Kayıp veri ile başa çıkma yöntemlerinin yapısal eşitlik modellerine etkisi
The effect of missing data handling methods in structural equation models
- Tez No: 723050
- Danışmanlar: DOÇ. DR. BURCU ATAR
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: TROK ve ROK, kayıp veri, kayıp veri ile baş etme, yapısal eşitlik modeli, modern atama yöntemleri (FIML, PMM, CART, NORM), MCAR and MAR, missing data, handling missing data, SEM, modern imputation techniques (FIML, PMM, CART, NORM)
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: 133
Özet
Bu çalışmanın amacı değişen örneklem büyüklüğü (100, 500, 1000), kayıp veri oranı (%5, %10 ve %20, kayıp veri mekanizması (TROK ve ROK), veri dağılımı (normal, çarpık) ve veri yapısında (güçlü yapı, orta düzeyde yapı) koşullarında liste bazında silme, olabilirlik yöntemleri (FIML ve EM) ve çoklu atama (PMM, CART ve NORM) kayıp veri ile baş etme yöntemlerinin yapısal eşitlik modellerinde (YEM) etkisini incelemektir. Bu simülasyon çalışmasında üç faktörlü YEM modeli evren korelasyon matrisi ile üretilmiştir. Toplamda 72 koşul ve her bir koşul için 100 tekrar yapılmıştır. YEM bulgularından model veri uyumları faktör yükleri ve faktörler arasındaki yol katsayılarına göre hata ve yanlılık değerleri elde edilmiştir. Liste bazı yöntemi çalıştığı tüm koşullarda en yanlı ve hatalı yöntem olarak elde edilmiştir. TROK mekanizmasında, normal dağılımda ve güçlü veri yapısında hata ve yanlılık miktarı daha düşüktür. FIML ve çoklu atama (MI) yöntemlerinin YEM'de performansları her iki kayıp veri mekanizmasında benzer olarak elde edilmiştir ancak MI yöntemleri küçük örneklem, kayıp veri oranı %20 ve çarpık dağılıma sahip ROK mekanizmasında çalışmamaktadır. EM yöntemi faktör yükleri ile yol katsayıları kestirimlerinde her iki kayıp veri mekanizmasında hata ve yanlılığı yüksek modern kayıp veri ile baş etme yöntemidir. Sonuç olarak MI yöntemleri YEM'de sıralı veri tipine sahip kayıp veri ile baş etmede kullanılması önerilmekte olup çarpık dağılımda, ROK mekanizmasında, küçük örneklem büyüklüğünde ve büyük kayıp veri oranında kullanılmamalıdır.
Özet (Çeviri)
The purpose of this research is to investigate three missing data handling methods; listwise deletion, likelihood methods (FIML and EM), and multiple imputation (PMM, CART, NORM) techniques in structural equation models (SEM) under various conditions. These conditions are sample sizes (100, 500, 1000), missing value rates (5%, 10%, 20%), missing value mechanisms (MCAR, MAR), distributions (normal and skewed), and data structure (middle and robust level). This simulation study generated a three-factor SEM model with nine indicators by population correlation matrix. The total number of conditions is 72, and the results are aggregated over 100 replications. Standard error and bias were investigated on eight outcomes of YEM results such as model fit indexes, factor loadings, and path coefficients. Results indicated that listwise deletion with all working conditions was found the most bias and the biggest standard error. The least bias and standard error were found under the MCAR mechanism, normal distribution and robust data structure conditions. FIML and MI methods generally performed the same level, but MI methods failed to perform under 100 sample size, 20% missing data rate, skewed distribution and MAR mechanisms. FIML and MI methods outperformed for goodness of fit indexes however rate of error increased when data skewed. EM methods produced larger error and bias for factor loadings and path coefficients than modern missing handling techniques. Hence, this study recommends using MI to handle missing ordinal data in SEM; unless the missingness is large, the sample size is small, and the distribution is skewed.
Benzer Tezler
- Tek boyutlu ve çok boyutlu likert tipi ölçekler için farklı kayıp veri ile başa çıkma yöntemlerinin karşılaştırılması
Comparison of different methods of dealing with missing data for unidimensional and multidimensional likert-type scales
MUHAMMET CURABAY
Doktora
Türkçe
2024
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. ŞEREF TAN
- Kayıp veriyle başa çıkma yöntemlerinin test eşitlemeye etkisinin incelenmesi
Investigation of the impact of techniques of handling missing data on the test equating
GÜLDEN ÖZDEMİR
Doktora
Türkçe
2023
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. BURCU ATAR
- Kayıp verinin test eşitlemeye etkisinin incelenmesi
Investigating the effect of missing data on test equating
DUYGU GİZEM ERTOPRAK
Doktora
Türkçe
2017
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. SELAHATTİN GELBAL
- Malul gazilerde travma sonrası büyümeyi yordayan faktörler: Bir karma yöntem araştırması
Factors predicting posttraumatic growth among disabled veterans: A mixed method study
MERVE KOÇAK ÇAPKIN
Doktora
Türkçe
2023
PsikolojiAnkara ÜniversitesiDisiplinlerarası Adli Bilimler Ana Bilim Dalı
PROF. DR. ŞENNUR KIŞLAK
- Karma testlerde kayıp verilerin değişen madde fonksiyonunaetkisinin incelenmesi
Investigation of the effect of missing data on differantial item functioning in mixed type tests
LEYLA BURCU DİNÇSOY
Yüksek Lisans
Türkçe
2022
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. HÜLYA KELECİOĞLU