| 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 |
| |
| 作者姓名： | 宋枝璘 郭磊 郑天鹏 |
| |
| 作者单位： | 1.西南大学心理学部, 重庆 400715;2.中国基础教育质量监测协同创新中心西南大学分中心, 重庆 400715;3.北京师范大学中国基础教育质量监测协同创新中心, 北京 100088 |
| |
| 基金项目： | 国家自然科学基金青年项目(31900793);北京师范大学中国基础教育质量监测协同创新中心重大成果培育性项目(2019-06-023-BZPK01);中央高校基本科研业务费专项资金(SWU2109222) |
| |
| 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。
|
| 关 键 词： | 认知诊断 GDINA模型 缺失数据 多重插补 极大似然估计 |
| 收稿时间： | 2021-06-10 |
|
| 点击此处可从《心理学报》浏览原始摘要信息 |
|
点击此处可从《心理学报》下载免费的PDF全文 |
|
