單向度之驗證-revised

單向度之驗證，較常見之方法為試題反應理論(item response theory)及驗證性因素分析(confirmatory factor analysis, CFA)。

一、試題反應理論，可區分為參數試題反應理論及非參數性試題反應理論兩大類:

      1.  參數試題反應理論可以根據其所包含的試題參數數目來分，分為單參數的Rasch模式、二參數模式與三參數模式。Rasch為單參數模式(只有題目難易度一個參數)。Rasch分析主要是在評估量表項目是否符合Rasch模式，若符合模式預期則可以宣稱量表符合單向度假設。此外，如量表項目均能符合 Rasch 模式的預期，則Rasch模式利用對數函數(logit function)針對答題機率進行計算得到客觀等距量尺。單參數模式並不把試題鑑別度(discrimination)指數考慮在內，也就是假設所有試題的鑑別度都是相等的。單參數模式對試題特性及個案作答反應有較嚴格的要求，其對資料是否能符合基本模式假設也較嚴苛，易排除某些可能如使用非參數性分析法來驗證可以被保留下來的題目。

2.   Mokken 模式為非參數性 (non-parametric) 的分析方法，相較於Rasch分析，Mokken分析基於較寬鬆的假設，但同樣可用來評估測驗單一向度性。在分析方法上，Mokken模式包含了兩個模型的驗證：Monotonously Homogeneous (MH)模型與Doubly Monotone (DM)模型。在MH模型中有主要三個假設: (1)潛在特質為單向度; (2) 題目局部獨立(local independence); (3)題目之項目特徵曲線(Item Characteristic Curve, ICC)呈現單調遞增(monotonically non-decreasing)特質; 即能力越高，答對每一題的機率越大。並使用scalability 係數 H檢測題目是否符合MH模型的基本假設。Scalability 係數 H數值介於0-1之間。系數越低表示題目愈不吻合模型假設。一般以係數H大於或等於0.50為量表符合單向度的可接受標準。如果題目符合MH模型，單向度的假設也會得到支持。至於DM模型，除了MH模型三個假設外，還須具備項目特徵值(ICC)沒有交叉，即項目順序不變假設 (invariant item ordering)。DM模型主要目的除驗證單向度外，並可檢驗項目是否呈現階層排序(例如: 從簡單到難)。如項目呈現階層排序，我們才能有信心說對所有能力水平的受試者而言，答對第一題的機率，永遠都大於答對第二題，而它也永遠大於答對第三題的機率。換句話說，對所有能力水平的人而言，第一題最簡單，第二題其次，第三題最難。瞭解項目難易階層性可協助定位個案能力，讓個案都接受適合於自己能力的題目。 “Rest score”及 “P matrix”為檢測DM的兩種方法。Mokken模式雖然不像參數試題反應理論那樣受參數限制，但卻只適用於次序量表。

二、因素分析法:

驗證性因素分析運用於單向度驗證，主要假設是為所有項目都落在單一因素。驗證性因素分析使用因素模型適合度分析法檢視測驗的內在結構。但目前用來驗證CFA適合度指標種類繁多。較為常見的是為卡方檢定，樣本與模型越適配，卡方值越小。卡方檢定易受樣本數(或題目數)影響，樣本數大時即使模型適配度好，容易拒絕虛無假設。CFA分析方法要求資料必須具備等距量尺特性，此假設並不見得能符合大多數試題的分數或測驗的總分並不具有等距的資料。並且大部份個案自陳量表其資料大致都為偏態分配，較難符合CFA的基本假設。基於以上幾點，對於CFA是否適用於單向度的驗證，造成不少學者的質疑。因此，Cook等作者認為可採用Reise 等學者所提出使用双因子(bifactor )模型來驗證單向度。双因子模型中每個題目不僅在特殊因子上有負荷，所有題目在一般因子上也存有負荷，所有因子之間正交。Resise指出双因子模型，限制較少，可以直接由通過特殊因子負荷直接判斷作用大小，並且如有第二因子存在時易顯現出來。