http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 박령선(Ryoung sun Park) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
The Impact of Sample Sizes on Multiple Membership Multilevel Modeling Estimation
정혜원(Hye won Chung),김지선(Ji seon Kim),박령선(Ryoung sun Park),전현정(Hyeon jeong Jeon) 한국교육평가학회 2015 교육평가연구 Vol.28 No.1
다중소속 다층자료가 교육현장자료에서 증가하고 있으나, 표본크기가 다중소속다층모형에 미치는 영향에 관한 연구는 매우 미흡하다. 이 시뮬레이션 연구에서는 표본의 크기가 다중소속다층모형의 모수 추정과 신뢰구간에 미치는 영향을 살펴보고자 하였다. 본 연구의 목적을 수행하기 위해 계층 내 상관계수 (ICC; 0.15, 0.25), 2수준 표본크기 (20, 30, 50, 100), 1수준 표본크기 (20, 30, 50, 100, 200)의 조건들이 고려되었다. 모든 실험조건에서 고정효과와 1수준 변량의 추정에서는 상대편의가 나타나지 않았다. 그러나 2수준 표본크기 조건에서는(<=50), 2수준 변량의 과대 추정되는 상대편의가 나타났다. 모든 실험조건에서, 고정효과와 변량의 95%신뢰구간 포함 비율은 명목수준인 5%보다 미만으로 나타났다. 본 연구에서는 연구자들에게 다중소속다층모형의 추정을 위해서 최소 50 그룹 및 각 그룹 당 30명 이상 참여자가 속해 있는 크기의 자료를 사용할 것을 제안하였다. Multiple membership data structures are increasingly encountered in the educational field, but few studies have investigated the impact of sample sizes on multiple membership multilevel modeling. This simulation study examines the parameter estimates and non-coverage rates of 95% credible intervals in multiple membership multilevel modeling under a variety of manipulated conditions including: the intraclass correlation coefficient (ICC; 0.15 and 0.25), the number of schools (20, 30, 50 and 100), and the number of students (20, 30, 50, 100 and 200). Across all conditions, no substantial relative bias was found for fixed effect and student level variance component estimates. However, in some of the smaller number of schools (<=50), school level variance component estimates were substantially positively biased. Across all conditions, non-coverage rates of 95% credible interval for the fixed effect and random variance component estimates were less than the nominal non-coverage rate (i.e., 5%). It is suggested that applied researchers should analyze sufficiently large dataset (at least 50 groups with 30 participants) for multiple membership multilevel modeling estimation.
-
정혜원(Hye won Chung),김지선(Ji seon Kim),박령선(Ryoung sun Park),전현정(Hyeon jeong Jeon) 한국교육평가학회 2015 교육평가연구 Vol.28 No.2
이 연구에서는 최대우도와 베이지안 추정방법 선택에 따른 다층모형의 모수 추정에 미치는 영향을 비교하고자 High School and Beyond(HS&B) 자료를 이용한 연구와 모의실험연구를 실시하였다. 구체적으로, 다층모형 추정의 정확성을 검사하기 위해서 반화최소자승법(iterative generalized least squares, 이하 IGLS), 제한반화최소자승법(restricted iterative generalized least squares, 이하 RIGLS)과 Markov chain Monte Carlo(이하 MCMC) 세 추정 방법이 사용되었다. 추가적으로, 두 가지 베이지안 점 추정값인 MCMC 사후 평균값과, MCMC사후 중간값이 비교되었다: HS&B자료 분석결과, 고정효과와 1수준 분산추정의 결과는 매우 비슷하게 나타났으나, 2수준 분산의 경우 MCMC 사후평균 추정값이 IGLS 또는 RIGLS값보다 약간 크게 추정되었다. 모든 실험결과에서도, 모든조건에서 고정효과와 1수준 분산의 추정에서는 상대편의가 나타나지 않았다. 그러나 IGLS 추정방법을 적용하였을 경우, 2수준 표본크기가 50미만인 조건에서 2수준 분산이 작게 추정되는 상대편의가 발생하였다. MCMC 사후 평균값을 적용하였을 경우, 2수준 표본크기가 30 미만인 조건에서, 2수준분산이 크게 추정되는 상대편의가 발생되었다. 모든 조건에서, IGLS와 RIGLS 추정방법을 적용하였을 경우, 신뢰구간이 명목수준 (95%) 보다 낮은 것으로 나타났다. 그러나, MCMC적용한 경우, 신뢰구간은 명목수준인 95%보다 약간 높은 것으로 나타났다. This study was designed to compare the parameter recovery between maximum likelihood and Bayesian estimation in multilevel modeling using the High School and Beyond (HS&B) Survey and simulated data. Specifically, maximum likelihood estimation via iterated generalized least squares (IGLS) and restricted iterated generalized least squares (RIGLS), and Bayesian estimation via the Markov chain Monte Carlo (MCMC) were used to test the accuracy of multilevel modeling parameter estimation. Additionally, two Bayes point estimates were compared: the MCMC posterior mean and the MCMC posterior median. In the HS&B data study, no substantial differences were found in fixed effect or level one variance component estimates across the three estimation methods. The MCMC posterior mean estimate, however, led to a larger level two variance component estimate compared that of IGLS and RIGLS. Similarly, in simulation study, no substantial relative bias was found for fixed effect and level one variance component across all conditions. With IGLS, however, level two variance component estimates were substantially under-estimated in the conditions of <=50 level two units. With MCMC posterior mean approach, level two variance component estimates were substantially over-estimated in the conditions of <= 30 level two units. Across all conditions, coverage rates of confidence intervals for the fixed effect and random variance component estimates with IGLS and RIGLS were less than the nominal rates (i.e., 95%). However, credible interval coverage rates with MCMC were slightly higher than the nominal rates across all conditions.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
