.png){kind=icon}
返回
Working with missing data in large-scale assessments
.png){kind=icon}
OA
AI
DOI：10.1186/s40536-025-00248-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
缺失数据在大规模评估（LSAs）中很常见。处理LSAs中缺失数据的一种典型方法是使用成列删除，尽管数十年的研究显示该做法可能是一种次优策略，会导致有偏估计。为了帮助研究人员处理缺失数据，我们提供了一份使用R和免费可用的Blimp程序进行多重插补和分析的教程。
Keyword:
Missing data
Multiple imputation
Large scale assessments
Blimp
期刊
L
IF:
3
论文数:
89
被引数:
745
机构
引用论文
Multiple imputation using chained equations: Issues and guidance for practice使用链式方程进行多重插补: 问题和实践指导
.png){kind=icon}
PREAI
分享收藏Using SAS PROC MIXED to Fit Multilevel Models, Hierarchical Models, and Individual Growth Models
PREAI
分享收藏Teachers’ and principals’ perceptions of school emphasis on academic success: measurement invariance, agreement, and relations to student achievement教师和校长对学校重视学业成功的看法：测量不变性、一致性与学生学业成就的关系OAAI
OAAI分享收藏Considerations for the use of plausible values in large-scale assessments在大型评估中使用合理值（plausible values）的考量OAAI
OAAI分享收藏
查看更多内容