很多学校在复试的时候要考翻译，为此出一个练习给大家（有红包）

    许多学校在复试的时候都要考翻译。为了让各位即将参加复试的朋友能够取得更好的成绩，我特意出了一个英译汉的练习给大家做。
   只要认真做就有考元红包奖励哦！每个回帖我都会认真批改的！
    不过，一定要认真对待，不许随便写几句了事，也不许抄别人的！只有这样，才能让你的实力得到提高。
    请大家珍惜锻炼的机会，为自己负责。
    （红包发放截止时间：4月7日晚上23点。请在此之前回帖）

    以下是一篇论文的摘要，请大家翻译成中文。其中，Monte Carlo simulation method 翻译成“蒙特卡洛模拟方法”；linear equating 和 equipercentile equating 的翻译可以参见戴海琦《心理与教育测量》。


                                                  Abstract


The statistical techniques used for converting two different test scores into a comparable scale is called equating when the test scores serve to measure the same psychological trait. Equating comes from practical jobs with the purpose of making the scores of two different tests comparable.

       Until now, the researchers have developed many kinds of equating methods, among which, linear equating and equipercentile equating are the two most common which are based on Classical Test Theory (CTT). Different equating methods would lead to different equating results. Thus, scholars are much concerned about which method would produce the most accurate results. To this end, there are many researches conducted at home and abroad. However, due to different research contexts, the conclusions are not the same.  

Based on the true score equating and single group design without anchor test and employed Monte Carlo simulation method, this research comprehensively compared the two CTT equating methods in different difficulty distributions of test items and different sample sizes.

The simulation results showed as follows:

(1) The error of linear equating was much affected by difficulty distributions of test items, while the error of equipercentile equating was hardly affected.

(2) The error of linear equating was hardly affected by sample sizes, while the error of equipercentile equating was much affected.

(3) No matter how the difficulty distributions of test items were, equipercentile equating was better than linear equating as long as the sample sizes were large enough.

The conclusions here were somewhat different from the previous results. They were also discussed in the paper.


Key words: Test Equating; Linear Equating; Equipercentile Equating; Difficulty Distribution; Sample Size

摘要

测验等值是使测量同一心理特质的不同测验形式所得测验分数具有可比性的统计技术。它出于实际工作的目的，使两个不同的测试成绩可比。

到目前为止，研究人员已开发了多种方法，其中，线性等值和 百分位等值是两个最常见的以经典测试理论 为依据的等值方法。不同的等值方法会导致不同的等值结果。因此，学者们非常关注哪种方法能生成最精确的结果。为此目的，有很多研究进行国内外的研究。不过，由于来研究背景的不同，结论也各异。

我们将使用真分数等值和非锚测验单一被试组，结合蒙特卡洛模拟算法对以上两种经典理论等值方法进行综合模拟测验，对比它们在不同难度分布和不同样本容量下的误差变异。

模拟结果如下所示：
（1） 试题难度分布严重影响了线性等值的误差， 而百分位等值的误差则几乎不受影响。
(2) 线性等值误差几乎不受样本容量影响，而百分位等值误差受影响巨大。
(3) 无论测试项目的难度分布如何，只要样本容量足够大，百分位等值优于线性等值。
所得结论与前人结果稍有不同，我们将稍后阐述它们的差异。
关键词： 测验等值 ；线性等值 ；百分位等值 ；难度分布 ；样本容量。

语文成绩不好，我已经词穷了。

正好无所事事，翻来看看，粗糙了些：
                                                       摘要
    用来将两种测量同一心理特质的不同测验的分数转化至一个能将二者进行比较的量表中的统计技术称之为测验等值。测验等值因实际工作中将两种不同测验的分数进行比较的需要而产生。
    至今，研究者们发展了很多测验等值的方法，在这些方法中，建立在CTT理论基础的线性等值法和百分位等值法最为常用。不同的等值方法产生的结果也不同。因此，学者们最为关心的是哪种方法能产生最精确的结果。为此，国内外学者们进行了一系列的研究。然而，不同的研究，产生的结论也不同。
基于真分数理论的测验等值和单组无锚测验设计，采用蒙塔卡洛模拟方法，该研究全面的比较了不同测验项目难度分布和不同样本规模下两种基于CTT理论的测验等值技术。
模拟结果显示如下：
（1）    线性等值法的误差受测验项目难度分布的影响，而百分位等值法则几乎不受此影响。
（2）    线性等值法的误差几乎不受样本规模的影响，而百分位等值法则受此影响。
（3）    样本足够大时，无论测验项目难度分布如何，百分位等值法要优于线性等值法。
这个结论和以前的结果有些不同，论文中也将会讨论到。

关键词：测验等值；线性等值法；百分位等值法；项目难度分布；样本大小

有种统计方法是等同法：为了将两种心理特点测试分数转换成一种可比较的模板。等同法的目的是设计一种可比较的标准以用于对比不同的测试成绩。
直到当今，这种统计法已经发展成许多不同的种类，其中最普遍的是基于古典测验理论（CTT）的线性方程式和平衡点等同两种方法。不同的等同法将导致不同的等同结果。因此，国内外的学者都非常关心究竟哪种可以得出最精确的结论。如此，很多实验在国内外进行着。然而，归因于不同的实验背景，结论都不尽相同。
基于准确的等同分数和没有进行锚测试的单组设计，采用蒙特卡洛模拟方法全面比较了在分布和样本容量两个维度的线性方程式和平衡点等同两种方法。
仿真结果如下：
（1） 线性方程法的错误对测试项目的难度分布敏感，平衡点等同法不敏感。
（2） 线性方程法的错误对测试项目的样本大小不敏感，平衡点等同法敏感。
（3） 不管测试项目的难度分布如何，只要样本足够大，平衡点等同法优于线性方程法。
这样的结论和以往的结果不同，也在杂志上进行讨论。
心测还没看，硬翻的。。。。。。

有点难度，我要好好审审呀！

摘要：
测验等值是指一种用于将测量同一心理特质的两个不同测验的分数转换到一个可以进行比较的量表上的统计技术，其来源于实际工作中使两个不同的分数可以进行比较的需要。
到目前为止，研究者们已经发展处很多种等值方法，在这些方法中，最常见的是基于经典测量理论的线性等值和等百分位等值。不同的等值方法会得到不同的等值结果。因此，学者们更关心的是哪种等值方法可以得到最精确的结果。为了这个目的，国内外开展了很多关于这方面的研究。然而，由于研究条件不同，结论并不完全一致。
本研究基于没有使用锚测验和蒙特卡洛模拟方法的真分数等值和单组设计，在不同测验难度分布和样本大小情况下仔细比较了这两种CTT等值方法。
模拟结果如下：
1、线性等值的误差很容易受测验难度分布的影响，而等百分位等值则很少受这种影响。
2、线性等值误差不易受样本大小影响，而等百分位等值的误差则很容易受样本大小的影响。
3、不管测验难度的分布分布如何，在样本量足够大的情况下，等百分位等值优于线性等值。
本研究结论有异于以往的研究结果，这点也将在本文讨论。
关键词：测验等值；线性等值；等百分位等值；难度分布；样本量

摘要
当测验分数用来测量相同的心理特质时，把两种不同的测验分数转换成同一个可比较的量表的统计技术就叫做等值技术。等
值技术产生于使两种不同测试具有可比性的实际工作中。
目前为止，研究者们已经发展出许多种等值方法，在这些方法中，线性等值和百分位等值是两种最常见的基于传统测量理论
（CTT）的方法。不同的等值方法将导致不同的等值结果。因此，学者们非常关心何种方法将产生最精确的结果。为了达到这
一目的，许多国内外研究者绞尽脑汁。然而，由于不同的研究背景，结论也不尽相同。
基于没有锚测试的真分数等值与单一团体设计，并且使用蒙特卡洛模拟方法，本研究在测验项目的难度分布以及不同的样本
数方面综合地比较了这两种CTT等值方法。
模拟结果展示如下：
1、线性等值的误差受测验项目的难度分布很大影响，而百分位等值的误差几乎不受影响。
2、线性等值的误差几乎不受样本数的影响，而百分位等值的误差受很大影响。
3、不论测验项目的难度分布如何，百分位等值只要在样本数足够大的情况下都优于线性等值。
该结论或多或少于之前的研究结果有所不同。这些也将在论文中讨论。

把两个用于测量同一心理特质的不同测验的分数转换到一个可以比较的分数系统中，这个数据处理方法叫做等值。等值起源于为了使得不同测验的分数具有可比较性的实践工作。
到现在为止，研究人员发展了多种用于测验等值的方法，其中应用最广的是基于经典测量理论的线性等值和等百分位等值法。不同的等值方法会产生不同的等值结果。因此，学者们很关心究竟哪种等值法才能带来最精确地结果。国内外的诸多研究致力于此。然而，由于研究情景不同，结论也不尽相同。
以真分数等值，无锚测验的单一群体为基础，应用了蒙特卡洛模拟方法，本项研究在不同难度的测试项目和不同大小的样本中广泛比较了经典测量理论的两种等值法。
蒙特卡洛模拟方法显示结果如下：
1.线性等值误差受测试项目的难度分布的显著影响而等百分位等值几乎不受影响。
2.线性等值误差不受样本大小的影响而等百分位等值不然。
3.只要样本足够大，无论项目难度分布如何，等百分位等值比线性等值都要好。

这些结论与之前的结论有某些不同。在论文中也有讨论。

关键词：测量等值 线性等值 等百分位等值 难度分布 样本大小

好好琢磨一下

呵呵，我总是丢三落四的。。。