User Guide
So many results that aren't mine?
References in many bibliographies are sometimes referred to as "Surname, I", so the citations of academics whose Surname and initials are the same may occasionally interfere. This problem is often the case with citation indexes all over the world.
How can I see only citations to my article?
After searching the name of your article, you can see the references to the article you selected as soon as you click on the details section.
  Citation Number 10
 Views 66
 Downloands 17
Kayıp Veriyle Baş Etme Yöntemlerinin Model Veri Uyumu Ve Madde Model Uyumuna Etkisi
2017
Journal:  
Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi
Author:  
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,iyi sonuçları veren tek bir yöntemin varlığından söz etmenin mümkün olmadığı belirlenmiştir.

Keywords:

Citation Owners









Similar Articles






Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi

Field :   Eğitim Bilimleri; Hukuk; Sosyal, Beşeri ve İdari Bilimler

Journal Type :   Uluslararası

Metrics
Article : 184
Cite : 824
2023 Impact : 0.286
Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi