應(yīng)用RUMM 2030軟件實施條目反應(yīng)理論*

陳新林 侯政昆 林岳卿 周倩儀 胡 月 劉鳳斌△

應(yīng)用RUMM 2030軟件實施條目反應(yīng)理論*

陳新林1侯政昆2林岳卿3周倩儀2胡 月1劉鳳斌2△

條目反應(yīng)理論（item response theory，IRT），也稱為項目反應(yīng)理論，受到越來越多的關(guān)注，廣泛應(yīng)用于智力、心理量表、考試系統(tǒng)等潛變量的測量。最近幾年，在量表的研制中，條目反應(yīng)理論逐漸應(yīng)用于條目的評價和選擇［1－3］。如Liu等研制適合中醫(yī)療效評價的重癥肌無力量表［4－5］，陳新林等研發(fā)鼻咽癌患者生存質(zhì)量量表［6］，董麗敏等用于評價哮喘患者PRO量表［7］，林岳卿研制世界衛(wèi)生組織生存質(zhì)量老年人量表簡化版［8］。陳炳為等將條目反應(yīng)理論應(yīng)用于肝陽上亢證中醫(yī)證候中［9］，日本學(xué)者Tomura等用條目反應(yīng)理論研究基于中醫(yī)理論的五臟得分量表（five viscera score）［10］，均取得了良好的效果。

但是IRT理論建立在復(fù)雜的數(shù)學(xué)模型之上，計算困難，難以實現(xiàn)，影響了它的普及。IRT的分析一般要采用專用的軟件，如RUMM、Bilog、Multilog、Testfact、Parscale、Winsteps和ConQuest等，或采用R、Winbugs等軟件編寫程序。RUMM（rasch unidimensionalmeasurementmodel）是由Andrich，Sheridan和Luo共同研發(fā)，現(xiàn)在更新到RUMM 2030版本。網(wǎng)址為www．rumm lab．com。RUMM采用二分類Rasch模型（rasch model）和多分類Rasch模型（polytomous rasch model）［11－12］。RUMM采用條件成對估計法（conditional pairw ise estimation）估計參數(shù)［13］；該方法通過對主分量參數(shù)的估計而計算出條目的閾值參數(shù)（threshold parameters）；通過充分統(tǒng)計量將個人能力參數(shù)消去，從而獲得條目參數(shù)的相合估計。另外，RUMM界面清晰、功能強(qiáng)大，被譽(yù)為Rasch模型的最完善的分析軟件。本文主要介紹如何使用RUMM 2030。

數(shù)據(jù)簡介與格式

1．RUMM 2030主頁面的菜單包括File、Edit、Analysis、Facilities、Screen area和Help。右下角有5個按鈕，New（新建項目），Open（打開項目），Exit（退出軟件），Use project Items（使用項目的條目），Import itemestim（導(dǎo)入條目估計模板文件）。

2．新建項目和導(dǎo)入數(shù)據(jù)：點擊右下角的“New”，或點擊“file”下的新建項目（Create new project），輸入新建項目的名字，這里命名為“Rumm”。

導(dǎo)入數(shù)據(jù)的格式（后綴名）為dat、txt或prn。本例是鼻咽癌患者生存質(zhì)量量表的數(shù)據(jù)，前3列是id，緊跟4列是人口學(xué)資料，后面27列是條目得分。條目是五分類Likert量表，用1、2、3、4和5表示，缺失值用空缺表示。導(dǎo)入數(shù)據(jù)后見圖1。

圖1 導(dǎo)入數(shù)據(jù)

3．確定設(shè)計方式，導(dǎo)入數(shù)據(jù)需要考慮兩個方面：①個人設(shè)計（person design），考慮ID號和人口學(xué)基本資料。本例兩者都存在，因此選擇“Person ID and person DESIGN”。②條目設(shè)計（item design），考慮條目的設(shè)計方式。條目設(shè)計有三種：單個因素（single factor），只考慮閾值參數(shù)，且只有一個評價者；兩個因素（two factors），每個條目包括兩個參數(shù)（閾值參數(shù)和區(qū)分度參數(shù)）、或每個條目有兩個評價者；三個因素（three factors）。本例選擇單個因素。將資料的前3列錄入為ID；后面4列依次錄入為性別、年齡、慢性?。╫therdisea）、放療階段（radiostage）。

4．定義條目屬性。最后27列數(shù)據(jù)錄入為條目。本例是5分類條目，因此在“Type”中選擇“Poly”，在缺失值（M iss）中選擇空格（bsp）。以第一個條目說明如何定義條目屬性，名稱（Code）為默認(rèn)的“I0001”，描述（Descript）為默認(rèn)的“Descriptor for Item 1”，在“No．of response categories”中輸入5，在“Response”下面的表格依次輸入1到5，其右邊的Score分別對應(yīng)0到4，表示該條目是正向條目（得分越高表示生存質(zhì)量越好）；如果是反向條目，則點擊右邊的“Reverse score item”選項。所有條目跟第一個條目一樣，點擊“Repeat all”。

5．建立分析數(shù)據(jù)。首先建立整個量表的分析文件，命名為“alldata”（analysis name），點擊Continue analysis就生成了“alldata”的分析數(shù)據(jù)集。

IRT要滿足單維性的要求，要求對每個維度獨(dú)立進(jìn)行分析。本例選擇生理領(lǐng)域的數(shù)據(jù)（前面9個條目）進(jìn)行分析。點擊“Analysis Options”選項框中的“Create NEW analysis”，“Modification for New Analysis”選項框中的“Analysis Base——Delete items”，點擊右下角的“Create NEW analysis”，在“Analysis name”中輸入“PHdomain”。進(jìn)入到刪除條目的頁面（Deleting items for analysis name，見圖2），把條目10到條目27刪除，生成了PHdomain數(shù)據(jù)集。

圖2 PHdomain數(shù)據(jù)集包含的條目

分析步驟及結(jié)果分析

圖3是RUMM 2030軟件的IRT分析頁面。主要包括條目參數(shù)（item parameter details），擬合度（Testof-fit details），格特曼模式（Guttman pattern），條目分類（Item categorisation），條目特征（Item characteristics）和進(jìn)一步結(jié)果（Further outputs）等。條目參數(shù)包括閾值參數(shù)（Thresholds）、分類頻數(shù)（Category frequencies）、主成分（Principal components）和充分統(tǒng)計量（Sufficient statistics）。擬合度包括匯總統(tǒng)計量（Summary statistics）、條目擬合度（Individual item fit）、個體擬合度（Individual person fit）、殘差相關(guān)（Residual correlations）和殘差主成分（Residual principal components）。條目特征包括分類概率曲線（Category probability curves）、條目特征曲線（Item characteristics curves，ICC）和閾值概率曲線（Thresholds probability curves）。進(jìn)一步結(jié)果包括個體-條目分布圖（Personitem distribution）、閾值圖（Threshold map）、條目圖（I-tem map）、平衡檢驗（equating tests/t-tests）和殘差統(tǒng)計量分布（Residual statistics distribution）。雙擊每個選項框可以顯示結(jié)果。下面主要介紹一下幾個常用的分析。

圖3 顯示PHdomain的IRT分析頁面

圖4 顯示了閾值參數(shù)，Display threshold std errors顯示閾值的標(biāo)準(zhǔn)誤，Centralised thresholds顯示中心化處理的閾值（即所有閾值相加等于0）。本例條目是五分類資料，因此都有四個閾值（CenThr）。本例所有條目的閾值都從小到大依次遞增，不存在閾值顛倒的條目。

圖4 閾值參數(shù)的結(jié)果

圖5 匯總統(tǒng)計量的結(jié)果

圖5 顯示了匯總統(tǒng)計量。匯總統(tǒng)計量包括條目-個體結(jié)果（Item-person interaction）、條目-特征結(jié)果（I-tem-trait interaction）、信度指數(shù)（Reliability indices）和擬合度總評價（Power of analysis of fit）。條目-個體結(jié)果包括條目參數(shù)估計值（Location）和殘差（Fit residual），個體能力估計值和殘差。本例條目參數(shù)估計值的均數(shù)為0，個體能力估計值的均數(shù)為0．7726，說明這些研究對象的能力較高；信度指數(shù)等于0．886，整個擬合效果為完美。

圖6顯示了條目閾值估計值。“Location”表示條目閾值，是四個閾值的平均得分，“SE”是其對應(yīng)的標(biāo)準(zhǔn)誤；“FitResid”表示條目殘差擬合度，該數(shù)值在－2．5到2．5之間，則說明條目擬合度較好?！癈hiSq”是卡方值，“Prob”為P值，如果P值小于0．05/條目數(shù)，說明條目的擬合度較差。

圖6 條目擬合度的結(jié)果

圖7 個體擬合度的結(jié)果

圖7 顯示了個體能力估計值（潛在特質(zhì)），即表格里的Location。圖8顯示了分類概率曲線，圖形中實線表示分類概率曲線，虛線（曲線）表示閾值概率曲線。圖9顯示了所有對象及不同性別人群的ICC。右上角給出了不同性別的DIF（Differential item function）結(jié)果；右下角的“DIF summary”按鈕，點擊可顯示所有條目的DIF結(jié)果。

圖8 分類概率曲線的結(jié)果

圖9 條目特征曲線的結(jié)果

圖10 個體－條目分布的結(jié)果

圖10 顯示了個體－條目分布圖，上圖是個體能力估計值（圖7的Location）的頻數(shù)分布圖，從圖形可知，其基本服從正態(tài)分布，均數(shù)為0．773，標(biāo)準(zhǔn)差為1．497。下圖是條目閾值參數(shù)的頻數(shù)分布圖。

討 論

RUMM 2030軟件簡單、易學(xué)，是實現(xiàn)復(fù)雜的IRT理論的有力工具。RUMM采用Visual basic語言編寫。它吸收最新理論成果，根據(jù)用戶的需求和建議，不斷改進(jìn)，增加軟件的適用性。RUMM 2030的使用介紹鮮有報告，希望本文可以讓RUMM 2030軟件得到更廣泛的應(yīng)用，有助于IRT理論的推廣。

［1］呂靜，薛江平，羅艷虹，等．慢性心衰PRO量表條目的初步篩選．中國衛(wèi)生統(tǒng)計，2014，31（3）：379-382．

［2］曹尚，曹榮祥，孫昕霙，等．項目反應(yīng)理論在居民健康素養(yǎng)標(biāo)準(zhǔn)參照測驗中的應(yīng)用研究．中國衛(wèi)生統(tǒng)計，2016，33（1）：31-34．

［3］付蓉，蘇少飛，包含，等．基于項目反應(yīng)理論的治療質(zhì)量綜合評價最適樣本量的模擬研究．中國衛(wèi)生統(tǒng)計，2015，32（5）：762-765．

［4］Liu FB，Chen XL，Guo L，et al．Evaluation of a scale of patient-reported outcomes for the assessment of myasthenia gravis patients in China．Chin J Integr Med，2012，18（10）：737-745．

［5］陳新林，劉鳳斌，郭麗，等．重癥肌無力患者報告結(jié)局指標(biāo)量表的研制——計量心理學(xué)測評．中西醫(yī)結(jié)合學(xué)報，2010，（2）：121-125．

［6］陳新林，古模發(fā)，何偉玲，等．條目反應(yīng)理論對鼻咽癌患者生存質(zhì)量量表的評價．中華腫瘤防治雜志，2013，（18）：1380-1384．

［7］董麗敏，劉曉英，張巖波．哮喘患者報告臨床結(jié)局量表的研制和條目篩選．中國藥物與臨床，2012，（7）：873-875．

［8］林岳卿，方積乾．多維IRT與單維IRT在多維量表中應(yīng)用的差異．中國衛(wèi)生統(tǒng)計，2011，（3）：226-228．

［9］陳炳為，許碧云，陳啟光，等．兩分類項目反應(yīng)理論在中醫(yī)證候中的應(yīng)用．中國衛(wèi)生統(tǒng)計，2011，28（1）：16-18，21．

［10］Tomura T，Yoshimasu K，F(xiàn)ukumoto J，etal．Validity of a diagnostic scale for acupuncture：application of the item response theory to the five viscera score．Evid Based Complement Alternat Med，2013：928089．

［11］Andrich D．A rating formulation for ordered response categories．Psychometrika，1978，4（43）：561-573．

［12］Andrich D，Lyne A，Sheridan B，et al．Rumm 2030．Perth：RUMM Laboratory，2009．

［13］Andrich D，Luo G．Conditional pairwise estimation in the Raschmodel for ordered response categories using principal components．JAppl Meas，2003，4（3）：205-221．

（責(zé)任編輯：劉 壯）

國家自然科學(xué)基金課題（81403296），廣東省高等學(xué)校優(yōu)秀青年教師項目（YQ2015041），廣州中醫(yī)藥大學(xué)“青年英才培養(yǎng)工程”基金項目（QNYC20140101）

1．廣州中醫(yī)藥大學(xué)基礎(chǔ)醫(yī)學(xué)院（510006）

2．廣州中醫(yī)藥大學(xué)第一附屬醫(yī)院

3．廣東省工傷康復(fù)中心

△通信作者：劉鳳斌，E-mail：liufb163＠163．com