纵向模型中个体异质性的控制及其在学生学业成就研究中的应用
应用统计
2009-09-29 v1
摘要
对个体进行重复测量的纵向数据在研究中备受重视,因为它们能够控制那些若不加以控制便会引起结果偏差的、不可观测的个体异质性。将个体异质性视为模型误差项的一部分、并采用广义最小二乘法估计模型参数的随机效应或混合效应模型方法,常因不可观测的个体效应与其他模型变量之间的相关性可能导致参数估计有偏且不一致而受到批评。本文从考察标准不可观测效应模型中随机效应与固定效应估计量之间的关系出发,通过分析与仿真表明:在一个关于个体异质性的一般模型下,混合效应模型方法具有"偏差压缩"性质,能够缓解因个体间未受控制的差异所导致的偏差。该一般模型由纵向学生学业成就测量的复杂性所驱动,但其结论对纵向建模具有广泛的适用性。
引用
@article{arxiv.0706.1401,
title = {Controlling for individual heterogeneity in longitudinal models, with applications to student achievement},
author = {J. R. Lockwood and Daniel F. McCaffrey},
journal= {arXiv preprint arXiv:0706.1401},
year = {2009}
}
备注
Published at http://dx.doi.org/10.1214/07-EJS057 in the Electronic Journal of Statistics (http://www.i-journals.org/ejs/) by the Institute of Mathematical Statistics (http://www.imstat.org)