在各个领域的应用研究中,获取的数据出现缺失是普遍存在甚至难以避免的,所以对缺失数据的处理一直是研究工作者广为关注的问题。在基于IRT模型的缺失数据处理方法中,已经发展成熟的有借补和与模型相结合等方法,现有的研究表明,与借补的操作简便相对应,通常与模型相结合得到的结果要理想。所以后者的处理方法更受到亲睐,而其中的马尔科夫蒙特卡洛(MCMC)方法因具备更容易实现、实现的过程更灵活等优势正越来越展现出蓬勃的生命力。　　 本文以IRT研究中缺失数据下的等级反应模型为载体,在模型参数的贝叶斯估计框架下,研究其中MH within Gibbs和DA-T Gibbs两种MCMC参数估计方法,给出两种MCMC估计方法的实现过程,并将估计结果与传统的Multilog软件(将缺失统一替换为0)的估计结果进行比较。再结合模拟研究,在不同缺失机制、不同参数先验分布、不同被试人数、不同缺失比例下进行两种MCMC参数估计方法全方位上精确性的比较,从而为一些具体的应用研究中缺失数据下参数估计方法的选取提供建设性参考。