关于为使用大规模评估数据进行多级建模生成可信值
1American Institutes for Research, Arlington, Virginia, USA.
本研究引入了大型评估 (LSA) 中隐性回归的新单级方法,以更好地建模复杂的数据结构. 一种拟议的方法有效地支持随机斜率估计,为计算密集的多层模型提供了替代方案.
科学领域:
- 教育测量教育的测量
- 统计建模 统计建模
背景情况:
- 大规模评估 (LSAs) 使用隐性回归和可信值 (PVs) 来将背景变量与性能联系起来.
- 多级建模通常用于集群的LSA数据,但单级归算模型可能与分析模型不匹配.
- 现有的单级方法与随机斜率模型存在困难,这项研究解决了这一局限性.
研究的目的:
- 提出和评估新的单级潜伏回归方法,以支持多级模型中的随机斜率估计.
- 将现有和拟议的单级方法的性能与多级潜伏回归方法进行比较.
- 确定分析复杂LSA数据结构的高效和准确的方法.
主要方法:
- 开发了两种新的单级潜伏回归技术.
- 单级方法与多级潜伏回归方法的比较.
- 基于其支持随机截取和随机斜坡多层模型的能力对方法的评估.
主要成果:
- 现有的单级方法充分支持随机交叉模型,但不支持随机斜率模型.
- 多级潜伏回归提供了可接受的估计,但面临着计算挑战和可变性能.
- 一种拟议的单级方法的效率和准确性与所有参数的多级潜伏回归相提并论.
结论:
- 提出的单级方法为分析具有多层结构的LSA数据提供了可行的替代方案.
- 新的单级方法是随机斜率估计的高效和有效的选择.
- 提供了基于特定分析需求和计算资源的方法选择建议.
更多相关视频
06:52Using Cholesky Decomposition to Explore Individual Differences in Longitudinal Relations between Reading Skills
Published on: September 17, 2019
05:15The Spatial Memory Game: Testing the Relationship Between Spatial Language, Object Knowledge, and Spatial Cognition
Published on: February 19, 2018
相关概念视频
Multicompartment Models: Overview
These models offer a more comprehensive representation of drug behavior in the body than one-compartment models. They accommodate the complexity of drug distribution,...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Estimating Population Mean with Unknown Standard Deviation
William S. Gosset (1876–1937) of the...
Distributions to Estimate Population Parameter
Multi-input and Multi-variable systems
In the absence...
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
