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）

等我英语稍微好点在来翻，先存着

摘要  当测验分数测量的是相同心理特质时，将两种不同的测验分数转化到一个可比量表中的统计技术叫做等值。等值来源于实际工作，目的是使得两种不同测验的分数具有可比性。
    迄今为止，研究人员已经发展出多种等值方法，其中线性等值和等百分位等值是基于经典测量理论（CTT）的两种最常用的方法。不同的等值方法会导致不同的等值结果，因此学者们非常关心的是哪种方法可以得到最准确的结果。为此，国内外的学者们做了大量研究，然而，由于不同的研究背景，结论也不尽相同。
    本研究基于真分数等值和没有锚测验的单组设计，并采用了蒙特卡洛模拟方法，在不同试题难度分布和不同样本容量大小的条件中综合比较了两种CTT等值方法。
    模拟的结果说明了如下几点：
1.    线性等值的误差很大程度上受试题难度分布的影响，而等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到样本容量大小的影响，而等百分位等值的误差受到很大影响；
3.    只要样本容量足够大，无论试题难度分布如何，等百分位等值要优于线性等值。
    这里得出的结论在某种程度上与之前研究的结果不同，这在文中也进行了讨论。

关键词： 测验等值 线性等值 等百分位等值 难度分布 样本容量

笔版，我突然觉得，如果你把要看的英文PAPER的摘要都给大家贴上来，你的任务就轻多了……

摘要：用于将测量同一种心理特质的测验分数转化为同一个量表分数，使它们能够相互比较的统计技术，叫做线性等值。这种等值技术源自实际工作中欲使两个不同测验的得分能够相比较的目的。
    迄今为止，研究者们已经开发出了多种等值方法，其中包括线性等值以及等百分位等值这两种基于经典测验理论（CTT理论）的最常用的两种等值技术。不同的等值方法将会得出不同的等值结果。因此，学者们更为关心的是哪种等值方法能够得出最精确的结果。为了达到这一最终目的，国内外的许多研究者都致力于此。但是，由于研究背景不同，结论也不尽相同。
    基于真分数等值以及无锚测验的单组设计应用了蒙特卡洛模拟方法，本研究全面地比较了在不同的测验项目难度分布和不同样本容量下这两种等值技术。
    蒙特卡洛模拟方法所得出的结果如下：
    (1)测验项目的难度分布对线性等值的误差的影响较大，而对等百分位等值的误差几乎没有影响。
    (2)样本容量对线性等值的误差几乎没有影响，而对等百分位等值的误差影响较大。
    (3)无论测验项目的难度如何分布，只要样本容量足够大，等百分位等值都要优于线性等值。
        这些结论与前人所得的结果有所不同，在本文中也将对此作出讨论。
    关键词：测验等值；线性等值；等百分位等值；难度分布；样本容量

摘要
  用来把测同一心理特质的两个不同的测验转化为可比较的量表的统计方法叫做等值化。等值化是为了在实际工作中能把两个不同的测验分数拿来比较。
  目前，研究者已经发展出许多等值化的方法，其中，源于经典测量理论的线性等值及百分等级等值是最常用的。不同的等值方法会产生不同的结果。因此，学者们最关心的是哪种方法能得出最精确的结果。为此，国内外进行了许多这方面的研究。然而，由于研究背景不同，所得的结论都不尽相同。
   基于真分数等值及没有锚测验且没有运用蒙特卡罗模拟法（百度的，不知道这个方法哦）的单组设计研究，综合比较了不同的测验项目的难度分布及不同的样本容量对CTT理论的两种等值方法的影响。
   模拟的结果如下：
（1） 测验项目的难度更多的影响线性等值，对百分等级等值并没有太大影响。
（2）样本容量更多的影响百分等级等值，而不影响线性等值。
（3）只要样本足够大，无论测验项目的难度分布如何，百分等级等值要比线性等值更精确。

这些结论与之前的研究有所不同。论文中也将对它们进行讨论！
关键字：测验等值 线性等值 百分等级等值 难度分布 样本容量

虽然今年没机会复试，但是还是把自己很挫的翻译放上来等待拍砖。。。
==============================
摘要
当两个测验测量的是同一种心理特质时，常常会用等值这一测量技术，这种方法可以把两个不同的测验分数转化为可比较的水平上。这种方法来源于实践需要，为的是可以让两个不同的测验分数直接进行比较。

直到现在，研究者已发展出多种等值的方法，其中线性等值和百分位等值是两种比较常用的方法，它们都是基于经典测验理论上建立起来的，不同的等值方法会导致不同的等值结果。因此，学者们关注的焦点就是有没有一种方法可以得出最准确的结果。到现在为止，国内外诸多学者都研究出多种方法。然而，由于研究背景的不同，其结果也不近相似。

蒙特卡洛模拟法是基于真分数等值和没有锚定测验的单组设计上提出的，这个研究广泛的比较了在不同测验项目的难度分布和样本大小中的两种经典测验等值法间的差异。

结果如下：
1.线性等值的不足是它受测验项目的难度分布影响较大，等百分位等值受影响较小。

2.样本大小很难影响线性等值，而等百分位等值受影响较大。

3.不管测验项目的难度分布如何，在样本大小足够的情况下，等百分位等值都优于线性等值。

此研究的结果与先前结果不同，在论文中将进一步进行讨论。

关键词：测验等值，线性等值，等百分位等值，难度分布，样本大小。

谢，笔版

吆喝了几个小时了

用作转换的统计技术到两种不同的测试成绩相当的程度上被称为宗派规定当考试的分数来衡量相同服务的心理品质。来自实际工作并重,目的是为了使分数进行了两种不同的方法具有可比性。


到目前为止,研究人员已经研究出了多种均衡方法,其中,线性均衡和equipercentile并重是两个最常见的基于古典测验理论(CTT)。不同的均衡方法将会导致不同的均衡结果。因此,学者们多关心哪一种方法会产生最精确的结果。为了这个目的,有很多的研究方法进行国内外。然而,由于不同的研究脉络,得到的结论是不一样的。


基于真实评分均衡和单成组设计采用无锚试验和蒙特卡罗模拟方法,本研究综合比较了两种方法在不同的困难CTT均衡分布的测试项目和不同样本大小。


仿真实验显示如下:


(1)的误差的线性均衡触动很大的困难,而分布测试项目的误差几乎没有影响equipercentile并重。


(2)的误差几乎没有受到线性均衡样本数,而equipercentile并重的误差非常难过。


(3)无论多么困难的多步骤题型的分布,equipercentile均衡明显优于线性均衡只要样本数足够大。


这里有点不同的结论,从以往的结果。他们进行了讨论。

好好琢磨一下