近十年来,心理测量领域中的认知诊断模型受到研究者广泛的关注。通过这种多维的潜在类别模型,我们可以为学生在学习中的进步和不足提供更详细的反馈。认知诊断模型弥补了传统测量理论只关注测验结果的局限性,强调从微观角度描述、解释被试的外显作答反应与其内部心理过程的关系。目前,文献中已经发展出很多特定的和通用的认知诊断模型。正确指定的认知诊断模型可以提供比一般模型更高准确性的属性掌握模式,所以说在项目级别选择最为合适的认知诊断模型是非常重要的。在正确指定Q矩阵或属性层级的条件下,有很多方法可以帮助我们去更好地选择项目水平中最为合适的认知诊断模型,如Wald、Likelihood Ratio（LR）检验等。但在实际研究中,所选用的认知诊断模型很难完美的与数据契合。因此在模型与数据不能完全拟合条件下,去探讨项目水平模型比较统计量的健壮性是有必要的。本文在基于前人研究的基础上进行了两个模拟研究和一个实证研究:研究一为模拟研究,分析了Q矩阵错误设定时,以往研究者提出的基于经验交叉相乘矩阵（Empirical Cross-product Information Matrix）、观察信息矩阵（Observed Information Matrix）、三明治形矩阵（Sandwich-type Matrix）构建的Wald统计量(分别记作W_XPD、W_Obs、W_Sw)与LR统计量的表现,进一步探讨统计量的健壮性。模拟研究结果发现:基于经验交叉相乘矩阵和三明治形矩阵构建的Wald统计量在Q矩阵错误设定时具有健壮性。研究二同样为模拟研究,尝试在属性层级错误设定的条件下去观察W_Obs、W_{S w}、W_XPD、和LR统计量是否具有健壮性。模拟研究结果发现:属性层级错误设定严重影响了W_Obs、W_{S w}、W_XPD、和LR统计量的健壮性表现。研究三为实证研究,基于G-DINA模型对包含2922名考生的英语水平证书考试项目（Henson&Templin,2007）进行分析评估。所得研究结果表明:英语水平证书考试的数据中确实存在属性层级,但其中的某些项目可能存在Q矩阵设定错误的问题。