在大规模教育测验中,为了测试题本的安全以及减少学生的作答时间,同一测验项目中需要构建多份不同形式的测试题本。不同考生可能作答的测试题本不一样,这样得到的分数不具有可比性。以浙江英语高考为例,通过控制每年两次的试题难度不变,使参加不同测验的考生成绩具有可比性。目前我国高考试题难度控制主要依赖于命题专家多年的经验,但是2018年浙江英语高考事故充分说明了经验并不完全可靠,以此控制试题难度是困难的。因此我们通过对测验结果进行等值,使得参加不同测验的考生成绩可比。国外对等值的研究和运用已经较为成熟,较为常用的方法是通过在测验中加入锚测验进行测验等值。但是以我国高考为例,试题施测以后便不再具有保密性,锚题曝光的必然性严重威胁到锚题设计的有效性,因此本文提出引入共同虚拟人的做法,在无锚题情况下进行测验等值。本文分为三个研究,全部基于共同总体假设。研究一和研究二分别在经典测验理论(Classical Test Theory,CTT)和项目反应理论(Item Response Theory,IRT)框架下进行有无共同虚拟人对等值稳定性影响的研究,研究三通过比较不同共同虚拟人比例下60次抽样IRT等值分数标准差,考察了共同虚拟人比例对等值稳定性的影响。每个研究下均使用模拟数据和实证数据进行假设验证,以期验证结论是否具有普适性和可推广性,其中模拟数据通过编写R程序得到,实证数据选取某地区2015年,2016年的2套(理科)数学测验。研究一在经典测验理论框架下,通过模拟研究和实证研究比较发现无共同虚拟人的等值与引入共同虚拟人的等值分数标准差均值之间具有显著差异,且引入共同虚拟人后进行测验分数等值的稳定性优于无共同虚拟人的测验分数等值。研究二将研究一中基于CTT等值的方法推广到IRT等值下,模拟研究和实证研究发现无共同虚拟人的等值与引入共同虚拟人的等值分数标准差均值之间具有显著差异,且引入共同虚拟人后进行测验分数等值的稳定性优于无共同虚拟人的测验分数等值。结合研究一和研究二的模拟研究和实证研究,发现在IRT下引入共同虚拟人的等值稳定性较CTT下均有提升,且模拟数据的等值稳定性一直维持在较高水平(99.59%和100%),而实证数据的等值稳定性提升幅度较大(从CTT下的75.96%到IRT下的99.74%)。研究三讨论了IRT下共同虚拟人比例对等值稳定性的影响,结果表明在模拟研究和实证研究中,当共同虚拟人比例为1/2时,也即共同虚拟人与被试样本数量一致时,等值均是最为稳定的。在上述三个研究中,基于0-1计分的模拟数据和非0-1计分的实证数据均得到的相同的结论,意味着本文的研究结论具有较好的可推广性。