← 返回知识库
心理测量结果解读职业探索

条件精度:为什么不同分数区间的误差可能不同

发布于 2026-10-23更新于 2026-10-23测评库内容团队
开始职业成熟度测评 →

一个平均误差,未必适合每个分数区间

人们常希望用一个数字回答“这份测评准不准”。但若测试中的题目主要能区分某一段特质水平的人,它在那一段附近得到的分数估计可能比两端更精确;也可能反过来,题目为较低或较高的一段提供更多信息。一个总体信度或平均标准误描述的是某种汇总层面的精度,不能自动保证每个分数区间的误差相同。

在项目反应理论(IRT)的框架中,题目和整份测试提供的信息可以随潜在特质水平变化。Nicewander 的同行评议论文比较了条件测量精度的不同指标,并把 IRT 条件标准误写为 `√(1/I(θ,X))`,其中 `I(θ,X)` 是该特质水平 θ 下的 IRT 分数信息函数。Nicewander(2019):Conditional Precision of Measurement for Test Scores 这里的 θ 是模型中的潜在量尺位置,不是页面上的原始总分,也不是对某个人能力的确定真值。

用三个完全虚构的信息量复算条件标准误

为了只看公式关系,假设某个虚构 IRT 模型在三个 θ 位置的测试信息分别为 4、1 和 0.25。按 `条件标准误=1÷√信息量` 计算:

| 虚构的测试信息 I | `1÷√I` | 条件标准误 |

| ---: | ---: | ---: |

| 4 | `1÷√4` | 0.5 |

| 1 | `1÷√1` | 1.0 |

| 0.25 | `1÷√0.25` | 2.0 |

这些数字已用脚本按同一公式核对。它们展示的是反向关系:在这个虚构量尺上,信息量较高的区域有较小的条件标准误,信息量较低的区域有较大的条件标准误。它们不是某份问卷的题目参数、常模、置信区间或可套用于原始分的“加减几分”规则。

信息曲线取决于题目和模型,不是漂亮的装饰图

一条信息曲线需要实际作答数据、明确的 IRT 模型与估计过程。它反映的不是题目数目本身,而是题目在不同 θ 位置对区分作答模式所提供的信息。若许多题都集中在相近难度或相近认可程度,信息可能集中在某个区间;若题目覆盖不同位置,曲线形状也会不同。

模型假设也不能省略。ETS 的一项 TOEFL 研究指出,当标准 IRT 模型错误地假定题组内项目条件独立时,测试信息会被显著高估。ETS:Using a New Statistical Model for Testlets to Score TOEFL 这不意味着所有测试都有同样的问题;它说明信息量是模型、题目结构和数据条件下的估计,不能把一张图当作脱离假设的事实。

条件精度能回答什么,不能回答什么

当一个测试经过适当校准后,条件标准误可帮助开发者说明:哪些特质区间的估计较精细,哪些区间不宜做过度细分;也可帮助审阅报告是否把相邻分数说成截然不同。它不能单独证明测试测量了正确构念、跨人群公平、能预测外部结果,或适合做高风险决定。条件精度回答的是“在特定模型和特质位置下,估计的随机不确定性有多大”,不是“这个人究竟是什么样”。

读到某份报告的精度说明时,可以问:它报告的是平均还是条件误差?误差所在的量尺是什么?曲线基于哪些题目、样本和模型假设?报告是否把相邻分数的差异说得超过误差容许的程度?这些问题把注意力放回证据和解释边界,而不是把一个分数当作精确标签。

职业成熟度测评 用于整理职业探索、决策与行动准备的当前自我报告。本站没有为它公开 IRT 校准、局部独立性检验、项目参数、测试信息曲线、SEM 或条件精度估计。本文不以 IRT 公式证明本站分数的精度、效度、常模、预测性或跨人群可比性,也不将其用于招聘、录用、升学或重大职业决定。

开始职业成熟度测评 →

本文由测评库内容团队整理并按页面标注日期更新,用于知识科普与自我了解参考;在线测评的适用范围和结果阅读方式请参阅测评方法说明。

选择更贴近你问题的测评

可从认知能力、人格职业与情绪关系三个主题开始;结果仅供自我了解参考。