多重成员线性混合模型的高效最大似然估计及其在教育增值评估中的应用
应用统计
2014-04-01 v1 统计计算
摘要
广义持续性 (GP) 模型是在估计个体教师对学生当前及未来测试成绩的“增值”背景下开发的，是文献中最灵活的增值模型之一。尽管 GP 模型是在教育环境中开发的，但它潜在地适用于任何结构，其中低层单位的每个顺序响应可能与不同的高层单位相关联，且高层单位的影响可能随时间持续。然而，GP 模型的灵活性及其多重成员随机效应结构导致了计算挑战，限制了该模型的可用性。我们开发了一种 EM 算法，利用随机效应和误差协方差矩阵的稀疏结构，高效计算 GP 模型的最大似然估计。该算法已在 R 统计软件的 GPvam 包中实现。我们给出了计算示例，并说明了我们的估计过程所实现的计算效率增益。
引用
@article{arxiv.1403.7644,
title = {Efficient Maximum Likelihood Estimation of Multiple Membership Linear Mixed Models, with an Application to Educational Value-Added Assessments},
author = {Andrew T. Karl and Yan Yang and Sharon L. Lohr},
journal= {arXiv preprint arXiv:1403.7644},
year = {2014}
}