Q矩阵是认知诊断的基础,Q矩阵标定错误会影响被试分类的准确性。本研究基于非参数角度开发了不受模型限制的Q矩阵修正方法,并与已有参数化方法进行了比较。研究结果发现:(1)非参数的PLM方法可实现各模型下的Q矩阵修正,方法具有计算简单、方便使用且不受模型限制的特征。(2)非参数的PLM方法表现明显优于stepwise方法,而GDI方法和RSS方法的表现最差。(3)实证数据分析表明,PLM方法修正后的Q矩阵具有更好的相对拟合和绝对拟合结果。