期刊文献+

论量化研究中缺失数据的处理方法

下载PDF
导出
摘要 在社会科学的量化研究中,如何处理缺失数据,一直是困扰研究者的问题。传统上研究者们多采用直接删除、配对删除等方法,但这些方法都存在难以克服的缺陷。当今欧美大多数学者处理缺失数据时都采用最大拟然估计法和多重归因法,且实践已经证明了这两种方法的优越性。本文简单总结了传统的缺失数据处理方法,并对最大拟然估计法和多重归因法进行评介,以期提高量化研究中缺失数据处理的技术。
作者 赵蒙成 张玲
出处 《教育测量与评价(理论版)》 2012年第7期4-9,共6页 Educational measurement and evaluation
  • 相关文献

参考文献6

  • 1Enders, C.K. Using the EM algorithm to estimate coef- ficient alpha for scales with item level missing data. Psycholog- ical Methods, 2003 (8):322-337.
  • 2Little,R.J.A.,&Rubin,D.B. Statistical analysis with missing data.Hoboken,NJ:Wiley, 2002.64.
  • 3Dempster,A.p.,Laird,N.M.,&rUBIN,D.B. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society.Ser.B, 1997( 39 ): 1-38.
  • 4Graham,J.W.,& Schafer,J.L. On the performance of muhiple imputation for multivariate data with small sample size. In Rick H. Hoyle (ED),Statistical strategies for small sample research, Thousand Oaks, CA:Sage, 1999.1-29.
  • 5Graham,J.W. Adding missing-date relevant variables to FIML-based structural equation models. Structural Equation Modeling: A Multidisciplinary Journal, 2003( 10):80-100.
  • 6Schafer, J.L. Analysis of incomplete multivariate data. New York: Chapman and Hall, 1997.143.

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部