在生理丈量学中，丈量尺度误（Standard Error of Measurement, SEM）是主题概想之一。评估工具的根基如果之一是其可能正确且一致地丈量指标特质。因而，必要量化这一正确性，而 SEM 是常用的指标之一。SEM 既可在经典丈量理论（CTT）框架下使用，也可在项目反映理论（IRT）框架下使用，但两者对 SEM 的界说存在显著差距。

?

三种尺度误的分辨

在统计与生理丈量领域，有三个容易混合的尺度误概想：

1. 均值的尺度误（Standard Error of the Mean）
   用于估计样本均值与总体均值的误差，推算公式为?SE = SD / √n，其中 SD 为样本尺度差，n 为样本量。该指标与生理丈量自身无直接关系，但可用于分析基于样本的评估数据。

2. 估计的尺度误（Standard Error of the Estimate, SEE）
   用于衡量线性回归模型中预测值的正确性，推算公式为?SEE = SD_y × √(1 – r?)，其中 SD_y 为因变量尺度差，r 为预测变量与了局变量的有关系数。该指标常用于人员提拔等场景中的预测区间构建。

3. 丈量的尺度误（Standard Error of Measurement, SEM）
   这是生理丈量学的主题指标，用于量化由于丈量不美满所导致的分数误差。

?

丈量尺度误的两种理论框架

?

经典丈量理论（CTT）中的 SEM

在 CTT 中，SEM 界说为?SEM = SD × √(1 – r)，其中 SD 为整个被试得分的尺度差，r 为考试信度。该诠释为：若统一被试在无滋扰前提下反复施测，其得分散布的尺度差即为 SEM。其局限性在于假定所有被试的 SEM 一样，这一如果在现实中并不合理。此表，该界说未利用被试的具体作答信息。

?

项目反映理论（IRT）中的前提尺度误（CSEM）

IRT 钻研者意识到 CTT 中 SEM 的局限性，进而提出 CSEM 的概想。在 IRT 中，CSEM 是能力水平（θ）的陆续函数，其值为考试信息函数（Test Information Function, TIF）的倒数。考试在标题数量较多或标题质量较高的能力区间拥有更高的丈量精度（即更幼的误差）。例如，若考试蕴含大量中等难度的标题，则在中等能力区间丈量较准，但在高能力或低能力区间丈量误差较大。

Xcalibre 的作用：用户若需推算自身考试的 IRT SEM，需下载 Xcalibre 软件并执行齐全的 IRT 标定钻研。Xcalibre 可能输出考试信息函数和前提尺度误函数，援手用户鉴别考试在哪些能力区间丈量了局较好，哪些区间丈量误差较大。

?

相信区间与 CSEM 的利用

相信区间（CI）是基于样本数据构建的、可能蕴含总体参数真值的领域。通常以肯定的相信水平（如 95% 或 99%）暗示。对于考试分数，可利用 CSEM 构建个别真值的相信区间：

• 上限 = 估计值 + 系数 × CSEM

• 下限 = 估计值 – 系数 × CSEM

系数通常取 1.96（对应 95% 相信水平）。例如，若某被试 IRT 能力估计值为 0.5，CSEM 为 0.25，则 95% 相信区间约为 [0.0, 1.0]。若能力值为 2.5，CSEM 为 0.5，则区间为 [1.5, 3.5]，只管领域较宽，但在能力量表的高端对应百分位区间较窄。

在现实汇报中，有时不给出单一分数，而选取区间估计，例如“有 90% 的把握以为您的真实得分在 X 到 Y 之间”。这种做法在尺度化考试（如 IQ 测试）中已有利用。对于沉要决策（如人员提拔中的分数线设定），思考丈量误差尤为沉要。

?

总结

CSEM 及其有关函数在考试设计中拥有多种用处，蕴含平行考试的组建和推算机自适应考试的开发。更多细节可参考 IRT 专著（如 Embretson & Reise, 2000）。Xcalibre 软件为 IRT 分析提供齐全工具，支持用户推算 CSEM 并优化考试质量。

?

?

?

• ?