教师效应增值建模中的缺失数据问题

纵向学生成绩数据的日益可得性，提高了研究者、教育工作者和政策制定者对利用这些数据评估教育投入以及进行学校乃至教师问责的兴趣。研究者已开发出精细的“增值模型”来分析这些纵向数据，以估计教育投入（如教师或学校）对学生成绩的影响，同时利用先前成绩来调整学生非随机分配到学校和班级的问题。此类建模工作面临的一个挑战是，大量学生的记录不完整，且这些学生往往成绩较低。这种情况可能导致结果对“数据随机缺失”假设的违背变得敏感，而该假设在估计模型参数时被普遍使用。本研究扩展了近期针对纵向学生成绩数据的增值建模方法（Lockwood 等 [J. Educ. Behav. Statist. 32 (2007) 125--150]），通过随机效应选择模型和模式混合模型允许数据非随机缺失，并将这些方法应用于一个大型城市学区数据，以估计小学数学教师效应。我们发现，允许数据非随机缺失对估计的教师效应影响甚微。估计的教师效应对缺失数据假设的稳健性，似乎源于模型设定对学生效应估计的影响相对较小（与教师效应本身的巨大变异性相比），以及对数据不完整学生的成绩赋予较低权重。