ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > بحث>المقارنة بين طريقتي التعويض بآ...>الوصف

المقارنة بين طريقتي التعويض بآخر قيمة ملاحظة وهوت دك لمعالجة البيانات المفقودة في ضوء معيار قوة الاختبار الإحصائي: دراسة محاكاة

العنوان بلغة أخرى: Comparison of the Two Methods of Compensation with the Last Observation Carried Forward and Hot Deck to Process Missing Data in Light of the Statistical Test Strength Criterion: Simulation Study
المصدر: مجلة جامعة الملك خالد للعلوم التربوية
الناشر: جامعة الملك خالد - كلية التربية - مركز البحوث التربوية
المؤلف الرئيسي: العتيبي، أشرف أحمد عواض (مؤلف)
المجلد/العدد: مج9, ع3
محكمة: نعم
الدولة: السعودية
التاريخ الميلادي: 2022
التاريخ الهجري: 1443
الشهر: أغسطس
الصفحات: 113 - 137
DOI: 10.55534/1320-009-003-005
ISSN: 1658-6654
رقم MD: 1315592
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EduSearch
مواضيع:
المشكلات التربوية | البيانات المفقودة | التحليل الإحصائي | البحوث التربوية
كلمات المؤلف المفتاحية:
البيانات المفقودة | التعويض بآخر قيمة ملاحظة | التعويض بطريقة هوت دك | قوة الاختبار الإحصائي | Missing Data | Last Observation Carried Forward Imputation | Hot Deck Imputation | Statistical Test Power
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

22

حفظ في:
المستخلص: هدفت الدراسة الحالية إلى تحديد أكفا طرق التعويض عن البيانات المفقودة، وذلك من خلال مقارنة طريقة التعويض بأخر قيمة ملاحظة، وطريقة هوت دك لتقدير البيانات المفقودة؛ ولتحقيق هدف الدراسة تم استخدام المحاكاة لتوليد أرقام عشوائية بأحجام عينات مختلفة (30، 60، 90)، حيث تم بناء نموذج محاكاة لأسلوب تحليل التباين الأحادي (في حالة تساوي أحجام العينات بين المجموعات، وفي حالة عدم تساوي أحجام العينات بين المجموعات) وتتوافر فيه الافتراضات الخاصة بأسلوب تحليل التباين الأحادي. وتم حساب القوة الإحصائية للنموذج التام للحالات المذكورة. ثم تم عمل فقد لهذه البيانات بنسب فقد بلغت (15%)، و (25%)، و (40%)، على التوالي وفق آلية الفقد (MCAR)، وتحت نمط فقد (النمط العام). وبعدد ذلك تم تقدير القيم المفقودة باستخدام طريقتي التعويض. ثم إجراء اختبار تحليل التباين الأحادي للنماذج المقدرة، وحساب القوة الإحصائية لتلك النماذج للحالات المذكورة، ثم تتم المفاضلة بين طريقتي التعويض بآخر قيمة ملاحظة وهوت دوك لتقدير البيانات المفقودة، وذلك من خلال مقارنة القوة الإحصائية لتلك النماذج المقدرة بقوة النموذج الإحصائي التام. وأظهرت نتائج الدراسة أن طريقة التعويض بآخر قيمة ملاحظة (LOCF) أكفا من طريقة هوت دك (HOT DECK) بجميع حالات نسب الفقد وأحجام العينات المختلفة، إذ تعطي طريقة (LOCF) قيما تقديرية تؤدي إلى نتائج أقرب إلى النموذج التام وفقا لمعيار قوة الاختبار الإحصائي للنموذج.

The study aimed to identify the most efficient ways to compensate for missing data, this is by comparing the two methods of compensation with the Last Observation Carried Forward and hot deck Imputation to estimate the missing data. To achieve the study goal, the simulation was used to generate random numbers of different sample sizes (30, 60, and 90). A simulation model of One-Way Analysis of Variance method was built (if sample sizes are equal between groups, and sample sizes are not equal between groups) and assumptions are available for One Way Analysis of Variance method. The statistical strength of the full model of these cases was calculated. This data was then lost by 15%, 25%, 40% respectively according to the MCAR mechanism, and under the pattern of loss (general pattern). The lost values were then estimated using the two methods of compensation. Then conduct the One-Way Analysis of Variance test for estimated models and calculate the statistical strength of those models for the cases mentioned. The two methods of compensation are then compared with the Last Observation Carried Forward and hot deck to estimate the missing data by comparing the statistical strength of those models estimated by the strength of the full statistical model. The results of the study showed that the compensation method for (LOCF) is more efficient than the hot deck. The LOCF method gives estimated values that lead to results closer to the full model according to the model's statistical test strength standard.
ISSN: 1658-6654

عناصر مشابهة

خيارات البحث

المزيد من البحث

هل تحتاج مساعدة؟


© 2024 المنظومة. جميع الحقوق محفوظة.