对数线性模型或任何无法模拟响应依赖性的模型可能会低估（或高估）标准误差，因为它们没有考虑响应的潜在主题级关联。例如，如果某些受试者可能具有像 (A,A,A,A) 和其他像 (C,C,C,C) 这样的响应模式，则将响应视为独立是有问题的。

一个合适的模型是具有主题级随机截距的多项 logit。

根据您同事的建模目标，另一种方法可能是潜在类回归，它估计 k 个潜在类的类概率和类条件响应概率。个模糊类中的每一个的回归估计，这些模糊类可能具有有意义的心理标签。由于大量参数，可识别性在这里是一个问题。请参阅R 和此处的 PDF 文章 。$k$poLCA

drm在 R 中是另一个包，它应该能够对聚类分类响应进行建模，但我还没有尝试过。

最后，对于非常具体的应用程序/假设，您可以通过重新采样整个响应向量来实现重新采样方法- 例如，通过排列组标签而不进行替换来对组之间的优势比进行排列测试。