Random Item Slope Regression

一、背景与问题引入

1. 被试变异与题目变异的解构

心理学研究中经常使用回归，如混合线性模型（Mixed-Effects Models），来建模数据。研究举例：

年龄(Age, IV) 对 外倾性(Extraversion, DV) 的影响。

需要区分两个层面的变异：

1.1 被试层面 (Participant Level)

• 被试截距 (Participant Intercept)：不同人的基础外向性分数不同（有人天生社牛，有人社恐）。
• 被试斜率 (Participant Slope)：年龄增长对不同人的影响可能不同（文章不讨论此层面的随机斜率）

1.2 题目层面 (Item Level)

• 题目截距 (Item Intercept = 难度/通俗度)：
  • 有些题容易得分（例如：“我喜欢和人说话”），有些题难得分（例如：“我喜欢演讲”）
  • 现状： 这一点传统方法（IRT 或 SEM）能正确处理（通过题目参数或载荷截距）
• 题目斜率 (Item Slope = 对 IV 的敏感度)：
  • 举例：随着年龄增长，“喜欢和人说话”这种温和的社交可能变化不大（Slope \(\approx\) 0）；但“喜欢演讲”这种追求刺激的社交可能会急剧下降（Slope < 0）
  • 现状：传统方法通常不会额外处理题目斜率，而是作为固定效应的一部分
  • 核心问题：IV 对不同题目(Items，后文同)的预测力是一样的吗？

---

2. ANOVA中的交互作用

set.seed(123)
n_subj <- 50
age <- rnorm(n_subj, mean = 20, sd = 10) # IV

# 假设构念由2个题目测量
# Item 1: 随年龄增长稍微增加 (Slope = 0.05)
# Item 2: 随年龄增长显著减少 (Slope = -0.05)
item1_scores <- 0.05 * age + rnorm(n_subj)
item2_scores <- -0.05 * age + rnorm(n_subj)

demo_data <- data.frame(
  ID = rep(1:n_subj, 2),
  Age = rep(age, 2),
  Score = c(item1_scores, item2_scores),
  Item = rep(c("Item 1 (温和社交)", "Item 2 (刺激社交)"), each = n_subj)
)

# 计算聚合分数 (Aggregation)
agg_data <- demo_data %>%
  group_by(ID, Age, Item) %>%
  summarise(Mean_Score = mean(Score))

# --- 统计检验 (ANOVA) ---

# 1. 传统聚合分析：检验 Age 主效应
# 逻辑：如果只看平均分，Age 有影响吗？
model_agg <- lm(Mean_Score ~ Age + Item, data = agg_data)
print(anova(model_agg))

Analysis of Variance Table

Response: Mean_Score
          Df Sum Sq Mean Sq  F value Pr(>F)    
Age        1   0.00   0.000   0.0003 0.9861    
Item       1 148.20 148.196 135.1612 <2e-16 ***
Residuals 97 106.35   1.096                    
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

# 2. 交互作用分析：检验 Age × Item
# 逻辑：Age 对分数的影响，是否依赖于题目(Item)的不同？
model_inter <- lm(Score ~ Age * Item, data = demo_data)
print(anova(model_inter))

Analysis of Variance Table

Response: Score
          Df  Sum Sq Mean Sq  F value    Pr(>F)    
Age        1   0.000   0.000   0.0004    0.9849    
Item       1 148.196 148.196 161.5947 < 2.2e-16 ***
Age:Item   1  18.314  18.314  19.9703 2.152e-05 ***
Residuals 96  88.040   0.917                       
---
Signif. codes:  
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

# --- 绘图 ---
p1 <- ggplot(demo_data, aes(x = Age, y = Score, color = Item, group = Item)) +
  geom_point(alpha = 0.3) +
  geom_smooth(method = "lm", se = FALSE, size = 1.5) +
  theme_minimal() +
  labs(title = "真实机制：显著的交互作用 (Interaction)", 
       subtitle = "ANOVA 结果显示 Age:Item 交互项显著\n说明斜率方向随题目而变") +
  theme(legend.position = "bottom")

p2 <- ggplot(agg_data, aes(x = Age, y = Mean_Score)) +
  geom_point(alpha = 0.3) +
  geom_smooth(method = "lm", color = "black", size = 1.5) +
  theme_minimal() +
  labs(title = "聚合掩盖真相：主效应不显著", 
       subtitle = "ANOVA 结果显示 Age 主效应 p > .05\n错误地得出'年龄无关'的结论")

p1 + p2

• IV 与 Items 存在明显的交互作用（斜率一正一负）
• 当交互作用存在，但未被建模时，“主效应”实际上是一个被污染的指标——它要么被相反的斜率中和成了无意义的平均数，要么其显著性检验建立在错误的误差基准之上
• 如果 IV 与 Items 存在交互作用，但分析时没有建模交互作用，会发生什么？

3. 异质性(Heterogeneity)要求与同质性 (Homogeneity) 的误解

• 有的研究在设计题目表达概念/构念时，为了高内容效度 (Content Validity)，会从不同角度设计题目，例如，测量“外向性”时，需要既有“喜欢派对”的题目，也有“喜欢公开演讲”的题目，这些题目虽然都测外向性，但它们覆盖了构念的不同侧面。这些题目本身存在异质性
• 题目内部相关高，也不代表它们对外部变量（IV）的反应（Slope）也是一样的
• 如果量表旨在测量一个宽泛的心理构念（Broad Construct），题目斜率的异质性不仅是统计上的必然，也是理论上的必然

---

4. 概化理论 (Generalizability Theory) 引发的悖论

4.1 核心前提：题目全域 (Item Universe) 与可交换性

• 随机抽样假设：为了研究效度，假设被试是从人群中随机抽取的，相似的，量表中的题目也应当被视为从“题目全域”中随机抽取的样本
• 可交换性 (Exchangeability)：既然是随机抽样，那么题目之间应该是“可交换”的，统计结论不应受制于恰好选用了哪几个题目

概化理论认为：为了让结论具有推广性，统计上应假设使用的题目是从一个无限题库 (infinite pool of items) 中随机抽取的，题目斜率应被视作随机效应

4.2 现行做法的“双标”

1. 对被试 (Participants)：承认其随机性，允许不同被试有不同的表现，试图将结论推广到未被测量的总体人群。
2. 对题目 (Items)：目前的模型只允许题目在截距上随机变化（即承认题目有难易之分）。涉及题目与外部变量（IV）的关系（即斜率），传统模型就强行假设所有题目对 IV 的反应是完全一致的（Fixed Slope, \(\beta_1\)）。这种做法实际上把固定的几道题目当成了概念/构念全部测量范围 \[ y_{ij} = \beta_0 + u_{0i} + u_{0j} + \beta_1 x_i + \epsilon_{ij} \]

---

5. 问题出现：现有模型对items随机斜率视而不见

无论是简单的回归（Aggregation）还是复杂的结构方程模型（SEM），都在不同程度上忽视了题目层面的斜率不一致。

5.1 两种忽视的方式

1. 聚合模型 (Aggregation Regression)：
   • 做法：求平均分。
   • 假设：所有题目对构念的贡献相等（权重=1），且对 IV 的反应斜率完全相同。
   • 结果：丢失所有题目特异性信息。
2. 结构方程模型 (Common Factor / SEM)：
   • 做法：潜变量建模。
   • 假设：题目对 IV 的反应必须通过“潜变量”传导。不同题目的斜率被平均了，这种做法假定，若 Item1 的载荷是 Item2 的2倍，那么 Item1 对 IV 的斜率也必须严格是 Item2 的2倍
   • 局限：IV 无法直接与单个 Item 产生独特的交互作用，模型会把这部分本该属于“Random item slope”的变异，错误地当作了单纯的残差

5.2 模型假设对比

# ==========================================
# 1. 数据生成：构造“矛盾”情境
# ==========================================
set.seed(999)
N <- 300
J <- 5
IV <- rnorm(N, 0, 1)

# A. 生成潜变量 (Factor)
# 假设 IV 对潜变量有强正向影响 (Beta = 0.6)
Latent_F <- 0.6 * IV + rnorm(N, 0, 0.8)

# B. 生成题目 (Items)
# 关键点：所有题目在测量模型上都是“好题”（正向载荷），内部一致性高
# y = 1.0 * F + unique_effect + error
sim_data_wide <- data.frame(ID = 1:N, IV = IV)
sim_data_long <- data.frame()

# 题目 1-4：完全听从潜变量指挥
for(j in 1:4){
  y <- 1.0 * Latent_F + rnorm(N, 0, 1) 
  sim_data_wide[[paste0("y", j)]] <- y
  sim_data_long <- rbind(sim_data_long, data.frame(ID=1:N, IV=IV, Item=paste0("Item", j), Score=y))
}

# 题目 5：叛逆者 (Item Specific Effect)
# 它虽然测量同一个潜变量（有 +1.0 * F），但 IV 对它有额外的直接负面打击 (-1.5 * IV)
# 净效应(Net Slope) ≈ 0.6 (from F) - 1.5 (Direct) = -0.9
y5 <- 1.0 * Latent_F - 1.5 * IV + rnorm(N, 0, 1)
sim_data_wide$y5 <- y5
sim_data_long <- rbind(sim_data_long, data.frame(ID=1:N, IV=IV, Item="Item5", Score=y5))


# ==========================================
# 2. 模型拟合
# ==========================================

# --- A. 聚合回归 ---
sim_data_wide$Mean_Score <- rowMeans(sim_data_wide[, paste0("y", 1:5)])
agg_model <- lm(Mean_Score ~ IV, data = sim_data_wide)
agg_intercept <- coef(agg_model)[1]
agg_slope     <- coef(agg_model)[2]

# --- B. SEM (Common Factor) ---
sem_syntax <- '
  F1 =~ y1 + y2 + y3 + y4 + y5
  F1 ~ IV
'
sem_fit <- sem(sem_syntax, data = sim_data_wide, std.lv = TRUE)

# 提取 SEM 隐含的回归线
est <- parameterEstimates(sem_fit)
gamma <- est[est$op == "~" & est$lhs == "F1" & est$rhs == "IV", "est"] # 潜变量斜率
sem_lines <- data.frame()

for(j in 1:5){
  item_name <- paste0("y", j)
  # 截距
  nu <- est[est$op == "~1" & est$lhs == item_name, "est"]
  if(length(nu)==0) nu <- mean(sim_data_wide[[item_name]])
  # 载荷
  lam <- est[est$op == "=~" & est$rhs == item_name, "est"]
  
  # 这里的关键：SEM 强行认为 斜率 = 载荷 * Gamma
  # 因为 y1-y4 都是正相关，Gamma 是正的，且所有题目内部正相关，
  # SEM 会估计出 y5 的载荷也是正的（因为 y5 也受 Latent_F 影响）
  # 于是 SEM 会错误地预测 y5 随着 IV 增加而增加
  implied_slope <- lam * gamma
  
  temp <- data.frame(IV = seq(min(IV), max(IV), length.out=100), Item=paste0("Item", j))
  temp$Score <- nu + implied_slope * temp$IV
  sem_lines <- rbind(sem_lines, temp)
}

# ==========================================
# 3. 绘图对比
# ==========================================


common_theme <- theme_bw() + 
  theme(legend.position = "none", plot.title = element_text(face="bold"))

# Plot 1: Aggregation
p_agg <- ggplot(sim_data_long, aes(x = IV, y = Score)) +
  geom_point(color="grey", alpha=0.3) +
  geom_abline(intercept = agg_intercept, slope = agg_slope, color = "#D55E00", size = 2) +
  labs(title = "1. Aggregation", subtitle = "简单平均，彻底掩盖 Item 5") + 
  ylim(-4, 4) + common_theme

# Plot 2: SEM
p_sem <- ggplot() +
  geom_point(data = sim_data_long, aes(x = IV, y = Score, color = Item), alpha = 0.1) +
  geom_line(data = sem_lines, aes(x = IV, y = Score, color = Item), size = 1.2) +
  labs(title = "2. SEM (Common Factor)", 
       subtitle = "强制一致性：\n由于 Item 5 属于该构念，SEM 强行预测它\n随 IV 增加而增加 (紫色线向上)。\n这与数据事实(散点向下)完全相反") +
  ylim(-4, 4) + common_theme

# Plot 3: Real Data / RIS
p_ris <- ggplot(sim_data_long, aes(x = IV, y = Score, color = Item)) +
  geom_point(alpha = 0.2) +
  geom_smooth(method = "lm", se = FALSE, size = 1.2) +
  labs(title = "3. Real Data (RIS)", 
       subtitle = "真相：\nItem 5 (紫色) 实际上是负相关的。\n这是 SEM 无法捕捉的特异性斜率。") +
  ylim(-4, 4) + common_theme

p_agg + p_sem + p_ris

my_labels <- c("Item 1", "Item 2", "Item 3", "Item 4", "Item 5", "IV", "Factor")

semPaths(object = sem_fit,
         what = "std",
         whatLabels = "std",
         layout = "tree2",  
         edge.label.cex = 1, 
         rotation = 2,
         nodeLabels = my_labels,
)

title("Common Factor Model (SEM) 路径图", adj = 0.5, line = 2)

mtext("IV 到 Item 5 没有直接路径，必须经过 F1", side = 1, line = 0, cex = 1.2)

---

二：理论模型——Random Item Slope Regression (RISR)

不仅仅是统计方法的改变，更是测量哲学的改变。

• Aggregation: 均值就是一切
• SEM (Common Factor): 认为题目是潜变量的“反映 (Reflective)”。
  • 假设：题目本身没有独立意义，它们只是潜变量的“克隆体”，唯一的区别在于信度（载荷）
• Random Item Slope Regression (Proposed): 根据概化理论的逻辑，认为题目是构念的“样本 (Sample)”
  • 假设：题目是从一个无限的题库中随机抽取的
  • 推论：每个题目都有其独特的上下文（Context），IV 对不同题目的影响可以完全不同（甚至方向相反），这被视为真实存在的变异，而不是噪音

1. 模型的数学描述

1.1 传统模型 vs. RISR模型

传统聚合回归 (Aggregation Model)： 假设题目对 IV 的反应是固定的、一致的。 \[ y_i = \beta_0 + \beta_1 x_i + \epsilon_i \]

随机题目斜率回归 (RISR, Equation 4)： 假设题目是从题库中随机抽取的，对 IV 的敏感度各不相同。 \[ y_{ij} = \beta_0 + u_{0i} + u_{0j} + (\beta_1 + \mathbf{u_{1j}})x_i + \epsilon_{ij} \]

其中核心差异在于 \(\mathbf{u_{1j}}\)：

• \(u_{1j}\) (Random Item Slope), \(u_{1j} \sim N(0, \tau_{11})\)：
  • 题目对 IV 反应的特异性
  • 它代表了题目 \(j\) 对 \(x\) 的敏感程度偏离平均斜率 \(\beta_1\) 多少
  • 对于题目 \(j\) 来说，它真实的斜率是 \((\beta_1 + u_{1j})\)
  • Aggregation/SEM 隐含假设：\(u_{1j} = 0\) (即方差 \(\tau_{11} = 0\))
  • RISR 核心假设：\(\tau_{11} > 0\)，衡量了题目间对 IV 反应的异质性程度
• \(u_{0i}\) (Random Participant Intercept), \(u_{0i} \sim N(0, \tau_{00}^{(subj)})\)：
  • 被试的特异性
  • 比如：张三本身就倾向于打高分，他的 \(u_{0i}\) 就是正的
• \(u_{0j}\) (Random Item Intercept), \(u_{0j} \sim N(0, \tau_{00}^{(item)})\)：
  • 题目的难易度/通俗度
  • 比如：题目 1 措辞很诱人，大家都容易得分，它的 \(u_{0j}\) 就是正的
• \(\epsilon_{ij}\) (Residual), \(\epsilon_{ij} \sim N(0, \sigma^2)\)：

---

2. 错误建模的统计后果：SE 低估与 t 值膨胀

忽略 \(u_{1j}\) 会导致假阳性（Type I Error），根本原因在于\(t\)值计算错误。

2.1 t 值的计算逻辑

在线性回归中，判断显著性的 \(t\) 值计算公式为： \[ t = \frac{\text{Estimate}}{\text{Standard Error}} = \frac{\hat{\beta}_1}{SE(\hat{\beta}_1)} \]

如果题目本身存在斜率变异（\(\tau_{11} > 0\)），使用了传统模型（忽略它）时，会得到一个被低估的 SE。分母变小 \(\rightarrow\) t 值虚高 \(\rightarrow\) 假阳性（Type I Error）。

2.2 SE 的计算过程

根据论文附录证明，两种模型对 SE 的估计截然不同：

• 传统模型 (Naive SE)： 认为只要增加被试量 \(N\)，误差就能无限缩小： \[ SE_{naive} \approx \sqrt{\frac{\sigma^2_{residual}}{N \times J \times \sigma^2_x}} \] > 当 \(N \to \infty\)， \(SE \to 0\)。

• RISR 模型 (True SE)： 引入了题目采样的不确定性（Generalization Error），以下公式由文章中A10变形而来： \[ SE_{true} \approx \sqrt{\frac{\sigma^2_{residual}}{N \times J \times \sigma^2_x} + \mathbf{\frac{\tau_{11}}{J}}} \] > 当 \(N \to \infty\)，第一项趋近于0，但第二项 \(\frac{\tau_{11}}{J}\) 依然存在

2.3 低估SE的因素

比较 真实模型 SE (RISR) 和 错误模型 SE (Aggregation/Naive) 的比率，比率越大，说明错误模型低估得越严重（即错得越离谱）

由附录 A 的推导可以构造比率 \(K\)：

\[ \text{Ratio } K = \frac{SE_{True}}{SE_{Naive}} = \sqrt{1 + \frac{I \cdot \tau_{11} \cdot s_x^2}{\sigma^2 + J \cdot \omega_{00}}} \]

• 分子：\(I\) (被试数), \(\tau_{11}\) (斜率变异), \(s_x^2\) (IV方差)
• 分母：\(\sigma^2\) (残差), \(J\) (题目数), \(\omega_{00}\) (被试截距变异)

1. 被试数量 (\(I\)) 越多，低估越严重
2. 题目数量 (\(J\)) 越少，低估越严重
3. 被试截距变异 (\(\omega_{00}\)) 越小，低估越严重
4. 应该是残差越小 (\(\sigma^2\) smaller)，低估才越严重？

larger underestimation when there is larger residual error variance(?×)

---

3. 模拟验证：大样本悖论

图解：传统模型（蓝色线），当 \(N=3000\) 时，SE 几乎为 0，此时哪怕 \(\hat{\beta}\) 只有微小的 0.01，计算出的 \(t\) 值也会很大，导致显著的结果。这解释了为什么大数据集特别容易出现 Random Item Slope 导致的假阳性。

---

4. 为什么常用指标无法诊断？

为什么 Cronbach’s \(\alpha\) 或 SEM 模型拟合（CFI/RMSEA）时没有发现？

4.1 Cronbach’s \(\alpha\) 的盲区

\(\alpha\) 系数反映的是题目分数的内部一致性。 \[ Var(y_{ij}) = \underbrace{\omega_{00}}_{\text{人与人的巨大差异}} + \tau_{00} + \underbrace{\tau_{11}x_i^2}_{\text{微小的斜率差异}} + \sigma^2 \]

\[ \alpha \approx \frac{J \cdot \omega_{00}}{J \cdot \omega_{00} + (\sigma^2 + \tau_{11})} \]

• 现状：被试间的截距差异（\(\omega_{00}\)，即有些人总是分高）通常占据了绝大部分方差。
• 盲区：\(\tau_{11}\)（对 IV 的反应差异）占比很小。\(\alpha\) 主要反映截距的一致性（\(\omega_{00}\)），对斜率层面的异质性（\(\tau_{11}\)）不敏感 (Insensitive)，Random Item Slope 的存在实际上会增加观察到的总变异，可能微弱地增加 \(\alpha\)

4.2 SEM 拟合指数的欺骗性

Common Factor Regression虽然比聚合回归严谨，它本质上是一个Constrained Model，它强迫所有题目通过潜变量产生联系：

1. 残差吸收：SEM 将 Random Slope 的变异（\(u_{1j}x_i\)）视为随机误差（Residuals, \(\epsilon\)）。
2. 拟合指标假阳性：只要这些变异没有破坏整体的协方差结构（通常确实没有，因为它们是关于斜率的，而不是关于截距的），SEM 的拟合指数（Global Fit Indices）就会出现假阴性，即明明模型设定错了，但 CFI 依然 > 0.95。

实证证据 (Real Data)： 论文使用了 \(N=564\) 的真实数据发现，即使 CFI = 0.956, RMSEA = 0.087 这样被认为“可接受”的模型，在使用 RISR 检验后，依然发现了显著的 Random Item Slopes，且推翻了之前的显著性结论。

结论：高信度 (\(\alpha\)) 和高拟合度 (CFI) 不能 作为不存在 Random Item Slope 的证据。

---

三：实证证据——模拟与真实数据

首先在模拟环境下证明传统模型会犯错，然后在真实环境（实测数据）中证明这种情况确实存在

1. 模拟研究 (Simulation Study)

文章构建了 72 种不同的参数组合，系统改变了样本量 (\(N\))、题目数量 (\(J\)) 和随机斜率的方差大小 (\(\tau_{11}\))。

1.1 核心发现：Type I 错误率膨胀

在模拟中，设定 IV 和 DV 的真实关系为 0 (\(\beta_1 = 0\))。因此，任何“显著”的结果都是假阳性（Type I Error）。

• 当存在随机题目斜率（\(\tau_{11} > 0\)）时，随着样本量 (\(N\)) 的增加，错误率飙升，甚至接近 100%，即大样本悖论
• 无论样本量多大，错误率始终控制在0.05以下

1.2 微弱的随机题目斜率也影响巨大

模拟显示，即使随机题目斜率的方差非常小（仅占相关误差方差的 0.549%），在大样本下（\(N=1000\)）也足以导致传统模型的统计推断失效，说明以往研究中存在普遍的隐患。

---

2. 真实数据分析 (Real World Data)

作者收集了 \(N=564\) 的数据，使用了心理学常用的量表（如大五人格、自我实现量表等）和反应时任务。

2.1 案例：年龄与自我实现 (Age & Self-Actualization)

一个戏剧性的例子，一项探究“年龄”是否预测“自我实现”得分的研究中。

模型结果对比

传统聚合回归与 RISR 模型的结果中，回归系数 (\(b\)) 是相同的，但标准误 (\(SE\)) 发生了剧烈变化

模型类型	回归系数 (\(\hat{\beta}_1\))	标准误 (\(SE\))	\(t\) 值	\(p\) 值	实质结论
Aggregation	-0.062	0.015 (被低估)	-4.18	< .001 (显著)	年龄越大，自我实现感越低
RISR	-0.062	0.032 (已校正)	-1.96	.066 (不显著)	年龄与自我实现感无显著关系

RISR 估计出的 \(SE\) 是传统方法的 2 倍多。这直接导致显著性消失，推翻了原有结论。

为什么会有这么大的差异？检查单个题目的斜率有以下发现：

题目类型	代表题目 (Items)	对年龄的反应 (Slope)	心理学解释
驱动因子 (Drivers)	Item 8 (“I fear failure”) Item 14 (““I am bothered by fears of being inadequate”)	强负相关 (随年龄大幅下降)	年龄增长显著降低了“对失败的恐惧”
无关因子 (Neutrals)	大部分其他题目	接近零 或 微弱正相关	年龄对自我实现的其他维度影响甚微

结论：所谓的“显著负相关”完全是由少数几个关于“恐惧”的题目驱动的，RISR 像一把手术刀，切分了构念层面和题目层面的效应。 RISR的分析来看，年龄增长可能只是让人“不再害怕失败”，而不是“自我实现感降低”

2.2 普遍性

在测试的所有 IV-DV 组合中，随机题目斜率普遍存在。在某些情况下，RISR 估计出的随机斜率方差甚至远大于模拟中设定的水平。这表明过去文献中许多“小而显著”的大样本效应，可能只是由于量表中混入了几个对 IV 特别敏感的题目。

---

四：总结与实际应用

1. 总结讨论 (General Discussion)

1.1 实践建议

1. 警惕大样本中的微小显著效应：当 \(N\) 很大且效应量很小时，必须考虑题目斜率异质性的影响。
2. 作为敏感性分析 (Sensitivity Check)：不一定要完全抛弃传统方法，但应使用 RISR 验证核心结论是否稳健。
3. 不要迷信 Fit Indices：CFI 和 Alpha 系数无法诊断这个问题。

---

2. How to fit RISR

RISR 本质上是一个 交叉分类混合效应模型 (Cross-Classified Mixed-Effects Model)。之所以叫“交叉”，是因为每个被试都回答了所有题目（或大部分），被试和题目不是嵌套关系，而是交叉关系

使用 lme4 包可实现 RISR 模型。 \[\text{Score}_{ij} \sim \beta_0 + (\beta_1 + u_{1j}) \cdot \text{IV}_i + (u_{0i} + u_{0j}) + \epsilon_{ij}\]

在lme4语法中的表达：

library(lme4)

risr_model <- lmer(
  Score ~ IV +                # 固定效应：要测的平均关系
    (1 | ID) +                # 随机截距 (被试)：每个人基础分不同
    (1 + IV | Item),          # 随机斜率 (题目)：关键！允许 IV 对不同 Item 的影响不同
  data = long_data
)

2.1 数据准备

要求长数据格式 (Long Format)，每行是一个观察值 single subject answers single item response data in long format

2.2 代码示范

生成模拟数据集，演示“聚合回归”转向“RISR”

library(lme4)
library(broom.mixed)
library(lmerTest) # 计算 p 值

# 1. 传统聚合回归 (Aggregation)
# 需要先计算平均分
agg_df <- sim_data_long %>% 
  group_by(ID, IV) %>% 
  summarise(Mean_Score = mean(Score))
model_agg <- lm(Mean_Score ~ IV, data = agg_df)

# 2. 随机截距模型 (Random Intercept Only)
# 这是很多研究者误用的模型，只考虑了题目难度不同，没考虑斜率不同
model_ri <- lmer(Score ~ IV + (1|ID) + (1|Item), data = sim_data_long)

# 3. 随机题目斜率模型 (RISR - Proposed)
# 允许 (1 + IV | Item)
model_risr <- lmer(Score ~ IV + (1|ID) + (1 + IV | Item), data = sim_data_long)

# --- 提取结果进行对比 ---

# 辅助函数提取系数
get_res <- function(mod, name) {
  if(inherits(mod, "lm")) {
    res <- tidy(mod) %>% filter(term == "IV")
  } else {
    res <- tidy(mod, effects = "fixed") %>% filter(term == "IV")
  }
  res %>% select(estimate, std.error, statistic, p.value) %>% mutate(Model = name)
}

res_table <- rbind(
  get_res(model_agg, "1. Aggregation (OLS)"),
  get_res(model_ri,  "2. Random Intercepts (LMM)"),
  get_res(model_risr,"3. RISR (Proposed)")
)

print(res_table)

2.3 结果解读

1. Estimate (回归系数)：
   • 三个模型的 \(\beta\) 估计值几乎是一样的 (约 0.17)。
   • 原因：RISR 并不改变“平均效应”的估计，它改变的是对这个平均效应“确定性”的判断。
2. Std.Error (标准误)：
   • Aggregation: SE 非常小 (0.05)。因为它认为题目是固定的，样本量 \(N=300\) 足够大。
   • RISR: SE 剧增 (0.24)！因为它意识到 Item 5 和其他 Item 差异巨大，推广到“题库”时充满了不确定性。
3. P-value (显著性)：
   • Aggregation: \(p < .001\) (显著)。这是一个假阳性结论（Type I Error）。
   • RISR: \(p = 0.5\) (不显著)。这是正确的结论——因为题目间极其不一致，无法断言 IV 对该构念有稳定的正向影响。

2.4 RISR 到底看到了什么？

RISR 的强大之处在于它可以估计出每个题目独特的斜率（BLUPs, Best Linear Unbiased Predictions），可以把模型“眼中”的题目斜率画出来。

# 提取随机效应
ranef_data <- ranef(model_risr)$Item
ranef_data$Item <- rownames(ranef_data)
# 固定效应
fixed_slope <- fixef(model_risr)["IV"]
fixed_intercept <- fixef(model_risr)["(Intercept)"]

# 计算每个题目的总斜率 (Fixed + Random)
item_slopes <- ranef_data %>%
  mutate(
    Total_Slope = fixed_slope + IV,
    Total_Intercept = fixed_intercept + `(Intercept)`
  )

# 绘图
ggplot() +
  # 背景：原始数据点
  geom_point(data = sim_data_long, aes(x = IV, y = Score), color = "grey", alpha = 0.1) +
  # 线条：RISR 估计的每道题的回归线
  geom_abline(data = item_slopes, 
              aes(intercept = Total_Intercept, slope = Total_Slope, color = Item),
              size = 1) +
  # 粗黑线：平均效应 (Fixed Effect)
  geom_abline(intercept = fixed_intercept, slope = fixed_slope, 
              color = "black", size = 2, linetype = "dashed") +
  labs(title = "RISR 模型的透视图",
       subtitle = "虚线为平均效应 (不显著)，彩色实线为各题目的特定效应。\n模型'看到'了 Item 5 (紫色) 的剧烈反向，因此“惩罚”了整体的显著性。",
       x = "Independent Variable (IV)", y = "Item Score") +
  theme_minimal() +
  theme(legend.position = "right")

传统的 Aggregation 或 SEM 试图寻找一条最能代表所有人的线（虚线）。 而 RISR 承认每一条彩色线的真实性。当彩色线（题目斜率）像这样发散（Heterogeneity）时，RISR 会认为：“虽然平均线是平的或微正的，但由于题目间分歧太大，这个平均结果不可靠。”

3. 结语：何时应该使用 RISR？

Donnellan et al. (2025) 并不建议废除 SEM，而是提出了一种替代视角。

维度	SEM (Common Factor)	RISR (Mixed Models)
适用场景	构念定义极其严格，题目必须高度同质 (如智力测验 g 因素)	构念定义宽泛，题目具有异质性 (如外向性：演讲 vs 聊天)
对不一致斜率的处理	视为噪音或模型拟合差 (Bad Fit)	视为真实变异 (Real Variance)，并纳入 SE 计算
结论推广性	仅推广到“当前这组题目”	推广到“该构念的所有潜在题目”

RISR “Treat items as random samples, not fixed indicators.”

RISR 并不是要否定过去的所有研究，而是提醒研究者在处理异质性题目和大样本数据时，需要更加谦卑地对待统计推断的不确定性。当声称发现了一个关于“构念”的真理时，要确保这个真理不是仅由其中一两个题目驱动的。

一点点小延伸

• 聚合模型 (Aggregation) 建模过程是有损压缩 (Lossy Compression)的，在这个压缩过程中丢弃了 \(J-1\) 个维度的信息，人为地平滑了数据，降低了数据的熵 (Entropy)
• RISR 模型保留 \(N \times J\) 的完整数据结构，不进行预先压缩，不仅读取了“均值”（主效应），还读取了“差异”（异质性）

---

Thank you!