缺失数据比率和处理方法对非随机缺失数据能力参数估计准确性的影响

发布时间：2018-06-02 02:07

  本文选题：缺失数据比例 + 缺失数据处理方法　； 参考：《江西师范大学学报(自然科学版)》2017年03期

【摘要】：探讨了IRT背景下非随机缺失数据的合适处理方法.采用IRTLAB模拟产生50批500个被试在20个0-1记分项目上的反应数据,产生了不同比率的MNAR;再用IN、NP、FR、CM、MI和EM共6种方法分别处理MNAR,使用BILOG-MG软件估计被试的能力参数,并计算在不同条件下各种方法的BIAS、BIAS_(abs)、R(θ,■)和RMSE.研究发现:随着缺失比率的增加,参数误差越来越大;FR会导致IRT参数估计产生较大的误差,且不稳定,而MI与EM算法则相对稳定;综合BIAS和RMAE等几个指标,NP在处理MNAR时产生的误差较小也更稳定.因此,在IRT背景下估计被试能力参数时,应选择NP、MI或EM方法处理缺失数据.
[Abstract]:The suitable processing method of non-random missing data in IRT background is discussed. The response data of 50 batches of 500 subjects on 20 0-1 score items were generated by IRTLAB simulation, and different ratios of MNARs were generated, and the ability parameters of the subjects were estimated by BILOG-MG software. We also calculate the Biasco Biashe (胃,) and RMSE of various methods under different conditions. It is found that with the increase of the missing ratio, the bigger and bigger the parameter error is, the larger the error will be, and the more unstable the parameter estimation of IRT will be, while the calculation method of MI and EM will be relatively stable. Some indexes, such as BIAS and RMAE, can produce less and more stable errors in the treatment of MNAR. Therefore, NPMI or EM methods should be chosen to process missing data when estimating the ability parameters of the subjects under the background of IRT.
【作者单位】： 浙江师范大学教师教育学院;
【基金】：浙江省自然科学基金(LY15C090003) 教育部人文社会科学基金(16YJA190002)资助项目
【分类号】：O212.1

【相似文献】

相关期刊论文 前10条

1 金勇进;缺失数据的加权调整(系列之Ⅳ)[J];数理统计与管理;2001年05期

2 赵慧秀;马文卿;;带有缺失数据的估计方程[J];曲阜师范大学学报(自然科学版);2009年03期

3 庞新生;;缺失数据处理方法的比较[J];统计与决策;2010年24期

4 杨金英;崔朝杰;;图模型方法用于二值变量相关性分析中缺失数据的估计[J];中国卫生统计;2012年05期

5 帅平;李晓松;周晓华;刘玉萍;;缺失数据统计处理方法的研究进展[J];中国卫生统计;2013年01期

6 金勇进;缺失数据的偏差校正(系列三)[J];数理统计与管理;2001年04期

7 毕华,李济洪;带有缺失数据的聚类分析方法[J];华北工学院学报;2003年05期

8 李开灿;;有缺失数据的META-MARKOV模型的局部计算[J];应用数学学报;2007年03期

9 周伟萍;张德然;杨兴琼;;具有部分缺失数据时两个几何总体的估计[J];长春大学学报;2008年02期

10 梁怡;;缺失数据的插补调整方法[J];西安文理学院学报(自然科学版);2009年01期

相关会议论文 前2条

1 耿直;葛丹丹;;纵向研究非随机缺失数据分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 张香云;;基于EM算法缺失数据下混合模型的参数估计[A];第十三届中国管理科学学术年会论文集[C];2011年

相关博士学位论文 前9条

1 彭清艳;广义函数型回归模型及缺失数据模型[D];云南大学;2016年

2 骆汝九;多指标综合评价的非参数方法和缺失数据的聚类方法研究[D];扬州大学;2011年

3 祝丽萍;几种缺失数据和高维数据模型的统计分析[D];山东大学;2012年

4 贾博婷;缺失数据下一类整值时间序列的统计推断[D];吉林大学;2014年

5 刘旭;在完全和缺失数据下基于非光滑估计方程的统计推断与变量选择问题[D];云南大学;2010年

6 赵鹏飞;混沌数据恢复与非线性系统的模型参考控制[D];吉林大学;2010年

7 陆福忠;数据缺失下的分布函数估计问题[D];复旦大学;2007年

8 赵慧秀;可交换的两值数据的统计分析[D];东北师范大学;2009年

9 付志慧;多维项目反应模型的参数估计[D];吉林大学;2010年

相关硕士学位论文 前10条

1 杨利华;缺失数据的处理方法研究及应用[D];景德镇陶瓷学院;2011年

2 袁中萸;多元线性回归模型中缺失数据填补方法的效果比较[D];中南大学;2008年

3 母建熊;基于饱和模型的带有缺失的可交换两值数据分析[D];东南大学;2015年

4 雷伟;带有不可忽略缺失数据的混合线性模型的贝叶斯统计推断[D];云南大学;2016年

5 刘星;缺失数据下关于广义线性模型的一些讨论[D];扬州大学;2016年

6 郭似童;缺失数据下半参数模型的序列相关性检验[D];重庆理工大学;2016年

7 崔朝杰;含有缺失数据的两值吸毒数据分析[D];东北师范大学;2009年

8 岳春柳;缺失数据的概率主成分分析[D];东北师范大学;2010年

9 齐丹丹;对含缺失数据的非参可加模型进行成分选取[D];东北师范大学;2010年

10 胡贤利;混合型数据的缺失数据的填补[D];中南大学;2013年

，

本文编号：1966828