跳到主要內容

臺灣博碩士論文加值系統

(100.28.132.102) 您好!臺灣時間:2024/06/25 16:34
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:張嘉晏
研究生(外文):Chang, Chia-Yen
論文名稱:缺失資料處理對因素分析的影響-以臺灣教育長期追蹤資料庫國中樣本心理健康問項跨期資料為例
論文名稱(外文):Incomplete Data Techniques for Factor Analysis- Based on Mental Health data of Wave 1 and 2 Junior high school samples in TEPS
指導教授:王鴻龍王鴻龍引用關係
指導教授(外文):Wang, Hong-Long
口試委員:王鴻龍鄭天澤姚修慎鍾麗英
口試委員(外文):Wang, Hong-LongJeng, Tian-TzerYao, Hsiu-HsenChung, Ly-Inn
口試日期:2011-07-22
學位類別:碩士
校院名稱:國立臺北大學
系所名稱:統計學系
學門:數學及統計學門
學類:統計學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:61
中文關鍵詞:不完整資料缺失處理多重填補法TEPS心理健康探索式因素分析
外文關鍵詞:Incomplete dataMissing treatmentMultiple imputationTEPSMental healthConfirmative factor analysis
相關次數:
  • 被引用被引用:1
  • 點閱點閱:652
  • 評分評分:
  • 下載下載:44
  • 收藏至我的研究室書目清單書目收藏:0
問卷調查中常有缺失資料的問題。若缺失的原因是隨機缺失(Missing at random, MAR),或非隨機缺失(Missing not at random,MNAR),直接刪除缺失樣本,會產生統計分析上的偏誤。本論文以臺灣教育長期追蹤資料庫(TEPS)中,第一、二波國中學生資料為對象,探討缺失資料對心理健康問項的因素分析產生的影響。缺失資料集的建構方法,是以城鄉別和公私立結構的比例,對完整資料進行抽樣,再併入dropout資料集,形成一組缺失資料集。透過對完整資料集不同的抽樣樣本數,再加上dropout資料集,可做出不同缺失比例的缺失資料集。本研究將以(1/6, 1/5, 1/4, 1/3, 1/2)等不同的缺失比例下,隨機建構五十組缺失資料集,比較各種缺失處理的穩定性。缺失處理方法除了整筆刪除法(list-wise deletion, LD)之外,也將透過第一波的基本變數及心理健康變數,以邏輯斯迴歸逐一填補法、MCMC法、二階段填補法進行缺失處理,並和第一波心理健康變數的因素分析結果做比較。並將提出在不同缺失比例下,探討探索式因素分析(Exploratory factor analysis,EFA)最適缺失資料處理原則。
Missing values are common in survey data. If the missing mechanism are missing at random (MAR) or missing not at random (MNAR), statistical analysis using complete data may cause bias. In this study, we use mental health data of wave 1 and 2 junior high school samples in Taiwan Education Panel Survey (TEPS), trying to discuss the influence of factor analysis with missing data. The way to create the missing data sets is combine two samples, one is sampling from the students samples from both wave 1 and 2, the other is the students samples which are dropout in wave 2. We construct the missing data sets with five kinds of missing ratio, 1/6, 1/5, 1/4, 1/3, 1/2, and each ratio has 50 random samples. There are eight missing treatment in this study, including list-wise deletion, stepwise logistic regression imputation, MCMC method two-stage method and etc. With different missing treatments, compare the stability in factor analysis, and suggest some suitable missing treatments on statistical analysis.
第一章 緒論..............................................................................................1
第一節 研究背景與動機.....................................................................................1
第二節 研究目的.................................................................................................2
第三節 研究架構.................................................................................................3
第二章 文獻探討......................................................................................4
第一節 缺失資料的型態與處理..........................................................................4
第二節 臺灣教育長期追蹤資料庫 (TEPS)........................................................5
第三章 研究方法......................................................................................6
第一節 研究流程..................................................................................................6
第二節 缺失資料集的建立..................................................................................7
第三節 缺失資料集的結構與比較基準..............................................................8
第四節 影響受訪者退出調查的顯著變數........................................................11
第五節 缺失資料的處理模型............................................................................12
第六節 缺失資料的處理方法............................................................................14
第七節 因素分析的比較方法............................................................................16
第四章 研究結果....................................................................................19
第一節 影響受訪者退出調查的顯著變數與缺失型態....................................19
第二節 A結構因素分析結果的比較.................................................................21
第三節 B結構因素分析結果的比較.................................................................26
第四節 C結構因素分析結果的比較.................................................................32
第五章 結論與建議................................................................................39
參考文獻..................................................................................................41
附錄..........................................................................................................43
《附表1》TEPS國中樣本完全訪問資料集第一波的缺失型態.....................43
《附表2》TEPS國中樣本完全訪問資料集第二波的缺失型態.....................49
《附圖1》s-MCMC和c-MCMC的因素負荷MSE直方圖............................55


表 目 錄
表4.1 100組缺失資料集邏輯斯迴歸模型的結果...............................................20
表4.2 A結構以填答完整問項為基準,特徵值的差值比例.................................22
表4.3 A結構以填答完整問項為基準,因素負荷的差值平方和.........................22
表4.4 A結構在不同的缺失處理後,特徵值大於1的個數統計表...................23
表4.5 A結構在MCMC多重填補後,特徵值大於1的個數統計表................23
表4.6 A結構在MCLR多重填補後,特徵值大於1的個數統計表..................24
表4.7 A結構在不同的缺失處理後,特徵值的差值比例...................................24
表4.8 A結構在不同的缺失處理後,因素負荷的差值平方和...........................25
表4.9 B結構在不同的缺失處理後,特徵值大於1的個數統計表...................28
表4.10 B結構在MCMC多重填補後,特徵值大於1的個數統計表.................28
表4.11 B結構在MCLR多重填補後,特徵值大於1的個數統計表..................29
表4.12 B結構在不同的缺失處理後,特徵值的差值比例...................................30
表4.13 B結構在不同的缺失處理後,因素負荷的差值平方和...........................30
表4.14 C結構以填答完整問項為基準,特徵值的差值比例.................................33
表4.15 C結構以填答完整問項為基準,因素負荷的差值平方和.........................33
表4.16 C結構在不同的缺失處理後,特徵值大於1的個數統計表...................34
表4.17 C結構在MCMC多重填補後,特徵值大於1的個數統計表.................34
表4.18 C結構在MCLR多重填補後,特徵值大於1的個數統計表..................35
表4.19 C結構在不同的缺失處理後,特徵值的差值比例...................................36
表4.20 C結構在不同的缺失處理後,因素負荷的差值平方和...........................36
表4.21 C結構加入樣本權數後,刪除法特徵值大於1的個數統計表................37
表4.22 C結構加入樣本權數後,MCMC法,特徵值大於1的個數統計表...........38
表4.23 C結構加入樣本權數後,LD法和MCMC法特徵值的差值比例.............38
表4.24 C結構加入樣本權數後,LD法和MCMC法因素負荷的差值平方和.....38

圖 目 錄
圖3.1 分析流程圖....................................................................................................6
圖3.2 缺失資料集的結構........................................................................................8
圖3.3 缺失資料集中的三種結構............................................................................9
圖3.4 缺失資料集的比較基準..............................................................................10
圖4.1 A結構示意圖...............................................................................................21
圖4.2 B結構示意圖...............................................................................................26
圖4.3 缺失比例 的樣本因素負荷MSE.............................................................31
圖4.4 C結構示意圖...............................................................................................32


范家菱 (2010)。應用填補方法在缺失資料處理上之因素分析研究。國立臺北大學統計學系研究所碩士論文。

姚偉哲 (2009)。應用加權方法處理缺失資料之因素分析-以「台灣教育長期追蹤資料庫」之第二波高中、高職、五專學生樣本資料為例。國立臺北大學統計學系研究所碩士論文。

徐美玲 (2007)。青少年早期社會關係與其心理健康、偏差行爲、快樂感相關性之探討。新臺北護理期刊,9(2),23-34。

陳俊如 (2008)。不完整等級資料在因素分析上的處理方法之研究。國立臺北大學統計學系研究所碩士論文。

黎秀蕾 (2009)。多重插補法處理缺失資料之因素分析-以「臺灣教育長期追蹤資料庫」之第二波高中、高職、五專學生樣本資料為例。國立臺北大學統計學系研究所碩士論文。

魏琦芳 (2008)。青少年心理健康的影響因素-貫時性研究。醫護科技學刊,10(4),251-266。

Daniel F. H. and Srabashi B. (1996). “Missing at Random” and “Missing Completely at Random”. The American Statistician, 5(3), 207-213.

Kamakura, W. A. and Wedel, M. (2000). Factor analysis, missing data, discrete variables, data fusion, item non-response. Journal of Marketing Research, 37(4), 490-498.

Little, R.J.A. and Rubin, D. B. (1987). Statistical Analysis with Missing Data. John Wiley & Sons, New York.

McLachlan G..J. and T. Krishnan T. (1996). The EM Algorithm and Extensions. John Wiley.




Nicholas J. H. and Stuart R. L. (2001). Multiple Imputation in Practice: Comparison of Software Packages for Regression Models With Missing Variables. The American Statistician, 55(3), 244-254.

Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Survey. John Wiley & Sons. New York.

Schafer, J. L. (1997). Analysis of Incomplete Multivariate Data, New York: Chapman and Hall.

Schafer, J. L. and Olsen, M. K. (1998). Multiple imputation for multivariate missing-data problems: A data analyst’s perspective. Multivariate Behavioral Research, 33, 545-571.

Schafer, J. L. and Graham, J. W. (2002), Missing Data: Our View of the state of the Art. Psychological Methods, 7(2), 147-177.

Yang, Meng-Li and Tam, Tony (2004). Mental Health Inequality in the Adolescent Society: Family Background and the Paradix of Academic Success in Taiwan.


QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top