文獻閱讀心得

閱讀文獻(請見頁末)

   在單向度驗證方法中，較常見的兩種方法，其中之一為項目反應理論(Item Response Theory, IRT) 取向，另一則為驗證性因素分析 (Confirmatory Factor Analysis, CFA) 取向。

  IRT取向的單向度驗證中，最具代表性的當屬Rasch所提出的單參數模型，也就是目前所說的Rasch模型。然而，Rasch模型當中假定所有題目的區辨度(Discrimination)都相等的假設太過強烈，使得在應用上許多題目即使滿足所謂的單向度假設，也會因區辨度不相同而被考慮刪除。因此，有學者^1,2提出使用Mokken測量法來取代Rasch模型的單向度驗證方法。

    在Mokken的測量法中有三個基本假設，：(1)潛在構念為單向度；(2)區域獨立性(local independence)；(3)題目之試題特徵曲線(Item Characteristic Curve, ICC)呈現非遞減(non-decreasing)形態。其中前兩項假設與Rasch模型相同，而第三項假設因無限制住題目之間的區辨度相同而較Rasch模型來得強韌(robust)。此外，Mokken還另加一項「題目之間的ICC不能相交」的假設，使得題目之間的難度還是可以依照順序進行排列。在分析方法上，Mokken測量法包含了兩個模型的驗證：Monotonously Homogeneous (MH)模型與Doubly Monotone(DM)模式。

    MH模型為前三項假設的驗證，評估的方法為Loevinger’s H係數(判別標準為介於0.5與1.0之間)以及可確認個人通過高難度題目與具有高難度特質之間的一致程度的single法，計算進行確認的次數與違反假設的次數，可由t-test進行檢定。DM模型為第四項假設的驗證，評估方式包含兩項指標：rest score指標與P matrix指標，皆是計算進行確認的次數與違反假設的次數，可由t-test²或是換算成指標(value<40)¹來進行判準。

    CFA假設，測量分數與潛在構念之間被視為存在著一種線性關係。藉由驗證測量分數所形成的共變異數矩陣與潛在構念所假設的共變異數矩陣之間的適配程度，可以了解構念之間的單向度假設是否存在。然而，有研究³指出CFA的適配指標種類繁多，在應用上要讓所有的指標都符合標準有其難度，且對於題目數較多(大於三十題)或是非常態的樣本來說，CFA的適配度指標過於嚴格。因此，Cook等人³認為在這樣的情況之下，可採用Reise等⁴所提出的雙因素(Bifactor)模型。此模型假設題目除受到各自所隸屬的潛在構念影響之外，也共同受到了某單一潛在因素的影響。Cook使用此模型驗證PROMIS中的Pain Impact量表的單向度，也得到了相較於傳統模型較佳的適配度指標

    綜合以上幾篇研究，雖然我們無法得知在單向度的驗證中，IRT取向或是CFA取向孰優孰劣，但卻有助於我們了解各個取向中的方法。在IRT取向中，Mokken似乎是個在分析上較Rasch具有彈性，且因為不考慮參數的數目而免去了多參數模式違反單向度假設的質疑。然而，Mokken使用的計算方式似乎存在著與Rasch模型不同的地方，且Rasch模型中量尺之間的等距性是否在Mokken中仍然存在。若是等距性的假設在Mokken中無法滿足，則分數之間的加總也就無法成立。在CFA取向中，雖然Cook³使用了新的因素模型改善了適配度指標，但分因素模型所假設的單一共同潛在因素，換個角度來說似乎也反映了因為使用相同的測量方法而形成的共同方法變異。在無法區分方法與構念對於題目的影響之下，使用此模式似乎有值得商榷的地方。此外，適配度指標繁多且不容易同時都滿足是所有CFA使用者共同面臨的問題，因此探討在問卷題目數多或是樣本無法滿足常態的情形之下，哪些指標比較容易維持恆定？從而給予實際應用上的建議會更有趣一點。

1.         Koh CL, Hsueh IP, Wang WC, et al. Validation of the action research arm test using item response theory in patients after stroke. J Rehabil Med. Nov 2006;38(6):375-380.

2.         van der Heijden PGM, van Buuren S, Fekkes M, Radder J, Verrips E. Unidimensionality and reliability under Mokken scaling of the Dutch language version of the SF-36. Quality of Life Research. 2003;12(2):189-198.

3.         Cook K, Kallen M, Amtmann D. Having a fit: impact of number of items and distribution of data on traditional criteria for assessing IRT’s unidimensionality assumption. Quality of Life Research. 2009;18(4):447-460.

4.         Reise SP, Morizot J, Hays RD. The role of the bifactor model in resolving dimensionality issues in health outcomes measures. Qual Life Res. 2007;16 Suppl 1:19-31.