Kayıp Veriyle Baş Etme Yöntemlerinin Model Veri Uyumu Ve Madde Model Uyumuna Etkisi

Year 2017, Volume: 8 Issue: 2, 200 - 223, 30.06.2017

Duygu Koçak , Ömay Çokluk Bökeoğlu

https://doi.org/10.21031/epod.303753

Cited By: 2

Abstract

Bu çalışmanın amacı, kayıp veri baş etme yöntemlerinin Madde Tepki Kuramı 1
parametreli lojistik modelinde model veri uyumuna ve madde model uyumuna olan
etkisini incelemektir. Bu amaç doğrultusunda örneklem büyüklüğünün 500, 1000 ve
1500 olarak manipüle edildiği, madde sayısının 20 olarak sabitlendiği 1PLM’e
uyumlu veri setleri üretilmiştir. Üretilen verilerde madde güçlüğü -2 ile +2
arasında sınırlandırılmış, madde ayırt ediciliği 1.5 olarak sabitlenmiştir.
Üretilen eksiksiz veri setleri üzerinde tamamen rastgele kayıp ve rastgele
kayıp koşulları altında %5, %10 ve %15 oranlarında silme işlemi
gerçekleştirilmiştir. Tamamen rastgele kayıp mekanizması, veri setindeki toplam
hücre sayısı arasından rastgele değerler silinerek oluşturulmuştur. Liste
bazında silme yöntemi için belirlenen oranda rastgele birim (kişi) silinmiştir.
Rastgele kayıp mekanizması, veri setine üç düzeyi olan bir değişken tanımlanıp
1. düzeyden %20, 2. düzeyden %30 ve 3. düzeyden %50 oranında olacak şekilde
hücrelerin rastgele silinmesi ile oluşturulmuştur.  Oluşturulan kayıp veriler liste bazında
silme, regresyonla atama ve beklenti maksimizasyon algoritması yöntemleriyle
giderilmiştir. Model veri uyumunun kestirilmesinde –2 log λ, AIC ve BIC
değerlendirme kriterlerinden, madde model uyumunun kestirilmesinde χ² istatistiğinden faydalanılmıştır. Eksiksiz
veri setlerinden elde edilen değerler, kayıp veri baş etme yöntemleriyle
tamamlanan veri setlerinden elde edilen kestirimler için referans olarak
kullanılmıştır. İncelemeler sonucunda, beklenti maksimizasyon algoritması
yönteminin rastgele kayıp mekanizmasında iyi, tamamen rastgele kayıp
mekanizmasında kısmen iyi performans sergilediği sonucuna ulaşılmıştır.
Regresyonla atama yönteminin de belirli koşullar altında iyi performans
sergilediği ancak liste bazında silme yönteminin performansının düşük olduğu
sonucuna ulaşılmıştır. Tüm kayıp veri mekanizmalarında kayıp veri oranı
arttıkça, kayıp veri baş etme yöntemlerinin performansı da düşmektedir. Tüm
mekanizmalarda ve koşullarda kullanılabilecek, en iyi sonuçları veren tek bir
yöntemin varlığından söz etmenin mümkün olmadığı belirlenmiştir.

Keywords

kayıp veri, kayıp veri baş etme yöntemleri, model veri uyumu, madde model uyumu

References

• Ackerman, T.A., Gierl, M.J. & Walker, C.M. (2005). Using Multidimensional Item Response Theory to Evaluate Educational and Psychological Tests. Educational Measurement: Issues and Practice: MIRT InstructionalModule.
• Adams, R. (2005). Reliabilty as a measurement design effect. Studies in Educational Evaluation. 31, 162–172.
• Aiken, L, R. (1995). Psychological testing and assessment. Boston. Allyn and Bacon
• Allison, P. (2002). Missing Data. Sage Publications.
• Allison, P. D. (2003). Missing Data Techniques for Structural Equation Modeling. Journal of Abnormal Psychology. 112(4), 545-557Baker (2001) ve
• Baker, F. B. (1998). An investigation of the item parameter recovery of a Gibbs sampling procedure. Applied Psychological Measurement, 22, 153-169.
• Baraldi, A.N. & Enders, C.K. (2010). An İntroduction to Modern Missing Data Analysis. Journal of School Psychology, 48, 5–37.
• Bauer, D. J. & Curran, P. J. (2003). Distributional Assumptions of Growth Mixture Models: Implications for Overextraction of Latent Trajectory Classes. Psychological Methods , 8: 338-363.
• Baykul, Y. (2000). Eğitimde ve psikolojide ölçme: klasik test teorisi ve uygulanması. Ankara: ÖSYM Yayınları.
• Blozis, S. A., Conger K.J., & Harring, J.R. (2007). Nonlinear Latent Curve Models for Multivariate Longitudinal Data, International Journal of Behavioral Development, 3184), 340-346