發(fā)布時(shí)間：2021-12-23 03:54

　　為考察概化理論中方差分量及其變異量估計(jì)的準(zhǔn)確性,采用模擬研究的方法,探究Traditional法、Jackknife法、Bootstrap法和MCMC法在p×i×h和p×（i:h）2種雙側(cè)面設(shè)計(jì)和正態(tài)、二項(xiàng)、多項(xiàng)、偏態(tài)分布4種數(shù)據(jù)類型下的表現(xiàn)。結(jié)果顯示:（1）4種方法均能準(zhǔn)確估計(jì)方差分量;（2）估計(jì)方差分量的標(biāo)準(zhǔn)誤時(shí),若數(shù)據(jù)正態(tài)分布,Traditional法最優(yōu),非正態(tài)分布時(shí)Bootstrap法最優(yōu);（3）估計(jì)方差分量的90%置信區(qū)間時(shí),Bootstrap法在不同分布的數(shù)據(jù)下表現(xiàn)穩(wěn)定,但容易受到側(cè)面水平數(shù)的影響。綜合來說,若數(shù)據(jù)呈正態(tài)分布,建議選用Traditional法;若數(shù)據(jù)呈非正態(tài)分布,建議選用Bootstrap法。 

【文章來源】：心理學(xué)探新. 2020,40(05)北大核心CSSCI

【文章頁數(shù)】：7 頁

【部分圖文】：

方差分量的相對(duì)偏差百分比

各個(gè)條件下方差分量標(biāo)準(zhǔn)誤的RPB如圖2所示。Traditional法在數(shù)據(jù)正態(tài)分布時(shí)表現(xiàn)較好,在二項(xiàng)分布時(shí)亦尚可,但在多項(xiàng)分布和偏態(tài)分布時(shí)|RPB|明顯增大。而Bootstrap法表現(xiàn)穩(wěn)健,在正態(tài)分布和二項(xiàng)分布時(shí)表現(xiàn)與Traditional法相當(dāng),在多項(xiàng)分布和偏態(tài)分布時(shí)|RPB|也相對(duì)其他方法較小,顯示出跨分布的穩(wěn)定性。Jackknife法和Bootstrap法的折線趨勢(shì)有一致性,但是|RPB|的大小絕大部分情況都比Bootstrap法大。MCMC法表現(xiàn)稍遜,|RPB|容易發(fā)生波動(dòng)。為了進(jìn)一步檢驗(yàn)各種方法的優(yōu)劣,對(duì)方差分量標(biāo)準(zhǔn)誤的|RPB|進(jìn)行4(數(shù)據(jù)類型:正態(tài)、二項(xiàng)、多項(xiàng)、偏態(tài)分布)×4(估計(jì)方法:Traditional法、Jackknife法、Bootstrap法、MCMC法)的兩因素方差分析。結(jié)果顯示,數(shù)據(jù)類型的主效應(yīng)顯著(F(3,176)=15.744,p<0.05,ηp2=0.212),估計(jì)方法的主效應(yīng)顯著(F(3,176)=16.824,p<0.05,ηp2=0.223),兩者間的交互作用亦顯著(F(9,176)=2.761,p<0.05,ηp2=0.124)。于是進(jìn)一步進(jìn)行簡(jiǎn)單效應(yīng)分析,如圖3所示。數(shù)據(jù)呈正態(tài)分布時(shí),Traditional法表現(xiàn)最優(yōu),其他分布下Bootstrap法最優(yōu)。

為了進(jìn)一步檢驗(yàn)各種方法的優(yōu)劣,對(duì)方差分量標(biāo)準(zhǔn)誤的|RPB|進(jìn)行4(數(shù)據(jù)類型:正態(tài)、二項(xiàng)、多項(xiàng)、偏態(tài)分布)×4(估計(jì)方法:Traditional法、Jackknife法、Bootstrap法、MCMC法)的兩因素方差分析。結(jié)果顯示,數(shù)據(jù)類型的主效應(yīng)顯著(F(3,176)=15.744,p<0.05,ηp2=0.212),估計(jì)方法的主效應(yīng)顯著(F(3,176)=16.824,p<0.05,ηp2=0.223),兩者間的交互作用亦顯著(F(9,176)=2.761,p<0.05,ηp2=0.124)。于是進(jìn)一步進(jìn)行簡(jiǎn)單效應(yīng)分析,如圖3所示。數(shù)據(jù)呈正態(tài)分布時(shí),Traditional法表現(xiàn)最優(yōu),其他分布下Bootstrap法最優(yōu)。3.3 方差分量的90%置信區(qū)間估計(jì)


本文編號(hào)：3547728