Rastgele ve Spiralli Örnekler – İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma
Yapısal sıfırlardan hiç bahsetmemizin nedeni, mevcut olduklarında, uygun bir ön düzeltmenin hiçbirini sıfırdan farklı yapmayacağıdır. Tek değişkenli durumda imkansız hücreler (yani yapısal sıfırlar) elimine edilir ve ihmal edilir, ancak iki değişkenli durumda iki değerin birleşimidir, biri X ve diğeri A için, bu imkansızdır ve bu nedenle özel prosedürler ve modeller onlarla ilgilenirdi.
Bu kitabın II. Kısmının örneklerine, uygulamada sıklıkla ortaya çıksalar da, dahili çapa testinin durumunu dahil etmiyoruz. Bu eksiklik için bahanemiz, bir dahili çapa testinin bizim için ortaya çıkaracağı tek özel sorunun, sonuçta ortaya çıkan iki yönlü frekans dizilerini düzgün bir şekilde önceden yumuşatma tekniğidir.
Yapısal sıfırlarla uydurma dağılımları ve frekans tabloları örnekleri, Holland ve Thayer (2000), Bishop ve diğerleri dahil olmak üzere birçok yerde tartışılmaktadır. (1975), Haberman (1979), Fienberg (1980) ve Agresti (1990), diğerleri arasında. Başka yerlerde yapısal sıfırlara bu kadar titizlikle bakıldığında, bu çalışmada ayrıntılı bir dahili çapa testi örneği vermemiz gerektiğini hissetmedik.
Bu alt bölümü kapatırken, Tek Grup Tasarımının özel uygulamalarda yapısal sıfırların oluşabileceği başka bir yer olduğunu belirtmeliyiz. Bahsettiğimiz durumlar, X ve Y arasında bir kısmi-bütün ilişkisi olduğunda da ortaya çıkar. Yaygın bir örnek, eşitlendikten sonra bir veya birkaç öğenin bir testten silinmesidir.
Bu durumda, Y, tüm testin puanı ve X, öğeler silindikten sonra kalan bölümdeki puandır. Böyle bir durumda, X ve Y’nin ortak dağılımının birçok yapısal sıfıra sahip olabileceği açıktır ve bunların ortak dağılımlarını önceden düzlerken bunun hesaba katılması gerekebilir. Bu tür durumlarda, doğrusal eşitleme sıklıkla kullanılır ve bu, yapısal sıfırlarla ön yumuşatma yapılmasını önler.
Pek çok ortamda, yapısal sıfırları göz ardı etmek genellikle akıllıca değildir, ancak Çekirdek Eşitleme uygulamalarında, bunlara dikkatin ya tahmin edilen eşitleme fonksiyonunda ya da standart hatası tahminlerinde çok az fark yarattığı önemli durumlar olabilir. Bu konuyu incelemedik ve gelecekteki araştırmalar için pratik sonuçları olan ilginç bir konu olabileceğine inanıyoruz.
Çapa Testi ile EG Tasarımı
Bazen bir EG Tasarımının bir çapa testi de içerdiği görülür. Bu, P = Q dışında bir NEAT Tasarım gibidir.P = Q olduğunda ve T (2.32) ile tanımlanırsa, T = P = Q ve her iki varsayım kümesi, CE1 & CE2 ve PSE1 & PSE2, otomatik olarak doğrudur. . Ek olarak, iki yaklaşım, CE ve PSE, aynı eşitleme işlevlerine yol açacaktır. Bu iki yaklaşım arasında farklı olacak olan şey GDA olacaktır. PSE, CE’den farklı bir şekilde X ile A arasındaki ve Y ile A arasındaki korelasyonu kullanır. Ancak 11. Bölümdeki CE ve PSE karşılaştırmamız, GDA’ların CE ve PSE’lere çok benzeyebileceğini göstermektedir.
Basit rastgele Örnekleme örneği
Örnek Uzay Soruları
Kesikli örnek uzay
Basit rastgele Örnekleme Soruları
Sistematik rastgele Örnekleme
Rastgele Sinyaller ve Sistemler
Sürekli örnek uzay
Zarın örnek uzayı
Rastgele ve Spiralli Örnekler
Tüm analizlerimizde, tüm örneklerin ilgili popülasyon (lar) dan rastgele alındığını varsayıyoruz. Gerçek uygulamada bu nadiren yapılır. Bunun yerine, farklı testler almak için eşdeğer gruplara ihtiyaç duyulduğunda, çeşitli testler için formlar, sınava girenlere dağıtılmak üzere gruplar halinde değiştirilir (yani, “spiral şeklinde”).
Spiralli örnekleme yöntemi, ideal olarak, bitişik oturuşta muayene edenlerin farklı testler almasıyla sonuçlanır. Genellikle, tabakaların test için kullanılan odalar olduğu orantılı tabakalı rasgele örneklemeye benzer olduğu için, basit rastgele örneklemeden “daha eşdeğer” olan numuneler üretir. Bu nedenle, EG Tasarımına atıfta bulunmak için daha önceki “Rastgele Gruplar” (Angoff, 1971) yerine “Eşdeğer Gruplar” terimini kullanıyoruz.
Spiralli örneklemenin kullanımı, EG Tasarım durumundan daha geniş uygulanabilirliğe sahiptir. Numunelerin rastgele olduğuna dair tekrar tekrar kullandığımız varsayımımız bir yaklaşıktır, ancak yaygın olarak kullanılan bir varsayımdır. Bildiğimiz kadarıyla, sarmal örneklemenin sonuçlarının izlenebilir bir analizi yoktur. Ek olarak, Güneydoğu Avrupa için etkileri söz konusu olduğunda, rastgele örnekleme yaklaşımının kullanımı, spiralli örneklemede gerçek standart hataların basit rastgele örnekleme altında hesaplanacaklarından daha küçük olması anlamında ihtiyatlıdır.
Ne kadar küçük olduğu bilinmemektedir ve genellikle analist için mevcut olmayan faktörlere bağlıdır. Ancak, rastgele örnekleme varsayımları ile sarmal biçimli örneklerin yaklaştırılmasının, ortaya çıkan KİT’lerde önemli ölçüde fazla tahminlere yol açmayacağına inanıyoruz. Bu, elbette, daha fazla araştırma için ilginç bir konudur.
Özet
Bu bölüm, aralarındaki benzerlikleri ve farklılıkları göstermek için Eşitleme Tasarımlarını sınıflandırır. Örneğin, NEAT Tasarım, P = Q ve A’nın yalnızca tek bir puan değerine sahip olduğu durumlarda özel bir durum olarak EG Tasarımını içeriyor olarak görülebilir. Benzer şekilde CB Tasarımı, içinde hem EG hem de SG Tasarımları içerir.
Tasarımları sınıflandırmaya yönelik diğer bir yaklaşım, ön düzeltme adımındaki parametrelerin tahminine, yani tahmin edilecek dağılımların sayılarına ve tipine dayanmaktadır. Tasarımları ilgili popülasyon ve örneklerin sayısına göre de sınıflandırabiliriz. Tablo 2.5, Eşitleme Tasarımlarının sınıflandırılabileceği çeşitli yolları tanımlamaktadır.
Bazı tasarımlar basittir, yani tek bir sınava girenler popülasyonunu içerir, daha az varsayıma sahiptir, ancak ya daha büyük numune boyutlarına (EG) ihtiyaç duyar ya da aynı kişilerin aynı anda iki test formu (SG ve CB) almasını gerektirir. Diğer tasarımlar daha karmaşıktır, yani iki test katılımcısı popülasyonunu içerir, bir çapa testini kullanır ve ek varsayımların (yani NEAT) yerine getirilmesini gerektirir. Bu karmaşıklıklar genellikle artan çok yönlülükleriyle telafi edilir.
Çekirdek Denklemi: Genel Bakış, Ön Düzeltme ve r ve s Tahminleri
Bu ve sonraki iki bölüm, Kernel Equating (KE) denklemi testinin çekirdek yöntemini açıklamaktadır. KE, doğrusal eşitleme işlevini özel bir durum olarak içeren esnek bir eşit merkezci benzeri eşitleme işlevleri ailesine dayalı eşitlemeyi test etmek için birleşik bir yaklaşımdır.
“Kernel Equating” adı, bir Gauss çekirdeği kullanılarak iyi çalışılmış parametrik olmayan yoğunluk tahmin yöntemlerinin kullanılması nedeniyle ortaya çıkmaktadır. Çekirdek Eşitleme, Angoff (1971), Kolen ve Brennan (1995) ve Bölüm 1, Kısım 1.4 tarafından açıklanan eş merkezli yöntemin belirli özelliklerini genelleştirdiği için “eşit merkezci gibidir”.
Basit rastgele Örnekleme örneği Basit rastgele Örnekleme soruları Kesikli örnek uzay Örnek Uzay Soruları Rastgele Sinyaller ve Sistemler Sistematik rastgele Örnekleme Sürekli örnek uzay Zarın örnek uzayı