亲爱的《心理测量学》读者们：
欢迎阅读2026年第四期的《心理测量学》。七月我在韩国首尔举行的IMPS2026会议上与众多读者相识，非常高兴能与大家共度这段时光，也很感谢每一位为此次会议付出努力的参与者。希望参加活动的读者都对我们庆祝《心理测量学》创刊90周年的两场特别活动感到满意。
本期共有八篇属于“理论与方法”部分的文章。第一篇中，Sun-Joo Cho和Sophia Mueller将极端梯度提升算法融入线性混合模型中，提出了一种考虑群体影响的排列重要性度量方法以及用于多水平分类连续结果的组合群体交叉验证策略。第二篇中，Baoqun Chang、Jing Lu和Jiwei Zhang提出了一种基于Bootstrap-CUSUM的方法来检测测试速度，该方法不同于大多数现有方法，不需要对响应时间服从对数正态分布等分布假设。第三篇由Jochen Ranger、S?ren Much、Niklas Neek、Anett Wolgast、Augustin Mutak、José Luis Gaviria Soto和Steffi Pohl共同撰写，他们提出了一种潜在特质模型，该模型将反应时间和反应行为结合起来，通过模拟扩散过程与删失过程的竞争来区分考生的能力和耐心。第四篇中，Jianbin Fu和Patrick Kyllonen提出了一种基于数组直方图的遗传算法，用于自动构建线性多维强迫选择问卷。第五篇中，Jing Wu、Zhihua Ma和Ming-Hui Chen采用贝叶斯分层框架同时建模项目反应、反应时间以及未达到或遗漏的行为，并开发了一种分解的伪边际似然准则来评估缺失数据模型的拟合度。第六篇中，Yvonnick Noel提出了一种统计蕴含指数，用于捕捉二元事件之间的非对称单向依赖关系，并支持对蕴含图进行维度分析。第七篇中，Jan Bauer指出计算Revelle’s beta与分层聚类在概念上是等价的，这种方法将候选分割点的数量减少到二次方程问题，从而使这种已有45年历史的可靠性度量方法能够在实践中得到应用。第八篇也是最后一篇“理论与方法”文章中，Trung Le、Steven Culpepper和Jeff Douglas为三种用于诊断模型的纵向设计推导了可识别性条件，并为多组纵向设计提供了一种通用的隐马尔可夫模型和Gibbs采样方法。
接下来是六篇属于“应用与案例研究”部分的文章。第一篇中，Sun-Joo Cho、Autumn Kujawa、Corinne Carlton、Yinru Long和Rachel Marlowe针对二进制时间序列日记数据中的罕见事件和非单调不可忽略的缺失现象，提出了一个贝叶斯选择模型，并将其应用于青少年从急性精神疾病治疗出院后90天的数据。第二篇中，Fei Gu、Piyawong Punjatewakupt、Mahachai Sattayathamrongthian、Suppanut Sriutaisuk、Mike Cheung、Suntud Pornprasertmanit和Yao Zheng提出了一种将协方差结构模型与Delta方法结合的简单分析方法，用于计算标准化回归系数及其Z分数乘积的非标准化系数的标准误差。第三篇中，Karel Veldkamp、Raoul Grasman和Dylan Molenaar将摊销变分推断扩展到离散潜变量模型，如潜在类别分析、广义DINA模型和混合项目反应理论模型。第四篇中，Esther Ulitzsch、Steffen Nestler、Sverre Urnes Johnson、Therese Ruud Snuggerud和Oliver Lüdtke提出了一种分层时变系数公式，用于描述密集型纵向数据中个体和随时间变化的水平、变异性和耦合关系。第五篇中，Kazuhiro Yamaguchi、Haruhiko Mitsunaga、Shun Saso和Yuri Uesaka开发了一个随机效应诊断分类模型，用于分析二级学生的属性掌握情况与六年级数学能力的发展之间的关系。第六篇属于“应用与案例研究”部分中的“软件开发”类别，作者为Patrícia Martinková、Jan Netík和Adéla Hladká，他们介绍了ShinyItemAnalysis软件包中的新功能“SIA模块”，使研究人员能够将新的分析方法作为附加组件推广到该交互式应用程序中。
本期最后一篇文章是Edgar C. Merkle撰写的“文献综述”，总结了基于多元正态分布的贝叶斯估计心理测量模型的常用方法，包括后验中心趋势的点估计、Gibbs采样和Hamiltonian采样等方法。
