2PL 模型是“项目分析”平台中的默认模型。当您可以假设所有项目都具有相同的分辨力时，1PL 模型适用。若该假设不正确，则应使用 2PL 或 3PL 模型。2PL 模型比 3PL 模型的数字稳定性强，特别是对于小型数据集。此外，在 2PL 模型中，b 可解释为响应者 50% 的概率正确回答项目所需的能力水平。

IRT 模型假定底层特征是一维的。也就是说，只有一个底层的潜在构造。若存在多个特征，而要测量的每个特征相互之间存在复杂的交互作用，这种情况下一维模型就不适合了。IRT 模型适用于连续潜在变量。对于分类潜在变量，您应考虑潜在类模型。请参见《多元方法》手册中的潜在类分析。IRT 模型假定项目不变。项目不变性意味着 P(θ) 解释为一组具有能力水平 θ 的个体的答对概率。若一大群具有相同能力水平的个体回答了该项目，则 P(θ) 预测的是正确回答该项目的人的比例。这意味着 IRT 模型具备项目参数的不变性，不管是什么样的测验群体，您都会得到同样的参数估计。此外，IRT 模型假定具备局部独立性，这意味着一旦解释了潜在构造，项目就彼此独立。