以Rasch驗證評估工具之優勢之一，即為將raw scores (ordinal scale)轉換為Rasch scores (ordinal scale)，以提升後續分數運算與應用之價值。
一般常用的分析方法有二：
1. 以ConQuest匯出 raw scores和Rasch scores之對照表。
此方法最單純，但問題在於ConQuest僅能提供MLE或WLE（最大概似估計法）的分數對照表，但結果輸出之Rasch reliability與person-item map數值卻是以EAP (expected a posteriori)估計而得的能力估計值。MLE與EAP之估計值因為估計方法不同，同樣的個案會有不同的能力值，尤其是極端能力的個案，能力估計值落差大。
2. 以ConQuest匯出所有個案的EAP能力估計值，再以Excel比對每位個案的raw scores和EAP值，最後再依據raw scores排序，手動挑出每個raw score分數點對應的EAP值。
然而，當raw scores之資料點有缺漏時，如總分為0-10分，但沒有個案得0分，此時則無法產生完整的分數對照表。
在上述二方法接碰壁時，則需要產生一筆模擬資料作分析。模擬分析方法有二：
1. 用Matlab撰寫EAP演算的程式語言，並以其估計模擬資料各樣本的EAP能力估計值。
此方法會遇到的問題包括：ConQuest之EAP算則有自行調整過，並非完全等於教科書上的算則。且無法確定ConQuest估計時使用的參數（手冊上未說明），包括：切分點 (nodes)
範圍，以及likelihood function應依據平均數與標準差為何的分配產生。因此，即便都是使用EAP估計法，以Matlab估計所獲得估計值會與ConQuest所獲得之估計值不同。
2. 用Conquest作兩步驟分析，將模擬分析的題目難度參數與共變矩陣固定為原始資料之數值後，匯出所有模擬個案的EAP能力估計值。
此方法最單純，且也是最建議的解決方法（參考業太的建議）。
註：模擬資料僅需留意資料須涵蓋各題每個分數點，以及所有總分分數點即可，不需要依據原始個案能力的分配產生。因為單向度、單參數的Rasch mocel之下，raw score總分可一對一對應Rasch score，不受作答反應影響。即若兩人原始總分相同，無論答對簡單題目較多或答對困難題目較多，所得的Rasch score相同。
