(yàn)也出現(xiàn)了相對(duì)應(yīng)的兩種取向。能力模型流派認(rèn)為，情緒智力屬于一種能力，通常被定義為識(shí)別、管理自己與他人情緒的能力（Goleman，1995），常見的理論模型有Bar-On的情緒智力模型、許遠(yuǎn)理的情緒智力三維結(jié)構(gòu)模型等，常見情緒智力測(cè)驗(yàn)有MSCEIT（Mayer Salovey-Caruso Emotional Intelligence Test）、WLEIS（Wong and Law Emotional Intelligence Scale）以及WEIS（Wongs Emotional Intelligence Scale）等?；旌夏Ｐ土髋烧J(rèn)為，情緒智力中的自我控制、自我管理等成分與人格有交叉點(diǎn)，常見的情緒智力測(cè)驗(yàn)有ECI（Emotional Competence Inventory）和EQ-i（Emotional Quotient Inventory）等。

Goleman認(rèn)為，一個(gè)人的情緒智力一般可以通過自我意識(shí)、自我管理、自我激勵(lì)、移情和社交技能五大方面進(jìn)行評(píng)估。Wong和Law（2002）在Goleman研究的基礎(chǔ)上，通過對(duì)中國(guó)香港地區(qū)的實(shí)證研究發(fā)現(xiàn)，可以從一個(gè)人的自我情緒評(píng)估、對(duì)他人情緒評(píng)估、情緒運(yùn)用以及情緒調(diào)節(jié)四個(gè)方面來衡量一個(gè)人的情緒智力，并開發(fā)了包含16個(gè)項(xiàng)目的測(cè)量量表，稱為WLEIS（Wong & Law，2002）。此量表也是情緒智力流派中的能力模型流派代表與證明，常常被作為企業(yè)等用人單位人事測(cè)評(píng)與選拔的重要工具，對(duì)領(lǐng)導(dǎo)者情緒智力進(jìn)行考察，而很少用于其他人群。為探討此測(cè)驗(yàn)在大學(xué)生群體施測(cè)的有效性，本文以實(shí)證研究進(jìn)行論證，采用項(xiàng)目反應(yīng)理論（Item Response Theory，IRT）分析方法對(duì)大學(xué)生群體的施測(cè)結(jié)果進(jìn)行分析，為后續(xù)的研究提供參考。

1 測(cè)驗(yàn)量表簡(jiǎn)介

WLEIS是Wong和Law在2002開發(fā)出來的自陳式情緒智力量表（Wong & Law，2002），該量表是在中國(guó)背景下編制而成的，對(duì)中國(guó)人施測(cè)時(shí)不存在文化差異等問題，是一個(gè)較好的本土化情緒智力量表。量表有16個(gè)項(xiàng)目，采用李克特5點(diǎn)計(jì)分，共四個(gè)維度，每個(gè)維度下各有4個(gè)項(xiàng)目。四個(gè)維度分別是認(rèn)知自我情緒、認(rèn)知他人情緒、調(diào)節(jié)情緒和運(yùn)用情緒，即四種情緒智力。認(rèn)知自我情緒的能力是指?jìng)€(gè)體可以理解自己深層次的情緒，并將其合適地表達(dá)出來；認(rèn)知他人情緒的能力即個(gè)體可以感知和理解周圍其他人情緒的能力；調(diào)節(jié)情緒的能力即個(gè)體能夠快速調(diào)節(jié)不良情緒，以適應(yīng)當(dāng)時(shí)情景；運(yùn)用情緒的能力即個(gè)體能夠運(yùn)用自己的情緒資源進(jìn)行建設(shè)性活動(dòng)以提高其個(gè)人績(jī)效的能力。這四種能力品質(zhì)共同組合成了情緒智力的四維結(jié)構(gòu)，此量表常被認(rèn)為可以較為全面科學(xué)地測(cè)查出個(gè)體的情緒智力狀態(tài)。相關(guān)實(shí)證研究（Wong & Law，2002；Wong，Law & Song，2004）已經(jīng)證明了該量表具有較好的信效度，因此也被廣泛采用，在管理者情緒智力的測(cè)量和研究中應(yīng)用最為普遍，但在學(xué)生群體施測(cè)情況較為少見。

2 研究方法

2.1 數(shù)據(jù)來源

采取線上與線下兩種施測(cè)方式相結(jié)合，以WLEIS中文版（WLEI-C）為測(cè)驗(yàn)工具，得分越高，表示情緒智力水平越高。對(duì)來自浙江、河南等地的大學(xué)生進(jìn)行施測(cè)，所有被試都自愿匿名填寫，最后回收有效問卷732份， 測(cè)驗(yàn)所得數(shù)據(jù)利用SPSS19.0軟件和WINSTEPS3.66.0軟件進(jìn)行處理，被試分布基本情況如下表1所示。

表1 被試基本分布

性別 專業(yè)類別 年齡

男 女 理工 文史 藝術(shù) 16～18 18～25 25以上

228 504 409 290 33 22 572 138

2.2 項(xiàng)目反應(yīng)理論技術(shù)

IRT是用來描述項(xiàng)目性質(zhì)（難度、區(qū)分度、猜測(cè)度等）與被試的潛在特質(zhì)對(duì)項(xiàng)目作答正確率影響的一種模型體系，與經(jīng)典測(cè)量理論不同的是，IRT從單一項(xiàng)目的性質(zhì)以及被試作答的正確率出發(fā)，探討被試能力與試題性質(zhì)對(duì)答對(duì)機(jī)率的影響。此外，IRT其實(shí)是許多項(xiàng)目反應(yīng)模型的總稱，可以滿足各種不同計(jì)分方式與不同作答方式的測(cè)驗(yàn)要求。IRT對(duì)測(cè)驗(yàn)的分析大致可以從選項(xiàng)模式、項(xiàng)目參數(shù)特性、測(cè)量精準(zhǔn)度等方面進(jìn)行分析。

最簡(jiǎn)單最常見的IRT模型是Rasch模型，它是一種單參數(shù)Logistic模型，其最大特點(diǎn)就是它的項(xiàng)目只有難度參數(shù)，同一批項(xiàng)目測(cè)試被試時(shí)，應(yīng)該在一個(gè)線性系統(tǒng)上去評(píng)定被試水平。因此，除難度參數(shù) βi 外，其他特性都是相同的（羅照盛，2012），在測(cè)驗(yàn)的分析與編制過程中起著重要作用。其表達(dá)式如下列公式所示：

=

其中 θj 為被試 j 的能力， βi 是項(xiàng)目 i 的難度，而 Pi（θj）是被試答對(duì)某個(gè)項(xiàng)目的概率。在Rasch模式中，影響被試答對(duì)概率的項(xiàng)目特性主要是難度，因此只要了解被試的能力與項(xiàng)目的難度，就能知道被試在某項(xiàng)目上的答對(duì)的概率是多少。它對(duì)項(xiàng)目的特性與被試的作答反應(yīng)有較嚴(yán)格的客觀性要求，所估計(jì)出來的能力值就能反映出被試的真實(shí)能力，而且是等距量尺（晏子，2010）。

3 研究結(jié)果

通過SPSS19.0軟件對(duì)所得數(shù)據(jù)進(jìn)行基本分析可知，16個(gè)項(xiàng)目的內(nèi)部一致性系數(shù)是0.874。以下是由WINSTEPS軟件讀入數(shù)據(jù)后整理分析出來的結(jié)果。

3.1 評(píng)分模式分析

評(píng)分模式一般指計(jì)分方式（正反向計(jì)分）、計(jì)分等級(jí)以及評(píng)分難度等。在Rasch模型中，通常是通過分析估計(jì)出每個(gè)選項(xiàng)的難度值以及相鄰選項(xiàng)之間的難度差值來判定選項(xiàng)的合理性。

3.1.1 評(píng)分選項(xiàng)分布

WLEIS所得的五點(diǎn)計(jì)分?jǐn)?shù)據(jù)由軟件分析輸出，評(píng)分選項(xiàng)共有16個(gè)不同的分布，每個(gè)項(xiàng)目對(duì)應(yīng)一個(gè)項(xiàng)目，其分布曲線圖可以直觀地看出每個(gè)選項(xiàng)的難度分布并反映出特質(zhì)的概率（見圖1）。通過分析看出第3個(gè)項(xiàng)目的選項(xiàng)分布異常，選項(xiàng)2與選項(xiàng)1的難度差值太小，致使第二個(gè)選項(xiàng)起不到應(yīng)有的作用，無法區(qū)分被試的能力差距，所有評(píng)分選項(xiàng)的難度偏小。第2個(gè)項(xiàng)目也出現(xiàn)類似的情況，但勉強(qiáng)可行。它們共同的缺點(diǎn)就是選項(xiàng)2與選項(xiàng)1的難度差距太小，不能很好地區(qū)分出被試的能力差距。第16個(gè)項(xiàng)目的評(píng)分選項(xiàng)設(shè)置較好，符合對(duì)被試能力的評(píng)定又不偏離被試群體的整體能力分布。

針對(duì)以上情況，我們則可以考慮將第14個(gè)項(xiàng)目的第二個(gè)選項(xiàng)刪除，或者通過修正第3個(gè)項(xiàng)目的難度，使之區(qū)分開來。

3.1.2 評(píng)分選項(xiàng)的難度分析

在評(píng)分選項(xiàng)的曲線分布圖中可以看出，選項(xiàng)的分析還是集中在對(duì)各個(gè)選項(xiàng)難度的分析。一個(gè)項(xiàng)目的選項(xiàng)等級(jí)所表現(xiàn)的難度往往會(huì)影響被試的最后作答結(jié)果。更重要的是，選項(xiàng)之間的難度差值體現(xiàn)了選項(xiàng)設(shè)置的質(zhì)量。IRT從選項(xiàng)本身的難度、相鄰選項(xiàng)之間的難度差值以及所有選項(xiàng)之間的難度差值判斷選項(xiàng)設(shè)置的合理性。如下表2反映了WLEIS五點(diǎn)計(jì)分的IRT分析結(jié)果。

一般情況下，項(xiàng)目的評(píng)分選項(xiàng)應(yīng)該符合以下5項(xiàng)標(biāo)準(zhǔn)：（1）每個(gè)選項(xiàng)上至少有10個(gè)觀測(cè)值；（2）評(píng)定量表的分布應(yīng)該是單維的；（3）每個(gè)類別的均值與評(píng)定量表的類別值應(yīng)該是單調(diào)漸進(jìn)的；（4）Outfit MNSQ小于2.0；（5）相鄰的類別難度闊（step calibration），3點(diǎn)量表最少需要1.4個(gè)logit，4點(diǎn)量表要1.1個(gè)logit，5點(diǎn)量表要0.81個(gè)logit，至多為5個(gè)logit，當(dāng)測(cè)驗(yàn)結(jié)果未能滿足以上標(biāo)準(zhǔn)，則需要調(diào)整選項(xiàng)設(shè)置直至滿足（Linacre，2002）。照此來說，第三個(gè)選項(xiàng)與第四個(gè)選項(xiàng)的難度差0.79欠妥，一般而言，不可輕率做出刪除第三選項(xiàng)的決定，應(yīng)該考慮通過完善測(cè)驗(yàn)的內(nèi)容、優(yōu)化自己的測(cè)驗(yàn)數(shù)據(jù)等工作來修正。

3.2 項(xiàng)目參數(shù)分析

對(duì)測(cè)驗(yàn)項(xiàng)目的參數(shù)分析大都集中在信效度、難度、區(qū)分度等。在此，我們采取IRT模型進(jìn)行分析時(shí)主要考慮項(xiàng)目擬合度（goodness of fit）與項(xiàng)目難度的分析。

測(cè)驗(yàn)數(shù)據(jù)對(duì)模型的擬合程度表現(xiàn)了測(cè)驗(yàn)項(xiàng)目?jī)?nèi)容的適合程度。WEIS施測(cè)的統(tǒng)計(jì)結(jié)果如表3所示。

表3 部分項(xiàng)目擬合性能表

Enter item Measure Infit Outfit Point-measure

MNSQ ZSTD MNSQ ZSTD

3 -0.76 1.10 1.7 1.15 2.6 0.48

2 -0.86 1.03 0.5 1.06 1.0 0.51

1 -0.66 1.09 1.7 1.10 1.9 0.51

12 0.15 0.85 -2.9 0.84 -3.1 0.66

5 -0.51 1.01 0.3 0.99 -0.2 0.56

13 0.65 0.96 -0.7 0.98 -0.3 0.62

9 0.45 1.03 0.6 1.03 0.70 0.59

16 0.19 1.05 0.9 1.11 2.0 0.57

Mean 0.00 0.99 -0.1 1.01 0.1

S.D. 0.49 0.08 1.5 0.09 1.7

測(cè)驗(yàn)的各個(gè)項(xiàng)目的擬合度的標(biāo)準(zhǔn)尚未達(dá)成統(tǒng)一，研究者可以根據(jù)自己對(duì)測(cè)驗(yàn)的要求來規(guī)定Infit MNSQ和Outfit MNSQ的范圍。大部分的國(guó)內(nèi)外研究均選擇Infit MNSQ作為評(píng)定項(xiàng)目對(duì)模型擬合的程度，因?yàn)镺utfit MNSQ經(jīng)常受到外部因素的干擾，反映的精確性不如Infit MNSQ。Infit MNSQ的范圍越接近1越好，這項(xiàng)測(cè)驗(yàn)結(jié)果的Infit MNSQ值的范圍在0.83至1.19之間，平均值是0.99。國(guó)內(nèi)外研究認(rèn)為，Infit MNSQ值的范圍在0.8至1.2之間就可以認(rèn)為測(cè)驗(yàn)結(jié)果是較好地?cái)M合了模型，這樣看來，本測(cè)驗(yàn)擬合度還是很好的。從難度值（Measure）來看，項(xiàng)目2、3、1、5難度較低，項(xiàng)目13難度較高，其他項(xiàng)目難度均在誤差的范圍之內(nèi)。各項(xiàng)目的測(cè)驗(yàn)內(nèi)容較符合被試的心理特質(zhì)。

項(xiàng)目的Point-measure則反應(yīng)了個(gè)體在某一項(xiàng)目上的表現(xiàn)與其在整個(gè)量表中表現(xiàn)的相關(guān)度，取值一般介于0.4和 0.8之間（Yan，2011）。一般地，中度相關(guān)是理想狀態(tài)，即Point-measure值越接近于0.5～0.6越好。本測(cè)驗(yàn)的統(tǒng)計(jì)結(jié)果表現(xiàn)良好的相關(guān)性。

3.3 測(cè)驗(yàn)整體分析

測(cè)驗(yàn)的整體分析包括了對(duì)測(cè)驗(yàn)的精準(zhǔn)性分析（是否可以精確地反映出被試的潛在特質(zhì)水平）和測(cè)驗(yàn)的結(jié)構(gòu)分析（測(cè)驗(yàn)維度分析）兩大類工作。

3.3.1 測(cè)驗(yàn)精確性

對(duì)于測(cè)驗(yàn)精準(zhǔn)性，我們通常采用測(cè)驗(yàn)信息函數(shù)（Test Information Function，TIF）和Persons-Item圖。Persons-Item圖更加直觀地反映了被試能力分布與測(cè)驗(yàn)項(xiàng)目難度分布的一致性程度。這樣一來，被試的潛在特質(zhì)水平和測(cè)驗(yàn)項(xiàng)目的難度同置于一個(gè)難度尺度上，能夠更加直觀地看出測(cè)驗(yàn)項(xiàng)目對(duì)被試能力測(cè)查的準(zhǔn)確性。

從圖2可以看出，左側(cè)被試的能力分布大多是以0為均值的正態(tài)分布，而右側(cè)的測(cè)驗(yàn)項(xiàng)目分布卻集中在較低難度尺度的部分，測(cè)驗(yàn)項(xiàng)目難度不能很好地與被試能力水平保持一致性。測(cè)驗(yàn)項(xiàng)目難度過于集中，而且難度較低，不利于區(qū)分出高水平被試的情緒智力水平。出現(xiàn)這種情況的原因有很多，最常見的就是被試作答過程中有明顯的趨中效應(yīng)。因此，我們可以采取反向計(jì)分和正向計(jì)分相結(jié)合的方法，也可以通過加大項(xiàng)目難度來改善作答集中的現(xiàn)象。

3.3.2 測(cè)驗(yàn)結(jié)構(gòu)

對(duì)于測(cè)驗(yàn)結(jié)構(gòu)分析，我們可以從測(cè)驗(yàn)的單維性進(jìn)行分析。反映測(cè)驗(yàn)單維性的指標(biāo)主要是首成分殘差特征值的大小。一個(gè)測(cè)驗(yàn)通常包含幾個(gè)維度，測(cè)出不同特質(zhì)。Rasch模型殘差的主成分分析檢驗(yàn)量表單維性，首因子標(biāo)準(zhǔn)化殘差特征值和量度解釋變異數(shù)是衡量數(shù)據(jù)結(jié)構(gòu)單一性的重要指標(biāo)，首成分標(biāo)準(zhǔn)化殘差特征值的范圍應(yīng)該在1.4至2.1之間（Rasch，2005）。我們分別對(duì)各個(gè)維度分開進(jìn)行測(cè)查，最后勘察測(cè)驗(yàn)的整體結(jié)構(gòu)。

由表4可知，測(cè)驗(yàn)的各個(gè)維度的首成分標(biāo)準(zhǔn)化殘差特征值均在規(guī)定的范圍內(nèi)，說明了測(cè)驗(yàn)項(xiàng)目均在所屬的維度之內(nèi)，即每個(gè)項(xiàng)目只能測(cè)驗(yàn)大學(xué)生的一種情緒智力特質(zhì)，沒有特質(zhì)之間的交叉現(xiàn)象。如果將整個(gè)測(cè)驗(yàn)當(dāng)作一個(gè)維度，此時(shí)的首成分標(biāo)準(zhǔn)化殘差特征值卻是3.5，遠(yuǎn)在規(guī)定范圍之外。也就是說，量表是一個(gè)多維的測(cè)驗(yàn)，不具有單維性。

4 討論

從以上幾個(gè)側(cè)面的測(cè)查結(jié)果可以看出，WLEIS可以一定程度地測(cè)出大學(xué)生的情緒智力水平，但不如對(duì)管理者情緒智力的測(cè)量效果好，突出體現(xiàn)在測(cè)驗(yàn)的難度、區(qū)分度和測(cè)驗(yàn)評(píng)分模式方面。

在評(píng)分模式方面，除項(xiàng)目2和項(xiàng)目3的選項(xiàng)評(píng)定不太理想外，其他14個(gè)項(xiàng)目的評(píng)分模式還是很好的。而項(xiàng)目2和項(xiàng)目3反映的是被試認(rèn)識(shí)自己情緒的能力，屬于自我認(rèn)知的范疇。大學(xué)生處于受教育階段，對(duì)很多事物的認(rèn)識(shí)還不太深刻，因此也間接地影響了其對(duì)自身的認(rèn)知，這也是很多在校大學(xué)生的認(rèn)知誤區(qū)之一。對(duì)于選項(xiàng)2（較不同意）和選項(xiàng)3（不清楚），很多大學(xué)生界定不明；也有可能是大學(xué)生真的不太清楚自己的情緒狀態(tài)，致使大多人選擇中間項(xiàng)；抑或是被試作答時(shí)受到趨中效應(yīng)的影響，沒有對(duì)二者進(jìn)行仔細(xì)思考，導(dǎo)致兩個(gè)選項(xiàng)的難度差值達(dá)不到要求，不能區(qū)分二者之間的難度，也不能很好地界定被試的情緒智力水平。鑒于此，我們可以將表量修改為4點(diǎn)計(jì)分，去除選項(xiàng)3，這樣對(duì)被試的要求就是迫選（必須界定自己的感受），可以消除以上問題。

在測(cè)驗(yàn)內(nèi)容方面，測(cè)驗(yàn)從四個(gè)維度測(cè)查了被試的情緒智力水平，16個(gè)項(xiàng)目均在擬合的范圍之內(nèi)。在測(cè)驗(yàn)難度和區(qū)分度方面，由Persons-Item圖可知，本測(cè)驗(yàn)的難度應(yīng)該提高些，進(jìn)而區(qū)分出高能力水平的被試，提高測(cè)驗(yàn)的精準(zhǔn)性。另外，由測(cè)驗(yàn)的輸出結(jié)果可以得知，本測(cè)驗(yàn)的項(xiàng)目信度指數(shù)（item reliability index）為0.99，個(gè)體信度指數(shù)（person reliability index）為0.85，它們從不同的側(cè)面反應(yīng)出了同一項(xiàng)目或者個(gè)體施測(cè)于相似的測(cè)驗(yàn)時(shí)保持自身特性的一致性，范圍均在0至1之間。個(gè)體信度指數(shù)反映出被試心理特質(zhì)的穩(wěn)定性，常用來作為評(píng)價(jià)測(cè)驗(yàn)信度的重要指標(biāo)。除此之外，測(cè)驗(yàn)的項(xiàng)目分割指數(shù)（item separate index）和個(gè)體分割指數(shù)（person separate index）則從側(cè)面反應(yīng)了測(cè)驗(yàn)的結(jié)構(gòu)效度。一個(gè)測(cè)驗(yàn)的結(jié)構(gòu)保持均衡最好，不宜過于緊湊也不宜過于松散，分割系數(shù)最低應(yīng)為2.0，方可保證測(cè)驗(yàn)信度在0.8以上。

在測(cè)驗(yàn)的整體結(jié)構(gòu)上，除了分割系數(shù)可以說明測(cè)驗(yàn)的整體結(jié)構(gòu)之外，測(cè)驗(yàn)單維性也反應(yīng)出一個(gè)測(cè)驗(yàn)的維度結(jié)構(gòu)及其與整個(gè)測(cè)驗(yàn)的關(guān)系。本測(cè)驗(yàn)的統(tǒng)計(jì)結(jié)果顯示出測(cè)驗(yàn)具有多維性，每個(gè)維度可清晰地測(cè)查其對(duì)應(yīng)的情緒智力成分，且維度內(nèi)的項(xiàng)目擬合性較好。這也論證了情緒智力四維結(jié)構(gòu)理論的合理性。

5 結(jié)論與展望

總體來看，情緒智力量表（WLEIS）不宜直接用來對(duì)在校大學(xué)生進(jìn)行施測(cè)，尤其是在評(píng)分模式方面，5點(diǎn)計(jì)分的方法不太適合大學(xué)生群體。另外，由于大學(xué)生的自我認(rèn)知水平不如職場(chǎng)管理者，量表的第一個(gè)維度中項(xiàng)目難度普遍過低，且所有項(xiàng)目難度過于集中，不利于區(qū)分被試的能力水平。如果修正測(cè)驗(yàn)的難度，改5點(diǎn)計(jì)分為4點(diǎn)計(jì)分（刪除容易產(chǎn)生趨中效應(yīng)的中間選項(xiàng)），適當(dāng)縮小兩端選項(xiàng)的難度差距，這樣的話，WLEIS就基本符合測(cè)驗(yàn)對(duì)象的要求了。

此外，此次分析依然存在很大的爭(zhēng)議。首先，被試樣本的選取過于單一，范圍過于狹窄，這類被試群體的心理特征有較多的相似之處，很容易造成作答結(jié)果的一致性過高，致使內(nèi)部一致性系數(shù)偏高（本測(cè)驗(yàn)高達(dá)0.876）；其次，被試作答過程中存在偏差，如順序效應(yīng)等，被試作答過程中由于存在順序效應(yīng)，使得被試在作答某個(gè)維度內(nèi)項(xiàng)目的情況趨向一致化，影響測(cè)驗(yàn)單維性的分析結(jié)果；最后，測(cè)驗(yàn)的分析方法過于單一，而實(shí)際測(cè)驗(yàn)過程是復(fù)雜的，可能使之與實(shí)際有不符之處。本研究的不足之處恰好為后續(xù)的研究提供了新的契機(jī)。

參考文獻(xiàn)

羅照盛.（2012）. 項(xiàng)目反應(yīng)理論基礎(chǔ).北京：北京師范大學(xué)出版社.

晏子.（2010）. 心理科學(xué)鄰域的客觀測(cè)量——Rasch模型之特點(diǎn)及發(fā)展趨勢(shì). 心理科學(xué)進(jìn)展，18（8），1298-1305.

Goleman，D. （1995）Emotional Intelligence.New York：Bantam Books.

Linacre，J.M.（2002） . Optimizing rating scale category effectiveness. Journal of Applied Measure-ment，3（1），85-106.

Linacre，J. M.（2006）A users guide to WINSTEPS/MINISTEP：Rasch model computer programs. Chicago，IL：Winsteps.com.

Rasch，G.（2005）. Critical Eigenvalue Sizes in Standardized residual Principal Components Analysis. Rasch Measurement Transactions. 19（1），1012.

Wong，C.S.，Wong，P.M.，Law，K.S.（2007）. Evidence of the Practical Utility of Wongs Emotional Intelligence Scale in Hong Kong and Mainland China. Asia Pacific Journal of Management，24（1），43-60.

Wong，C.S.，Law，K.S.（2002）. The Effects of Leader and Follower Emotional Intelligence on Performance and Attitude：An Exploratory Study .Leadership Quarterly，13（3），243-274.

Wong，C.S.，Law，K. S.，Song，L.J.（2004）.The Construct and Criterion Validity of Emotional Intelligence and Its Potential Utility for Management Studies . Journal of Applied Psychology，89（3），483-496.

Yan，Z. （2011）. Developing a Rasch Measurement Physical Fitness Scale for Hong Kong Primary School-Aged Students.Measurement in Physical Education and Exercise Science，（15），182-203.