诊断是要对我们需要评价的目标进行分析，可以对被试在某内容领域的掌握情况进行诊断，可以对被试认知能力发展水平进行诊断，也可以对其非认知领域的发展状况进行诊断，当然也可以同时诊断多个目标。在当前绝大部分认知诊断评价研究中，主要的评价目标是分析被试对各内容领域特别是知识点的掌握水平。以上这些目标在认知诊断评价理论中统称为属性。
属性是测量目标领域的内容维度，这些内容维度之间可能是相互独立的关系，也可能存在相互关联的关系，如某些属性是学习掌握另外一些属性的前提条件。在进行认知诊断评价之前，我们需要首先分析清楚各个属性之间的结构关系。清晰的属性结构关系有三个方面的优势：一是能够更深入地掌握测量目标领域的认知结构模型；二是能够更好地指导测验的编制工作；三是能够更好地指导提供诊断评价后的信息反馈。
典型的属性层级关系形式有直线型、收敛型、发散型、无结构型，如图3-1所示。
图3-1 属性层级关系图
二、邻接矩阵
邻接矩阵（adjacencymatrix，通常记为A矩阵）用矩阵的形式表示测验属性之间直接的层级关系，如图3-2所示。
图3-2 邻接矩阵示例
图3-2说明了属性1是属性2和属性4的前提；属性2是属性3的前提；属性4是属性5和属性6的前提。该矩阵表达的属性间的层级关系用图形的形式表示就如图3-1中的C图所示。
需要注意的是，邻接矩阵中未表示属性自身之间的关系。
三、可达矩阵
可达矩阵（reachabilitymatrix，通常记为R矩阵）用于表示属性之间直接和间接的层级关系，如图3-3所示的可达矩阵为图3-2所表示的层级关系。
图3-3 可达矩阵示例
如图3-3所示，同时结合图3-2，属性1可达所有属性，也就是说属性1是所有属性的前提；属性2可达属性3，也就是说属性2只是属性3的前提；属性3、属性5和属性6则除自身外，不是任何其他属性的前提；属性4则是属性5和属性6的前提。
因此，可达矩阵其实说明了各个属性之间直接和间接的前提条件关系，包括属性自身的内部关系。这些关系通过如图3-1所示的形式显得更加直观。
