認知診斷評價理論的優勢就是能夠給每個被試提供關於其知識發展狀態詳細的剖析信息。現在被認為具有認知診斷功能的模型非常多，而且參數表現形式也是多樣的，關於具有認知診斷功能的多維IRT模型的參數估計問題，本書將不涉及。認知診斷模型的典型被試參數一般是關於被試在每個知識屬性上的掌握狀態，即屬性掌握模式。屬性掌握模式是離散的，取值是有限的。被試屬性掌握模式的估計過程，就是在這些有限的取值範圍內找到最合適的取值。
在本節內容中，題目得分隻有兩種可能，即答對記1分，答錯記0分。記被試的屬性掌握模式為αj=（αj1，αj2，…，αjK），K為測驗屬性個數，測驗測量的被試可能屬性掌握模式共有2K種（假設每個屬性的掌握狀態隻有兩種，即掌握為1，和未掌握為0）。假設測驗屬性關聯矩陣Q矩陣已經定義。
為了方便下麵介紹的3種屬性掌握模式估計方法，我們仍以DINA模型為例。同時，假設某個測驗共考察了3個屬性，包含6個測驗項目，測驗所對應的Q矩陣和具體的項目參數如表7-2所示。假設某被試在測驗中的得分向量為[1 1 0 1 0 1]T。
表7-2 測驗Q矩陣及項目參數
一、經典條件估計
第一種被試參數估計方法，其實就是在項目參數已經確定的條件下，求被試項目反應概率的聯合似然函數極大值點對應的被試參數。因此，參數估計的第一步是構建聯合似然函數，由於項目參數已經確定，這時構建如下的似然函數中僅含有被試參數這一類未知參數：
式子中，uj為被試j在所有項目上的作答反應模式，Pi（αj）為項目反應函數，xij為被試j在項目i上的得分，ξ為已知的項目參數。
然後，就是尋找能夠使該似然函數達到極大值點的被試參數值。對於取有限離散值的變量，最直接的辦法就是窮盡有限的所有屬性掌握模式，找到一種能夠使該似然函數達到極大值點的模式。