概化理论方差分量及其变异量估计:跨分布的模拟研究

发布时间：2021-12-23 03:54

　　为考察概化理论中方差分量及其变异量估计的准确性,采用模拟研究的方法,探究Traditional法、Jackknife法、Bootstrap法和MCMC法在p×i×h和p×（i:h）2种双侧面设计和正态、二项、多项、偏态分布4种数据类型下的表现。结果显示:（1）4种方法均能准确估计方差分量;（2）估计方差分量的标准误时,若数据正态分布,Traditional法最优,非正态分布时Bootstrap法最优;（3）估计方差分量的90%置信区间时,Bootstrap法在不同分布的数据下表现稳定,但容易受到侧面水平数的影响。综合来说,若数据呈正态分布,建议选用Traditional法;若数据呈非正态分布,建议选用Bootstrap法。 

【文章来源】：心理学探新. 2020,40(05)北大核心CSSCI

【文章页数】：7 页

【部分图文】：

方差分量的相对偏差百分比

各个条件下方差分量标准误的RPB如图2所示。Traditional法在数据正态分布时表现较好,在二项分布时亦尚可,但在多项分布和偏态分布时|RPB|明显增大。而Bootstrap法表现稳健,在正态分布和二项分布时表现与Traditional法相当,在多项分布和偏态分布时|RPB|也相对其他方法较小,显示出跨分布的稳定性。Jackknife法和Bootstrap法的折线趋势有一致性,但是|RPB|的大小绝大部分情况都比Bootstrap法大。MCMC法表现稍逊,|RPB|容易发生波动。为了进一步检验各种方法的优劣,对方差分量标准误的|RPB|进行4(数据类型:正态、二项、多项、偏态分布)×4(估计方法:Traditional法、Jackknife法、Bootstrap法、MCMC法)的两因素方差分析。结果显示,数据类型的主效应显著(F(3,176)=15.744,p<0.05,ηp2=0.212),估计方法的主效应显著(F(3,176)=16.824,p<0.05,ηp2=0.223),两者间的交互作用亦显著(F(9,176)=2.761,p<0.05,ηp2=0.124)。于是进一步进行简单效应分析,如图3所示。数据呈正态分布时,Traditional法表现最优,其他分布下Bootstrap法最优。

为了进一步检验各种方法的优劣,对方差分量标准误的|RPB|进行4(数据类型:正态、二项、多项、偏态分布)×4(估计方法:Traditional法、Jackknife法、Bootstrap法、MCMC法)的两因素方差分析。结果显示,数据类型的主效应显著(F(3,176)=15.744,p<0.05,ηp2=0.212),估计方法的主效应显著(F(3,176)=16.824,p<0.05,ηp2=0.223),两者间的交互作用亦显著(F(9,176)=2.761,p<0.05,ηp2=0.124)。于是进一步进行简单效应分析,如图3所示。数据呈正态分布时,Traditional法表现最优,其他分布下Bootstrap法最优。3.3 方差分量的90%置信区间估计


本文编号：3547728