为了说清楚问题，举一例：
LSAT是ltm包中带的示例数据，格式如下：

       Item1  Item 2  Item 3  Item4  Item 5

1         0        0          1          0          0

2         0        0          0          0          0

3         0        1          0          0          0

4         0        0          1          1          1

……

1000   1        0          1          1          1

数据集包括1000个被试在5个测试项目上的表现数据（0为答错，1为答对）。

进行2PL分析：
fit <- ltm(LSAT ~ z1)
coef(fit)
          Dffclt            DscrmnItem
1     -3.3597341     0.8253715Item
2     -1.3696497     0.7229499Item
3     -0.2798983     0.8904748Item
4     -1.8659189     0.6885502Item
5     -3.1235725     0.6574516
可以看到每个项目的难度和区分度。

接下来进行能力评估计算：
factor.scores(fit)
Call:ltm(formula = LSAT ~ z1)
Scoring Method: Empirical BayesFactor-Scores for observed response patterns:   
     Item 1    Item 2    Item 3     Item 4     Item 5      Obs     Exp         z1     se.z1
1       0          0            0             0              0             3      2.277    -1.895   0.795
2       0          0            0             0              1             6      5.861    -1.479   0.796
3       0          0            0             1              0             2      2.596    -1.460   0.796
4       0          0            0             1              1           11      8.942    -1.041   0.800
……

问题是：结果中的z1和se.z1是与被试的能力值相关的吗？分别如何理解？
Obs和Exp倒是应该是观测到的数据量和期望的数据量