显示带有标签的帖子 量子角. 显示所有帖子
显示带有标签的帖子 量子角. 显示所有帖子

2010年7月15日,星期四

量子角:层次线性建模(HLM)入门

当越来越多的应用期刊发表文章时,我向复杂的统计方法介绍较少的面向统计的读者时,我很喜欢它,因为我经常发现这些“傻瓜的量化解释”是对复杂统计方法的出色介绍。 今天我发现 资优儿童季刊 已发布了由两部分组成的简短文章系列,为您提供了不错的介绍 HLM. 我从未运行过HLM模型,因此我发现简介非常有帮助。 如此之多,以至于我可能会在一些合适的数据集上运行一些HLM,而我只是看到它起作用。

以下是这两篇文章。  Enjoy.  Kudos to GCQ麦考奇博士.

麦考奇(D.B.& Adelson, J. L. 处理依赖性(第1部分): 了解集群数据的影响。  资优儿童季刊,54(2)152-155。
本文从概念上介绍了有关聚类(嵌套)数据分析的问题。我们定义了类内相关系数(ICC)和设计效果,并解释了它们对标准误差的影响。当ICC大于0时,则设计效果大于1。在这种情况下,低估了独立性假设下产生的标准误差。这会增加I型错误率。我们简要说明了非独立性对标准误差的影响。我们表明,在考虑了设计效果之后,我们对测试统计量的统计显着性所做的决定会有所变化。当我们无法解释数据的聚类性质时,我们得出结论,两组之间的差异具有统计学意义。但是,一旦我们针对设计效果调整了标准误差,则差异不再具有统计显着性。

麦考奇(D.B.(2010). Dealing With Dependence (Part II): A 通用电器ntle Introduction to Hierarchical Linear
造型。 天才儿童季刊,54(3)252-256。
I在教育中,最自然发生的数据聚集在上下文中。学生聚集在教室内,教室聚集在学校内,学校聚集在地区内。当人们聚集在自然形成的组织单位(例如学校,教室或地区)中时,来自同一集群的人们的响应很可能表现出一定程度的相互关联。分层线性建模的使用使研究人员可以针对这种非独立性进行调整和建模。此外,尝试了解同一集群中的人们彼此之间的相似程度,然后尝试找出有助于我们理解集群内部和集群之间差异的变量,可能具有巨大的实质意义。在HLM中,我们努力理解和解释感兴趣的结果变量的群内和群内变异性。我们还可以在个人级别(级别1)和上下文级别(级别2)上使用预测变量来解释因变量的方差。本文提供了一个使用实际数据集的简单示例,并逐步解释了简单的分层线性模型,以说明该技术的实用性。

Technorati标签: , , , , , , , , , , , , , , , ,

2009年4月1日,星期三

量子角:Rasch心理测量(IRT)参考

有人问我一个问题 拉施(项目响应理论) 测量。我搜寻了 行动计划参考数据库 并标记所有以“ 拉施”为关键字的引用(在Procite中)。我有 发布了副本 万一有人在寻找当代Rasch心理计量参考的相对清单。

2009年3月14日,星期六

量子角:验证性因子分析指南


只要阅读一篇不错的文章 心理方法 最新的CFA方法,统计方法在情报研究中的使用频率很高。这是一个漂亮的手稿/研究清单...双击图像放大。我将在接下来的几天中跟进更详细的帖子。

2009年3月10日,星期二

量子角:心理学方法-第14卷,第1期

从KMcGrew iPhone(IQMobile)发送。 (如果消息中包含图片,请双击该图片以放大,如果 看不清)

开始转发邮件

心理方法

第14卷,第1期

验证性因素分析中的报告实践:概述和一些建议。
第6-23页
杰克逊,丹尼斯·L。小吉拉斯比(Gillaspy Jr.),亚瑟(J.Arthur);丽贝卡Purc-Stephenson
重新探讨相关性的元分析:尝试复制和扩展Field(2001)的模拟研究。
第24-42页
哈夫达尔,亚当·R。威廉姆斯,米歇尔·A。
评估认知理论:使用响应和响应时间的联合建模方法。
第54-75页
Klein Entink,Rinke H .;库恩(Jörg-Tobias); 喇叭ke,Lutz F .;福克斯·让·保罗


2009年3月2日,星期一

量子角:处理(并计划)数据收集中的丢失数据

自从我发表一篇文章以来,已经有很长时间了,我的文章可能会调整阅读此博客的类固醇的鸟蛤。这是给我的定量研究人员的一个……同时也面向那些定量研究较少的人,因为该主题将在研究文章,测试手册等中更经常地提及。

缺失数据 几十年来一直困扰着研究人员和测试开发人员的问题。在过去的20年中,已经出现了非常复杂的方法来处理丢失的数据并通过复杂的统计算法生成“完整”的数据集。还有……许多运行数据的人可能已经使用了这些步骤,并且完全不知道他们的分析使用了估算值或合理值!例如,如果您使用主 结构方程模型(SEM) 软件程序(例如LISREL,Mplus,AMOS),并且您在某些主题上的数据不完整,这些程序很可能在运行SEM模型之前利用这些新算法之一来估算可能的值。

在过去的15年中,我一直在学习这些文献,并发现这些当代的缺失数据归类方法非常有用。越来越多的研究人员需要意识到这些方法的好处,以及正确使用它的一些细微差别。

过去一周,我收到了最新一期的 心理学年度回顾 并发现(令我高兴)这是统计领域最简单,最容易理解的摘要。我并不惊讶地看到它是由 约翰·格雷厄姆,他还为此主题撰写了许多其他重要的期刊文章。我敦促读者 智商角 谁进行应用研究或测试开发项目以阅读本文 概述文章。值得一读。另外,我建议读者认真看一下 Schaefer的NORM软件...当需要进行严重数据插补时使用的程序。有关该程序的详细说明,以及对一些缺失数据文献的简短概述,请参见 达玛万(2004).

真正酷的是 “计划的丢失数据”-----也就是说,设计一个数据收集项目以故意丢失数据,以便允许在更多的主题中收集更多的变量...然后可以通过这些对象进行处理(如果设计正确)新的类玩具。

同行(及未来)类固醇...享受

Technorati标签: , , , , , , , , , ,