追踪研究中缺失数据处理方法及应用现状分析

追踪研究中普遍存在缺失数据,缺失数据处理方法的选择影响统计推断的精度及研究结果的有效性。首先,阐述缺失机制及判断方法,比较追踪研究中主要的缺失数据处理方法的特点、及实际应用中的缺失处理方法的选择和软件实现。其次,对国内心理学中92篇追踪研究文献进行分析,发现有59篇(64.13%)报告不同程度缺失,其中仅39篇报告了处理方法且均为删除法。未来研究应深入探讨现有缺失数据处理方法的有效性,进一步规范应用研究中缺失数据的处理。

缺失数据比率和处理方法对非随机缺失数据能力参数估计准确性的影响

探讨了IRT背景下非随机缺失数据的合适处理方法.采用IRTLAB模拟产生50批500个被试在20个0-1记分项目上的反应数据,产生了不同比率的MNAR;再用IN、NP、FR、CM、MI和EM共6种方法分别处理MNAR,使用BILOG-MG软件估计被试的能力参数,并计算在不同条件下各种方法的BIAS、BIAS_(abs)、R(θ,■)和RMSE.研究发现:随着缺失比率的增加,参数误差越来越大;FR会导致IRT参数估计产生较大的误差,且不稳定,而MI与EM算法则相对稳定;综合BIAS和RMAE等几个指标,NP在处理MNAR时产生的误差较小也更稳定.因此,在IRT背景下估计被试能力参数时,应选择NP、MI或EM方法处理缺失数据.

社会网络分析中缺失数据的处理方法

社会网络分析是对社会关系进行量化分析的技术。社会网络分析应用中常遇到缺失数据,缺失数据处理不当会影响测量误差、降低统计功效,甚至扭曲研究结果。在阐述社会网络分析中缺失数据的原因和缺失机制的基础上,梳理了社会网络分析的四种缺失数据处理方法的原理,分析比较了四种方法在实际应用中的优缺点。社会网络分析方法在心理学中的研究应用应在考虑缺失概率和缺失机制的前提下,恰当选择缺失数据的处理方法。