本文選題：缺失數(shù)據(jù)比例 + 缺失數(shù)據(jù)處理方法　； 參考：《江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年03期

【摘要】：探討了IRT背景下非隨機(jī)缺失數(shù)據(jù)的合適處理方法.采用IRTLAB模擬產(chǎn)生50批500個(gè)被試在20個(gè)0-1記分項(xiàng)目上的反應(yīng)數(shù)據(jù),產(chǎn)生了不同比率的MNAR;再用IN、NP、FR、CM、MI和EM共6種方法分別處理MNAR,使用BILOG-MG軟件估計(jì)被試的能力參數(shù),并計(jì)算在不同條件下各種方法的BIAS、BIAS_(abs)、R(θ,■)和RMSE.研究發(fā)現(xiàn):隨著缺失比率的增加,參數(shù)誤差越來越大;FR會導(dǎo)致IRT參數(shù)估計(jì)產(chǎn)生較大的誤差,且不穩(wěn)定,而MI與EM算法則相對穩(wěn)定;綜合BIAS和RMAE等幾個(gè)指標(biāo),NP在處理MNAR時(shí)產(chǎn)生的誤差較小也更穩(wěn)定.因此,在IRT背景下估計(jì)被試能力參數(shù)時(shí),應(yīng)選擇NP、MI或EM方法處理缺失數(shù)據(jù).
[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.
【作者單位】： 浙江師范大學(xué)教師教育學(xué)院;
【基金】：浙江省自然科學(xué)基金(LY15C090003) 教育部人文社會科學(xué)基金(16YJA190002)資助項(xiàng)目
【分類號】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金勇進(jìn);缺失數(shù)據(jù)的加權(quán)調(diào)整(系列之Ⅳ)[J];數(shù)理統(tǒng)計(jì)與管理;2001年05期

2 趙慧秀;馬文卿;;帶有缺失數(shù)據(jù)的估計(jì)方程[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

3 龐新生;;缺失數(shù)據(jù)處理方法的比較[J];統(tǒng)計(jì)與決策;2010年24期

4 楊金英;崔朝杰;;圖模型方法用于二值變量相關(guān)性分析中缺失數(shù)據(jù)的估計(jì)[J];中國衛(wèi)生統(tǒng)計(jì);2012年05期

5 帥平;李曉松;周曉華;劉玉萍;;缺失數(shù)據(jù)統(tǒng)計(jì)處理方法的研究進(jìn)展[J];中國衛(wèi)生統(tǒng)計(jì);2013年01期

6 金勇進(jìn);缺失數(shù)據(jù)的偏差校正(系列三)[J];數(shù)理統(tǒng)計(jì)與管理;2001年04期

7 畢華,李濟(jì)洪;帶有缺失數(shù)據(jù)的聚類分析方法[J];華北工學(xué)院學(xué)報(bào);2003年05期

8 李開燦;;有缺失數(shù)據(jù)的META-MARKOV模型的局部計(jì)算[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2007年03期

9 周偉萍;張德然;楊興瓊;;具有部分缺失數(shù)據(jù)時(shí)兩個(gè)幾何總體的估計(jì)[J];長春大學(xué)學(xué)報(bào);2008年02期

10 梁怡;;缺失數(shù)據(jù)的插補(bǔ)調(diào)整方法[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)會議論文 前2條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國現(xiàn)場統(tǒng)計(jì)研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2011年

相關(guān)博士學(xué)位論文 前9條

1 彭清艷;廣義函數(shù)型回歸模型及缺失數(shù)據(jù)模型[D];云南大學(xué);2016年

2 駱汝九;多指標(biāo)綜合評價(jià)的非參數(shù)方法和缺失數(shù)據(jù)的聚類方法研究[D];揚(yáng)州大學(xué);2011年

3 祝麗萍;幾種缺失數(shù)據(jù)和高維數(shù)據(jù)模型的統(tǒng)計(jì)分析[D];山東大學(xué);2012年

4 賈博婷;缺失數(shù)據(jù)下一類整值時(shí)間序列的統(tǒng)計(jì)推斷[D];吉林大學(xué);2014年

5 劉旭;在完全和缺失數(shù)據(jù)下基于非光滑估計(jì)方程的統(tǒng)計(jì)推斷與變量選擇問題[D];云南大學(xué);2010年

6 趙鵬飛;混沌數(shù)據(jù)恢復(fù)與非線性系統(tǒng)的模型參考控制[D];吉林大學(xué);2010年

7 陸福忠;數(shù)據(jù)缺失下的分布函數(shù)估計(jì)問題[D];復(fù)旦大學(xué);2007年

8 趙慧秀;可交換的兩值數(shù)據(jù)的統(tǒng)計(jì)分析[D];東北師范大學(xué);2009年

9 付志慧;多維項(xiàng)目反應(yīng)模型的參數(shù)估計(jì)[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊利華;缺失數(shù)據(jù)的處理方法研究及應(yīng)用[D];景德鎮(zhèn)陶瓷學(xué)院;2011年

2 袁中萸;多元線性回歸模型中缺失數(shù)據(jù)填補(bǔ)方法的效果比較[D];中南大學(xué);2008年

3 母建熊;基于飽和模型的帶有缺失的可交換兩值數(shù)據(jù)分析[D];東南大學(xué);2015年

4 雷偉;帶有不可忽略缺失數(shù)據(jù)的混合線性模型的貝葉斯統(tǒng)計(jì)推斷[D];云南大學(xué);2016年

5 劉星;缺失數(shù)據(jù)下關(guān)于廣義線性模型的一些討論[D];揚(yáng)州大學(xué);2016年

6 郭似童;缺失數(shù)據(jù)下半?yún)?shù)模型的序列相關(guān)性檢驗(yàn)[D];重慶理工大學(xué);2016年

7 崔朝杰;含有缺失數(shù)據(jù)的兩值吸毒數(shù)據(jù)分析[D];東北師范大學(xué);2009年

8 岳春柳;缺失數(shù)據(jù)的概率主成分分析[D];東北師范大學(xué);2010年

9 齊丹丹;對含缺失數(shù)據(jù)的非參可加模型進(jìn)行成分選取[D];東北師范大學(xué);2010年

10 胡賢利;混合型數(shù)據(jù)的缺失數(shù)據(jù)的填補(bǔ)[D];中南大學(xué);2013年

，

本文編號：1966828