校正Bootstrap方法对概化理论方差分量及变异量估计改善.pdfVIP

校正Bootstrap方法对概化理论方差分量及变异量估计改善.pdf

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
心理学报 2013, Vol. 45, No.1, 114−124 Acta Psychologica Sinica DOI: 10.3724/SP.J.1041.2013.00114 Bootstrap * 1,2 1 (1 华南师范大学心理应用研究中心, 广州 510631) (2 广州大学教育学院心理系, 广州 510006) Bootstrap 方法是一种有放回的再抽样方法, 可用于概化理论的方差分量及其变异量估计。用 Monte Carlo 技术模拟四种分布数据, 分别是正态分布、二项分布、多项分布和偏态分布数据。基于 p×i 设计 , 探 讨校正的 Bootstrap 方法相对于未校正的 Bootstrap 方法, 是否改善了概化理论估计四种模拟分布数据的方差 分量及其变异量。结果表明:跨越四种分布数据 , 从整体到局部 , 不论是“点估计”还是“变异量”估计 , 校正 的 Bootstrap 方法都要优于未校正的 Bootstrap 方法, 校正的 Bootstrap 方法改善了概化理论方差分量及其变 异量估计。 概化理论; Bootstrap 方法 ; 方差分量 ; 方差分量变异量 ; 蒙特卡洛模拟 B841 1 引言 布。根据这个抽样分布, 可以估计出平均值、标准 差、相应的百分位数, 进而获得参数的标准误和置 概化理论, 又称为方差分量模型, 在心理与教 信区间。在这个过程中 , 如果频数分布是正态的 , 育测量实践中有着广泛的应用。Bootstrap 方法, 也 可以用参数的标准误直接计算其 95%置信区间。如 称“ 自助法”, 是一种有放回的再抽样方法 , 可用于 果频数分布不是正态的, 可以用第 2.5 百分位数和 概 化 理 论 的 方 差 分 量 及 其 变 异 量 估 计 (Brennan, 第 97.5 百分位数来估计其 95%置信区间。 2001) 。 Bootstrap 对统计量的估计基本实现过程如下: Bootstrap 方法是美国斯坦福大学统计系 Efron 首先, 从服从 D (θ )未知分布的原始数据中抽取 X , 1 (1979)提出的一种统计方法。这种方法是统计学上 X , ……, X , 样本容量 n ≤N (原样本容量), 每个 2 n 的新突破之一(Fan, 2003), 其实质是模拟了从原始 Xi 的几率为 1/N; 然后, 决定上一步中θ 的统计量 数据(把它看作“总体”) 中随机抽取大量样本的过程, ˆ θ, 如平均数、分位点、方差分量等等; 再后, 重

文档评论(0)

nnh91 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档