换一批校正的 Bootstrap 方法对概化理论方差分量及其变异量估计的改善
Using Adjusted Bootstrap to Improve the Estimation of Variance Components and Their Variability for Generalizability Theory
摘要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.
更多相关知识
关键词
概化理论Bootstrap 方法方差分量方差分量变异量蒙特卡洛模拟Generalizability TheoryBootstrap methodVariance componentvariability of estimated variance componentsMonte Carlo simulation
分类号
B841
发布时间
2013-05-30（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
