Rasch 分析是什么?Winsteps 与 Facets 分别适合什么数据?
Rasch 分析是一类测量方法，核心是把"人"和"题"放在同一条量尺上：为每个人估计能力（或态度），为每道题估计难度，再通过诊断指标检查数据是否契合模型。Winsteps 和 Facets 都基于这套方法，但面向的数据结构不同——矩形数据（每人答同一套题）用 Winsteps；带评分者、任务等多层面且大量缺失的数据用 Facets。两者都提供免费的评估/学生/演示版本可供下载试用。
Rasch 分析在做什么
Rasch 分析把原始作答转换成可比较的测量值。它同时输出两类结果：
- 对人的测量：能力、态度或类似指标
- 对题的测量：难度指标
除此之外还会给出一系列诊断指标，用来判断数据与模型的契合程度。这意味着 Rasch 不只是"算个分"，而是先检验测量本身是否成立，再给出可解释的量尺。
Winsteps 适合什么数据
Winsteps 面向典型的教育或调查数据：一套题目（test items）施测于一批人（如学生）。数据结构是矩形的——每个人是一行，每道题是一列，人人都答同一套题。
支持的题型和量表包括：
- 二分题（对/错）
- 单选题（MCQ）
- 多分类题（Polytomies）
- Likert 量表
- 评分量表（RSM）
- 部分 credit 模型（PCM）
每个评分或其他量表最多支持 32,000 个类别。容量上限为 64,000 道题 × 10,000,000 人。软件为 Windows 原生，提供 64 位/32 位版本（Windows 8.1–10–11，Mac 上通过 Windows 运行）和仅 32 位版本（Windows 8、7、Vista、XP），并与 BIGSTEPS 向后兼容。
Facets 适合什么数据
Facets 面向的是"人的表现由评分者打分"的场景：评分者、评委、专家、教师，甚至自评。这类数据通常是三维或更高维、且稀疏的——因为不是每个人都被每个评分者在每个任务上评过，存在大量缺失值。
它实现的模型包括：
- 多层面 Rasch 测量（MFRM），可同时处理人、题、评委、任务等层面
- 线性逻辑斯蒂测验模型（LLTM）
- Bradley-Terry-Luce 配对比较模型（BTL）
容量上至少支持 250,000,000 个观测，60 个层面、共 4,000,000 个元素（人、题、评分者等）。
两者怎么选
| 维度 | Winsteps | Facets |
|---|---|---|
| 数据结构 | 矩形（人 × 题） | 三维及以上、稀疏、多缺失 |
| 典型场景 | 学生答题、态度调查 | 评分者给任务表现打分 |
| 核心输出 | 每人能力 + 每题难度 | 人、题、评委、任务等多层面测量 |
| 模型 | 二分、MCQ、RSM、PCM 等 | MFRM、LLTM、BTL |
两者基于同一套统计方法（Rasch 分析），只是实现方式和用途不同。判断标准很简单：数据是不是"人人都答同一套题"的矩形结构——是就用 Winsteps，不是（有评分者、任务等层面且缺失多）就用 Facets。
如何开始使用
- 先下载免费版本试用：Winsteps 对应免费的 MINISTEP 评估/学生/演示版，Facets 对应免费的 Minifac 评估/学生/演示版。用它们确认软件能否处理你的数据结构和题型。
- 确认运行环境：Winsteps 和 Facets 是 Windows 原生软件。Mac、Linux、Chrome OS 上需要借助特殊用途软件在目标硬件上安装 Windows 后才能运行。
- 购买正式版：通过软件销售代理 Verifone/2checkout 购买 Winsteps 或 Facets。资料未给出具体价格，购买前需向销售渠道确认。
Winsteps 的更新说明中提到"Winsteps now does CMLE and JMLE"，即已支持这两种估计方法，可作为评估版本功能时的参考点。