认知诊断缺失数据处理方法的比较:零替换、多重插补与极大似然估计法
Comparison of missing data handling methods in cognitive diagnosis: zero replacement, multiple imputation and maximum likelihood estimation
-
作者:
宋枝璘
1
郭磊
1,2
郑天鹏
3
-
作者单位:
-
提交时间:2021-11-23 17:18:08
摘要: 数据缺失在测验中经常发生,认知诊断评估也不例外,数据缺失会导致诊断结果的偏差。首先,通过模拟研究在多种实验条件下比较了常用的缺失数据处理方法。结果表明:①缺失数据导致估计精确性下降,随着人数与题目数量减少、缺失率增大、题目质量降低,所有方法的PCCR均下降,Bias绝对值和RMSE均上升。②估计题目参数时,EM法表现最好,其次是MI,FIML和ZR法表现不稳定。③估计被试知识状态时,EM和FIML表现最好,MI和ZR表现不稳定。其次,在PISA2015实证数据中进一步探索了不同方法的表现。综合模拟和实证研究结果,推荐选用EM或FIML法进行缺失数据处理。
版本历史
[V1] |
2021-11-23 17:18:08 |
ChinaXiv:202111.00025V1
|
下载全文 |