中文

用于学士-硕士过渡分析的贝叶斯二元分位回归

应用统计 2015-12-07 v3

摘要

现代大学系统的多周期组织激发了在学术生涯中研究向更高层次学位课程进阶的兴趣。特别地,在获得第一级资格(学士学位)后,学生必须决定是通过注册第二级(硕士)项目继续其大学学业,还是结束其培训经历。本工作中,我们提出一种二元分位回归方法,采用贝叶斯推断视角来分析学士-硕士过渡现象。除学术结果的传统预测因子(如个人特征与学习领域)外,还考虑了学生表现的不同方面。此外,在模型设定中纳入了一个新的情境变量,指示大学规章的类型。贝叶斯二元分位回归在刻画第一周期学习后不继续决策方面的效用,通过对罗马智慧大学经济学院学士毕业生的行政数据应用得以说明,并与更传统的逻辑回归方法进行了比较。

关键词

引用

@article{arxiv.1511.06896,
  title  = {Bayesian binary quantile regression for the analysis of Bachelor-Master transition},
  author = {Cristina Mollica and Lea Petrella},
  journal= {arXiv preprint arXiv:1511.06896},
  year   = {2015}
}

备注

24 pages, 7 figures and 3 tables