考试抄袭是最难识别的作弊方式。抄袭统计量(ACS)和人员拟合统计量(PFS)是识别抄袭的两类主要统计方法。ACS是根据被怀疑抄袭者与被抄袭者实际得分模式相似的概率来识别抄袭者。PFS则把一个观察的项目得分模式与一定的测量模型相对比,来检验被试得分模式是否与测量模型预测的模式相吻合。其中,PFS由于在识别异常得分模式时存在一些干扰因素,所以对结果的解释存在多样性,应用较少。ACS是专门用于识别抄袭的统计方法,以往研究表明其识别率更高。目前ACS统计量在美国的SAT和一些资格认证考试中已经得到广泛应用。研究采用Monte Carlo模拟数据方法生成模拟数据。考察了测验长度、样本量、抄袭比率、被抄袭者能力水平对抄袭统计量K*、K1、K2、S1、S2与人员拟合统计量lz的识别率、经验I型错误率的影响。模拟研究结果表明,K系列指数和S1统计量能把I型错误率控制在理论水平之下,S2和lz的I型错误率浮动比较大,ω能很好的把I型错误率控制在理论水平;随着测验长度和抄袭比率的增加,各统计量的识别率都逐渐提高;lz和ω的识别率不受样本量影响,其余各指数都随样本量的增加而有不同程度的提高;在抄袭比率低时,S的能力水平不影响各统计量的识别率,但在抄袭比率高时,识别率会有所提高;在各种条件下,K系列指数的识别率要低于其它统计量,其中K2好于K~*和K1,S2和ω统计量的识别率比较高;人员拟合统计量lz的识别率低于S1的识别率,但大于K2,只有个别条件下小于K2。