含关联项目与大量缺失值的IRT分析：适配R包咨询

针对你这种多项目族（每组仅作答1题）且需支持项目层面协变量的IRT分析需求，推荐以下几个R包：

1. mirt #

这是当前功能最全面的IRT分析工具之一，完美适配你的场景：

• 支持矩阵抽样/项目族设计：可以通过multipleGroup函数或自定义项目模型，明确指定哪些项目属于同一族；
• 轻松纳入项目层面协变量：定义项目模型时，可通过公式形式（比如item ~ covariate）将项目协变量与项目参数（难度、区分度等）关联；
• 数据格式兼容：你提供的宽格式数据，可先用tidyr::pivot_longer转换为长格式（被试ID、项目族ID、项目ID、得分），再传入mirt函数。

示例思路（伪代码）：

# 转换数据格式
long_data <- wide_data %>%
  pivot_longer(cols = everything(), 
               names_to = c("item_group", "item_id"), 
               names_sep = "", 
               values_to = "score") %>%
  filter(!is.na(score))

# 定义带项目协变量的IRT模型
model <- mirt(long_data, 
              model = 1, 
              itemtype = "2PL",
              covdata = item_covariates, # 项目层面协变量数据集
              itemdesign = ~ item_group + item_covariate)

2. TAM #

专门针对教育测量场景开发的IRT包，对矩阵抽样（项目族）设计的支持非常友好：

• 内置itemdesign参数，可直接指定项目所属的族，处理“每组仅答1题”的抽样设计；
• 支持项目参数与协变量的关联：通过tam.mml函数的formulaA（区分度）、formulaB（难度）参数，直接将项目协变量纳入模型；
• 支持多种IRT模型（1PL、2PL、3PL、GPCM等）。

3. ltm #

如果你的需求偏向基础IRT模型（比如2PL），ltm也能满足：

• 通过constraints参数定义项目族的结构（比如同一族的项目共享某些参数约束）；
• 可通过rasch或2pl函数的covariates参数，结合项目层面协变量构建模型。

数据格式转换提示 #

你当前的宽格式数据（空值表示未作答）需要先转换为长格式，保留每个被试实际作答的项目信息，这样所有IRT包都能更好地处理。

内容的提问来源于stack exchange，提问作者Matt