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 |
相关信息
待评议
点击量
下载量
