رویکردهای آماری به ناوردایی اندازه‌گیری ۲۰۱۲
Statistical Approaches to Measurement Invariance 2012

این کتاب به بررسی روش‌های آماری مورد استفاده برای تشخیص سوگیری اندازه‌گیری می‌پردازد. سوگیری اندازه‌گیری از منظر متغیر پنهان کلی مورد بررسی قرار می‌گیرد تا اشکال مختلف آزمون‌گیری در زمینه‌های گوناگون، از جمله متغیرهای شناختی یا بالینی، نگرش‌ها، ابعاد شخصیتی یا حالات عاطفی، را شامل شود. مدل‌های اندازه‌گیری که زیربنای رویه‌های روان‌سنجی هستند، همراه با نقاط قوت و محدودیت‌هایشان، شرح داده می‌شوند. راهبردها و مثال‌های عملی برای برخورد با تشخیص سوگیری در سراسر کتاب ارائه شده‌اند.

کتاب با مقدمه‌ای بر موضوع کلی آغاز می‌شود و به دنبال آن، مروری بر مدل‌های اندازه‌گیری مورد استفاده در نظریه روان‌سنجی ارائه می‌شود. تأکید بر مدل‌های متغیر پنهان است، و مقدمه‌ای بر نظریه کلاسیک آزمون، تحلیل عاملی و نظریه پاسخ سوال، و همچنین مباحثات مربوط به هر یک، ارائه می‌شود. ناوردایی اندازه‌گیری و سوگیری در چارچوب جمعیت‌های متعدد در فصل 3 تعریف شده است و به دنبال آن، فصل 4 مدل عامل مشترک برای اندازه‌های پیوسته در جمعیت‌های متعدد و کاربرد آن در بررسی ناوردایی عاملی را شرح می‌دهد. مسائل شناسایی در تحلیل عاملی تاییدی همراه با ارزیابی برآورد و برازش و مثالی با استفاده از داده‌های WAIS-R بررسی می‌شود. مدل تحلیل عاملی برای اندازه‌های گسسته در جمعیت‌های متعدد با تأکید بر مسائل تعیین، شناسایی، برآورد و ارزیابی برازش در فصل بعدی مورد بررسی قرار می‌گیرد. یک مثال داده‌های سوالات MMPI ارائه شده است. فصل 6 روش‌های برآورد و ارزیابی برازش مدل را با تأکید بر مقیاس‌های پاسخ سوال دو وجهی و چند وجهی بررسی می‌کند. استفاده از مدل‌ها در نظریه پاسخ سوال در ارزیابی ناوردایی در جمعیت‌های متعدد شرح داده شده است، از جمله مثالی که از داده‌های یک آزمون پیشرفت تحصیلی در مقیاس بزرگ استفاده می‌کند. فصل 8 روش‌های ارزیابی سوگیری سوال را بررسی می‌کند که از نمرات مشاهده شده برای مطابقت دادن افراد استفاده می‌کنند و مثالی ارائه می‌دهد که نظریه پاسخ سوال را بر روی داده‌هایی که قبلاً در کتاب معرفی شده‌اند اعمال می‌کند. کتاب با بررسی پیامدهای سوگیری اندازه‌گیری برای استفاده از آزمون‌ها در پیش‌بینی در محیط‌های آموزشی یا استخدامی به پایان می‌رسد.

این کتاب به عنوان مکمل ارزشمندی برای دوره‌های پیشرفته در روان‌سنجی، آزمون‌سازی، اندازه‌گیری، ارزیابی، مدل‌سازی متغیر پنهان و/یا روش‌های کمی که در گروه‌های روان‌شناسی و آموزش تدریس می‌شوند، مفید خواهد بود. محققانی که با در نظر گرفتن سوگیری در اندازه‌گیری مواجه هستند نیز از این کتاب استقبال خواهند کرد.

This book reviews the statistical procedures used to detect measurement bias. Measurement bias is examined from a general latent variable perspective so as to accommodate different forms of testing in a variety of contexts including cognitive or clinical variables, attitudes, personality dimensions, or emotional states. Measurement models that underlie psychometric practice are described, including their strengths and limitations. Practical strategies and examples for dealing with bias detection are provided throughout.

The book begins with an introduction to the general topic, followed by a review of the measurement models used in psychometric theory. Emphasis is placed on latent variable models, with introductions to classical test theory, factor analysis, and item response theory, and the controversies associated with each, being provided. Measurement invariance and bias in the context of multiple populations is defined in chapter 3 followed by chapter 4 that describes the common factor model for continuous measures in multiple populations and its use in the investigation of factorial invariance. Identification problems in confirmatory factor analysis are examined along with estimation and fit evaluation and an example using WAIS-R data. The factor analysis model for discrete measures in multiple populations with an emphasis on the specification, identification, estimation, and fit evaluation issues is addressed in the next chapter. An MMPI item data example is provided. Chapter 6 reviews both dichotomous and polytomous item response scales emphasizing estimation methods and model fit evaluation. The use of models in item response theory in evaluating invariance across multiple populations is then described, including an example that uses data from a large-scale achievement test. Chapter 8 examines item bias evaluation methods that use observed scores to match individuals and provides an example that applies item response theory to data introduced earlier in the book. The book concludes with the implications of measurement bias for the use of tests in prediction in educational or employment settings.

A valuable supplement for advanced courses on psychometrics, testing, measurement, assessment, latent variable modeling, and/or quantitative methods taught in departments of psychology and education, researchers faced with considering bias in measurement will also value this book.