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

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。     

计算机化自适应测验中原始题项目参数的估计

计算机化自适应测验(Computerized Adaptive Testing, 简称CAT)其安全性面临着新的挑战, 小题库的安全更受威胁。如何建设一个大型、优质的题库成为CAT研究中一个非常重要的课题。目前CAT题库的建设存在一些问题, 如成本高且保密性较差。尤其是等值技术较复杂且锚题重复使用容易造成泄露。如能在实施CAT过程中插入未经过参数估计的项目(原始题), 同时对原始题项目参数进行估计, 这对建设大型、优质的CAT题库来说其意义是不言而喻的。本文基于1PLM和2PLM对此进行研究, 提出了原始题在线估计的新方法以及推导出了求区分度参数a迭代初值的计算公式。研究结果表明：无论是模拟研究还是实证研究, 原始题被作答的次数对项目参数估计结果都会产生不同的影响, 并且原始题作答人数越多项目参数估计精度也越高。     

计划缺失设计——通过有意缺失让研究更高效

缺失值是社会科学研究中非常普遍的现象。全息极大似然估计和多重插补是目前处理缺失值最有效的方法。计划缺失设计利用特殊的实验设计有意产生缺失值, 再用现代的缺失值处理方法来完成统计分析, 获得无偏的统计结果。计划缺失设计可用于横断面调查减少(或增加)问卷长度和纵向调查减少测量次数, 也可用于提高测量有效性。常用的计划缺失设计有三式设计和两种方法测量。     

多种感觉信息整合的认知与神经机制研究

我们通常利用多种感觉通道的信息对周围世界进行感知,如视觉、听觉、嗅觉、前庭感觉和本体感觉信息.为了确保对环境的正确感知,大脑必须把对同一物体特征进行表征的不同感觉信息整合成一致的、稳定的信息.以往的研究证实不同感觉信息之间是以统计最优化的模式结合的.文章首先综述了在贝叶斯理论的基础上建立起来的统计最优化模型以及其行为实验验证方法.然后,介绍了相关的神经成像研究结果和具有生理意义的神经网络模型.     

“应然”与“能然”——舍勒的价值论的德行论

情态动词用法的"应当"和"能够"在舍勒那里以专有名词用法的"应然"和"能然"予以讨论.在舍勒看来,应然和能然各自奠基于价值之中,都与爱、人格等有着本质的联系,是德行成就不可或缺的因素.舍勒以价值伦理学为根基,对以往关于应然和能然的思想作了厘清和批判,形成了讲求应然能然均衡的德行成就论.     

缺失数据的结构方程建模:全息极大似然估计时辅助变量的作用

本研究通过蒙特卡洛模拟考查了采用全息极大似然估计进行缺失数据建模时辅助变量的作用。具体考查了辅助变量与研究变量的共缺机制、共缺率、相关程度、辅助变量数目与样本量等因素对参数估计结果精确性的影响。结果表明,当辅助与研究变量共缺时:(1)对于完全随机缺失的辅助变量,结果更容易出现偏差;(2)对于MAR-MAR组合机制,纳入单个辅助变量是有益的;对于MAR-MCAR或MAR-MNAR组合机制,纳入多于一个辅助变量的效果更好;(3)纳入与研究变量低相关的辅助变量对结果也是有益的。     

四参数Logistic模型潜在特质参数的Warm加权极大似然估计

本文以四参数Logistic(4-parameter Logistic,4PL)模型为研究对象,根据Warm的加权极大似然估计技巧,提出了4PL模型潜在特质参数的加权极大似然估计方法,并借助模拟研究对加权极大似然估计的性质进行验证。研究结果表明,与通常的极大似然估计和后验期望估计相比,加权极大似然估计的偏差(bias)明显减小,并且具有良好的返真性能。此外,在测试的长度较短和项目的区分度较小的情况下,加权极大似然估计依然保持了良好的统计性质,表现出更加显著的优势。     

《周易》比、履、离、泰四卦爻辞零释

《周易》比卦初六爻辞"有孚盈缶"之"缶"当读为"饱","盈缶"即"盈饱"。履卦初九爻辞"素履"之"素"帛书《易经》本作"错",当读为"踖"。"踖履",就是敬慎地行走。离卦初九爻辞"履错然"之"错"帛书《易经》本作"昔",阜阳汉简《周易》作"■",本字亦当作"踖",义为敬慎。泰卦六四爻辞"不戒,以孚"之"戒"字通"革",当训为改、除去。"不戒,以孚"即"不革,以孚",也就是"不改,以孚"。     

基于坐标的脑成像元分析方法:激活似然性评估

随着脑成像研究数量的增长,研究者迫切需要一种能够将众多研究进行整合的元分析方法。本文在简单回顾了以往脑成像元分析方法的基础上,介绍了激活似然性评估法(ALE)的操作实施、优势特征、更新完善,以及其发展与应用。该元分析方法将每一个激活的坐标看作一种分布的可能性,通过特定的算法与拟合获得激活似然值,最后,将不同文献汇聚计算而来的ALE值与虚无分布获得的ALE值进行对比,以确定激活的可能性分布。近十年来,激活似然性评估法几经修正,已被广泛运用于各领域元分析的研究中。     

缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法

缺失数据普遍存在于心理学研究中, 影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求MLE的一种强有力的方法。马尔可夫蒙特卡洛方法(MCMC)可以相对简易地实现MI, 而且可以适用于复杂情况下的缺失数据处理。结合研究的需要讨论了实现这两类方法的适用软件。