「測量恆等性（measurement invariance）」意指在橫跨不同群體的測量上，所使用的調查題目是否意味著相同的事情，若無法確認測量恆等性，則研究者將難以得知不同的心理反應是來自真實態度差異，或是來自於量表及題目(Cheung & Rensvold, 2002)。一旦擁有相同能力但來自不同群體的受測者在正確回答題目的機率上有所差異時，表示該題目將無法真實反應出受測者的心理反應，而透過「差異試題功能（Differential Item Functioning, DIF）」(Pine, 1977)的檢核能幫助我們確保測驗的公平性。
DIF的檢核過去多被應用於「間斷反應試題（discrete response items）」，然而，基於檢核方法之一的Mantel-Haenszel（MH）法亦具有相當穩健的效用，陳俊宏、趙秀怡、施慶麟（2018）選擇採用Rayner與Best（2012）所推導出的連續反應MH統計量（稱之為MHC法），以進行「連續反應試題（continuous response items）」的DIF檢核，同時搭配量尺淨化（Scale Purification, SP）程序提升DIF檢核效能。欲深入瞭解使用MHC法搭配SP程序對連續反應試題進行DIF檢核的相關內容。
另外，趙秀怡、陳繼成、鄭中平與陳俊宏（2008）提出，由於過去的研究較少考慮到遺漏變數偏誤（omitted variable bias, OVB）對DIF檢核的影響，而忽略OVB可能會影響參數估計值得不偏性，使得DIF檢核之型一誤差膨脹與檢定力下降。研究者透過評估忽略OVB對DIF檢核造成的影響，以及加入向後量尺淨化程序（backward scale purification, BSP）來提升DIF檢核時納入所有混淆變項的成效。欲深入了解BSP如何有效幫助測驗實務者在DIF檢核中處理OVB，以解決在估計偏誤與檢核無效率上的兩難之相關內容。
陳繼成、周業太與施慶麟（2018）亦指出，當測驗有較多DIF試題且有利同一組別時，會造成型一錯誤膨脹。由於過去透過先定錨後檢核（DIF-free-then-DIF, DFTD）策略（Wang, Shih, & Sun, 2012）會根據使用定錨題的方法不同而影響DIF檢核結果，因此，研究者進一步探討DFTD策略中，影響尋找定錨題方法表現及影響DIF檢核方法成效之因素，進而提出使用DFTD策略的建議情境。欲深入了解標準MIMIC法（the standard multiple indicators, multiple causes method, M-ST）、量尺淨化MIMIC法（the MIMIC method with scale purification, M-SP）與迭代MIMIC法（the iterative MIMIC method, M-IT）所選取的定錨題對於DFTD策略之影響。
