利用定期更新的多层吸收马尔可夫链改进毕业率估计
应用统计
2020-12-21 v3
摘要
美国大学使用基于滚动六年毕业率的方法来统计学生最终教育结果（毕业或未毕业）的数据。作为六年毕业率方法的替代，许多研究应用吸收马尔可夫链来估计毕业率。两种情况下均使用频率学方法。对于标准六年毕业率方法，频率学方法对应于统计当年在六年内完成其项目的学生数并除以该年入学的学生数。在吸收马尔可夫链的情形中，频率学方法用于计算底层转移矩阵，随后用于估计毕业率。在本文中，我们应用敏感性分析来比较标准六年毕业率方法与吸收马尔可夫链的性能。通过分析与小样本量或大学中某届学生群体相关的估计精度，我们强调了两种方法在应用于小样本量或大学中某届学生时的显著局限。此外，我们注意到吸收马尔可夫链方法引入了显著偏倚，导致对真实毕业率的低估。为克服这两类挑战，我们提出并评估了使用定期更新的多层吸收马尔可夫链（RUML-AMC），其中转移矩阵逐年更新。我们通过实证证明，所提出的 RUML-AMC 方法几乎消除了估计偏倚，同时将估计变异降低逾 40%，尤其对于小样本量群体。
引用
@article{arxiv.2008.13296,
title = {Improving Graduation Rate Estimates Using Regularly Updating Multi-Level Absorbing Markov Chains},
author = {Shahab Boumi and Adan Vela},
journal= {arXiv preprint arXiv:2008.13296},
year = {2020}
}