Draxler 與 Kurz 在 2025 年發表的研究，聚焦 Rasch 模型中項目參數恆等性的檢驗。作者提出在二元資料的條件概似架構中，使用混合效果或隨機截距模型，同時估計與檢驗多個共變項的影響，並討論小樣本下的參數自由檢定及多類別資料的延伸。
這項方法上的進展提醒我們，DIF 不一定只能逐一比較一個群體變項。當性別、語言、年齡、時間或實驗條件同時存在時，逐個分析可能掩蓋共變項交互作用或混淆；但模型更複雜也更需要預先規劃與充分報告。
思與行
- 規劃跨群體研究時，先畫出可能影響作答的共變項關係圖，再決定是否需要多變項 DIF 檢驗。
- 對小樣本結果保留不確定性，不將「未達顯著」直接解釋成完全等值。
參考
- 開放取用研究：Clemens Draxler & Andreas Kurz, “Testing measurement invariance in a conditional likelihood framework by considering multiple covariates simultaneously,” Behavior Research Methods（2025）。全文與 DOI
- 延伸概念：測量恆等性是跨群體比較的前提之一、DIF檢查不同群體是否以不同方式回應題目。