我一直搞不懂試題反應理論(IRT)的樣本獨立與試題獨立之觀念(有異於傳統測驗理論的樣本依賴床與試題依賴), 中正大學王文中教授說:"樣本獨立的意思是說：「如果資料吻合模式（含其他IRT模式）的話，那麼題目的特性（如難度、鑑別力參數等）的估計，不會受到樣本特性（如性別、能力高低）的干擾。」同理，測驗獨立的意思是說「如果資料吻合模式（含其他IRT模式）的話，那麼考生能力或特質的估計，不會受到測驗特性（如很難或很簡單）的干擾。」
從以上得說明，可以發現有項前提必須成立：「如果資料吻合模式」。但我們如何得知此項前提是否成立呢？我們的作法是反其道而行（就像統計學中的假設檢定），以邏輯中的「若p則q」而言，那麼「若非q則非p」。亦即：「如果題目特性的估計，會受到樣本特性的干擾，那麼資料就不吻合模式。」這就是DIF的檢測。如果DIF發生，就表示資料不吻合模式。此外「若q，雖未必p，不過傾向於p」。即DIF沒有發生，我們傾向於認為資料吻合模式。
同理，「如果考生能力的估計，會受到測驗特性（如很難或很簡單）的干擾，那麼資料就不吻合模式」。在實用上，這個檢測比較少進行。不過很容易用winsteps（或其他軟體進行之），例如故意將測驗拆成兩份（如簡單的一份，很難的一份），然後利用這兩份測驗去估計考生能力，如果發現所估計出來的兩份能力估計值差異很大的話，就表示資料就不吻合模式，因此沒有測驗獨立。不過要記住此時要限制考生能力的估計值為0，而不是測驗難度的平均為0，以取得共同的量尺，進行比較。
在這樣的邏輯下，如果有發現DIF，或兩次測驗的能力估計值很相近，那麼我們就暫時接受「資料與模式吻合」的假設。請注意這是暫時接受，並不是確認。畢竟我們無法窮盡所有的DIF分析，所有的測驗組合。亦即我們暫時接受「虛無假設」，而不是證實了虛無假設。
除了這兩種檢測方法外，還有很多方法，如infit & outfit, 如殘差主成分分析。這些檢測的邏輯都是一樣的：「如果不好結果的發生，就表示資料不吻合模式。反之，如果沒有不好的結果發生，就暫時說資料吻合模式。」