Farklı kayıp veri tekniklerinin çok göstergeli örtük gelişme modelleri üzerindeki etkisi
The effects of different missing data techniques on latent growth model with multiple indicators
- Tez No: 263281
- Danışmanlar: PROF. DR. OYA SOMER
- Tez Türü: Doktora
- Konular: Psikoloji, Psychology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Psikoloji Bölümü
- Bilim Dalı: Psikoloji Ana Bilim Dalı
- Sayfa Sayısı: 154
Özet
Bu çalışmanın amacı, örneklem büyüklüğü ve kayıp veri türüne bağlı olarak, kayıp veri ile başa çıkmada kullanılan tekniklerin, çok göstergeli örtük gelişme modelleri üzerindeki etkisinin incelenmesidir. Araştırma deseninde, kayıp veri tekniği (liste bazında silme, çift bazında silme, regresyonla değer atama, beklenti-maksimizasyon algoritması ve çoklu değer atama), kayıp veri türü (tümüyle seçkisiz kayıp, seçkisiz kayıp ve seçkisiz olmayan kayıp) ve örneklem büyüklüğü (100, 250 ve 500) olmak üzere üç bağımsız değişken yer almaktadır. Bağımsız değişkenlerin model üzerindeki etkileri yakınsama oranı, model uyumu, parametre tahmin yanlılığı ve standart hata yanlılığı olmak üzere dört bağımlı ölçüm üzerinden incelenmiştir. Çalışma kapsamında, (1) veri setlerinin üretilmesi, (2) veri silme işlemlerinin yapılması, (3) değer atama işlemlerinin yapılması ve (4) model testlerinin yapılması olmak üzere dört aşamadan oluşan bir işlem yolu takip edilmiştir. Yakınsama oranı, model uyumu ve parametre tahmin yanlılığına ilişkin bulgular, çok göstergeli örtük gelişme modellerinde çift bazında silme tekniğinin diğer tekniklere kıyasla daha iyi bir alternatif olduğunu göstermektedir. Buna karşın, standart hata yanlılığına ilişkin sonuçlar, söz konusu yöntemin parametre tahminleri için yapılan anlamlılık testlerinin gücünü azaltabileceğine ve bu nedenle dikkatli olunması gerektiğine işaret etmektedir. Beklenti-maksimizasyon algoritması ve çoklu değer atama tekniklerinin standart hata yanlılıklarında daha iyi performans gösterdikleri, model uyumlarının kabul edilebilir sınırlar içerisinde kaldığı ve örneklem sayısının büyük olduğu durumlarda yakınsama problemine yol açmadığı düşünüldüğünde, çok göstergeli örtük gelişme modelleri kapsamında bu yöntemler de kayıp veri ile başa çıkmak üzere önerilmektedir. Öte yandan, regresyonla değer atama yönteminin çok göstergeli örtük gelişme modelleri kapsamında kayıp veri ile başa çıkmak üzere kullanılmasının uygun olmayacağı düşünülmektedir.
Özet (Çeviri)
The purpose of this study is to examine the effects of techniques for handling missing data on latent growth models with multiple indicators depending on sample size and type of missing data. Three independent variables including missing data techniques (listwise deletion, pairwise deletion, imputation with regression, expectation-maximization algorithm, and multiple imputation), type of missing data (missing completely at random, missing at random, and missing not at random), and sample size (100, 250, and 500) took place in the research design. The effects of independent variables on convergence rate, model fit, parameter estimation bias, and standard error bias were investigated. In the study, a procedure consisted of 4 stages including (1) data generation, (2) data deletion, (3) imputation, and (4) model testing was performed. Results obtained from convergence rate, model fit, and parameter estimation bias showed that within latent growth models with multiple indicators, pairwise deletion technique was a better alternative than other techniques. However, results of standard error bias indicated that this technique may reduce power of significance test made for parameter estimates. When taking into consideration of their performance in standard error bias, model fit and convergence rate, expectation-maximization algorithm and especially multiple imputation techniques are also suggested for handling missing data in latent growth models with multiple indicator. On the other hand, it is thought that imputation with regression technique is not adequate for handling missing data in latent growth models with multiple indicator.
Benzer Tezler
- Assessment of urbanization history of Addis Ababa city, Ethiopia
Addıs Ababa cıty, Ethıopıa'nın kentleşme tarihinin değerlendirilmesi
ABDURAHMAN HUSSEN YIMER
Yüksek Lisans
İngilizce
2023
Şehircilik ve Bölge PlanlamaMersin ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ALİ CENAP YOLOĞLU
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- The Ancient South Marmara Harbors
Antik Güney Marmara Limanları
SERKAN GÜNDÜZ
Doktora
İngilizce
2015
ArkeolojiUludağ ÜniversitesiArkeoloji Ana Bilim Dalı
PROF. DR. MUSTAFA ŞAHİN
PROF. DR. MARTİNA SEIFERT
- Study on improving China's drinking water quality management
Çin'in içme suyu kalite yönetimini geliştirmek konusunda çalışma
SIKANDAIER NUERXIATI
Yüksek Lisans
İngilizce
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL TORÖZ