Yıl: 2017 Cilt: 8 Sayı: 4 Sayfa Aralığı: 490 - 510 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi

Öz:
Bu araştırmada madde bazında kayıp veri oranlarının bulunduğu farklı örneklem büyüklüğündeki verilere ait madde ve test parametrelerinin kayıp veri ile baş etme yöntemlerinden nasıl etkilendiğini belirlemek amaçlanmıştır. PISA 2015 uygulamasına katılan ve çalışma içerisinde yer alan "hırs algısı" ölçeğine cevap veren 5073 öğrenci içerisinden rastgele seçilen 500, 1000 ve 2500 öğrenci, araştırmanın çalışma grubunu oluşturmaktadır. Öncelikle her bir veri setinde normallik, tek boyutluluk, yerel bağımsızlık ve model-veri uyumu varsayımları incelenmiştir. Ölçekte 5 madde yer almaktadır ve kayıp veriler madde bazında oluşturulmuştur. Bu doğrultuda tamamen rastsal olacak şekilde her bir maddeden sırasıyla %5, %10, %15 ve %20'lik kayıp veriler oluşturulmuş, ölçek maddelerinden birinde ise hiç kayıp veri olmayacak şekilde analizler gerçekleştirilmiştir. Kayıp verilerin tamamen rastsal dağılım gösterdiği belirlendikten sonra öncelikle tam ve eksik verilerle; daha sonra silme, ortalama atama, yakın noktalar ortalama ataması, yakın noktalar medyan ataması, doğrusal değerleme, noktada doğrusal eğilim, regresyon atama ve beklenti maksimizasyonu yöntemleri sonucunda elde edilen tam veri setleri ile hesaplamalar gerçekleştirilmiştir. Hesaplama sürecinde betimsel istatistikler ve Cronbach-alfa güvenirlik katsayısı; ardından Madde Tepki Kuramına dayalı Aşamalı Tepki Modeline göre ayırıcılık ve güçlük indeksleri ile marjinal güvenirlik katsayısı hesaplanmıştır. Araştırma sonucunda madde ve test parametrelerinin eksik veriden ve kayıp veri ile baş etme yöntemlerinden etkilendiği; tam veri setine en yakın kestirimi sunan sonuçların doğrusal değerleme yöntemi ile elde edildiği belirlenmiştir
Anahtar Kelime:

Konular: Tarih

Examination the Effect of Missing Data Techniques of Item Parameters

Öz:
In this study, the aim is to determine how the item and test parameters affect the missing data techniques for different sample sizes and different items with different missing data rates. 500, 100 and 2500 students randomly selected from the 5073 students who participated in the PISA 2015 study and responded to the "ambition perception" scale included in the study constitute the study group of the research. First of all, the assumptions of normality, unidimensionality, local independence and model-data fit were examined for each data set. Afterwards, 5%, 10%, 15%, and 20% missing data were formed for four out of five items and there was no missing data in one item, then analyses were carried out. Once it is determined that the missing data are missing completely random, first with complete and incomplete data, then with serial mean, median of nearby points, mean of nearby points, linear interpolation, linear trend at point, regression, expectation maximization algorithm data item and test parameters were estimated. In the estimated process, descriptive statistics and cronbach alpha reliability coefficient and marginal reliability coefficient; the threshold parameters and the difficulty indices were estimated according to the graded response theory, which is one of the IRT models. The results of the study showed that the item and test parameters were influenced by incomplete and missing data techniques; it was determined that the best estimation results were obtained by linear interpolation method with different data
Anahtar Kelime:

Konular: Tarih
Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • Acar, T. ve Kelecioğlu, H. (2010). Maddenin farklı fonksiyonlaşmasını belirleme tekniklerinin karşılaştırılması: GADM, LR ve MTK-OO. Kuram ve Uygulamada Eğitim Bilimleri, 10(2), 639-649.
  • Acock, A. (2005). Working with missing values. Journal of Marriage and Family, 67(4), 1012-1028.
  • Akbaş, U. ve Tavşancıl, E. (2015). Farklı örneklem büyüklüklerinde ve kayıp veri örüntülerinde ölçeklerin psikometrik özelliklerinin kayıp veri baş etme teknikleri ile incelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 6(1), 38-57.
  • Allison, P. D. (2002). Missing data. California: Sage Publication, Inc.
  • Ambler, G., Omar, R. Z., & Royston, P. (2007). A comparison of imputation techniques for handling missing predictor values in a risk model with a binary outcome. Statistical Methods in Medical Research, 16(3), 277-298.
  • Bal, C. (2003). Çok gruplu veri setlerinde eksik gözlem sorununun çözümlenmesi ve sağlık alanında bir uygulama (Yayımlanmamış Yüksek Lisans Tezi, İstanbul Üniversitesi, Sağlık Bilimleri Enstitüsü, İstanbul). Erişim adresi: http://tez2.yok.gov.tr
  • Baygül, A. (2007). Kayıp veri analizinde sıklıkla kullanılan etkin yöntemlerin değerlendirilmesi. (Yayımlanmamış Doktora Tezi, Osmangazi Üniversitesi, Sağlık Bilimleri Enstitüsü, Eskişehir). Erişim adresi: http://tez2.yok.gov.tr
  • Bernaards, C. A., & Sijtsma, K. (2000). Influence of imputation and EM methods on factor analysis when item nonresponse in questionnaire data is nonignorable. Multivariate Behavioral Research, 35(3), 321 – 364.
  • Carpita, M., & Manisera, M. (2011). On the imputation of missing data in surveys with Likert-type scales. Journal of Classification, 28(1), 93-112.
  • Çokluk, Ö., Şekercioğlu, G. ve Büyüköztürk, Ş. (2014). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları. Ankara: Pegem Akademi.
  • Çokluk, Ö. ve Kayri, M. (2011). Kayıp değerlere yaklaşık değer atama yöntemlerinin ölçme araçlarının geçerlik ve güvenirliği üzerindeki etkisi. Kuram ve Uygulamada Eğitim Bilimleri, 11(1), 289-309.
  • Çüm, S. ve Gelbal, S. (2015). Kayıp veriler yerine yaklaşık değer atamada kullanılan farklı yöntemlerin model veri uyumu üzerindeki etkisi. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 35, 87-111.
  • De Ayala, R. J., Plake, B. S., & Impara, J. C. (2011). The impact of omitted responses on the accuracy of ability estimation in item response theory. Journal of Educational Measurement, 38(3), 213-234.
  • De Leeuw, E. D., Hox, J., & Huisman, M. (2003). Prevention and treatment of item nonresponse. Journal of Official Statistics, 19(2), 153-176.
  • Demir, E. (2013). Kayıp verilerin varlığında çoktan seçmeli testlerde madde ve test parametrelerinin kestirilmesi: SBS örneği. Eğitim Bilimleri Araştırmaları Dergisi, 3(2), 48-68.
  • Demir, E. (2013). Kayıp verilerin varlığında iki kategorili puanlanan maddelerden oluşan testlerin psikometrik özelliklerinin incelenmesi. (Yayımlanmamış Doktora Tezi. Ankara Üniversitesi, Eğitim Bilimleri Enstitüsü, Ankara). Erişim adresi: http://tez2.yok.gov.tr
  • Demir, E. ve Parlak, B. (2012). Türkiye’de eğitim araştırmalarında kayıp veri sorunu. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 3(1), 230-241.
  • Doğanay-Erdoğan, B. (2012). Çoklu atama yöntemlerinin Rasch modelleri için performansının benzetim çalışması ile incelenmesi. (Yayımlanmamış Doktora Tezi, Ankara Üniversitesi, Sağlık Bilimleri Enstitüsü, Ankara). Erişim adresi: http://tez2.yok.gov.tr
  • Embretson, S. E., & Reise, S. P. (2000). Item response theory for psychologists. Mahwah, NJ: Lawrence Erlbaum Associates, Inc.
  • Field, A. (2005). Discovering statistics with SPSS. California: Sage Publication, Inc.
  • Finch, H. (2008). Estimation of item response theory parameters in the presence of missing data. Journal of Educational Measurement, 45(3), 225-245.
  • Garrett, P. L. (2009). A Monte Carlo study investing ating missing data, differential item functioning and effect size (Yayımlanmamış doktora tezi, Georgia State University, Atlanta). Erişim adresi: https://scholarworks.gsu.edu.
  • Garson, D. (2015). Missing data analysis & data imputation. Asheboro: Statistical Publishing Associates.
  • Goegebeur, Y., De Boeck, P., & Molenberghs, G. (2010). Person fit for test speededness: Normal curvatures, likelihood ratio tests and empirical Bayes estimates. Methodology: European Journal of Research Methods for the Behavioral and Social Sciences, 6(1), 3-16.
  • Hambleton, R. K., Swaminathan, H., Cook, L. L., Eignor, D. R., & Gifford, J. A. (1977). Developments in latent trait theory: models, technical issues, and applications. Review of Educational Research, 48(4), 467–510.
  • Hambleton, R. K., Swaminathan, H., & Rogers, H. J. (1991). Fundamentals of item response theory. California: Sage Publication, Inc.
  • Hedeker, D., Mermelstein, R. J., & Demirtas, H. (2007). Analysis of binary outcomes with missing data: Missing = smoking, last observation carried forward, and a little multiple imputation. Addiction, 102(10), 1564-1573.
  • Hohensinn, C., & Kubinger K. D. (2011). On the impact of missing values on item fit and the model validness of the Rasch model. Psychological Test and Assesment Modeling, 53(3), 380-393.
  • Josse, J., & Husson, F. (2012). Handling missing values in exploratory multivariate data analysis methods. Journal de la Société Française de Statistique, 153(2), 79-99.
  • Junninen, H., Niska, H., Tuppurainen, K., Ruuskanen, J., & Kolehmainen, M. (2004). Methods for imputation of missing values in air quality data sets. Atmospheric Environment, 38, 2895–2907.
  • Koçak, D. ve Çokluk Bökeoğlu, Ö. (2017). Kayıp veriyle baş etme yöntemlerinin model veri uyumu ve madde model uyumuna etkisi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 8(2), 200-223.
  • Kohn, R., & Ansley, C. F. (1986). Estimation, prediction, and interpolation for ARIMA models with missing data. Journal of the American Statistical Association, 81, 751-761.
  • Köse, A. ve Öztemur, B. (2014). Kayıp veri ele alma yöntemlerinin t-testi ve ANOVA parametreleri üzerine etkisinin incelenmesi. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 14(1), 400-412.
  • McNeish, D. (2016). Exploratory factor analysis with small samples and missing data. Journal of Personality Assessment, 99(6), 637-652.
  • Nartgün, Z. (2015). Kayıp veri sorununun çözümünde kullanılan farklı yöntemlerin farklı kayıp veri koşulları altında ölçeklerin psikometrik nitelikleri ve ölçme sonuçları bağlamında karşılaştırılması. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 7(4), 252-265.
  • Ostini, R., & Nering, M. L. (Eds.). (2006). Polytomous item response theory models. U.S.A: Sage Publication.
  • Peng, C. Y., Harwell, M. R., Liou, S. M., & Ehman, L. H. (2007). Advances in missing data methods and implications for educational research. In S. S. Sawilowsky (Ed.), Real data analysis (pp. 31-78). Charlotte, NC: New Information Age.
  • Rose N., von Davier, M., & Xu, X. (2010). Modeling nonignorable missing data with item response theory (IRT) (Report No: RR-10-11). Princeton: ETS Research Report Series.
  • Schafer, J. L., & Graham, J. W. (2002). Missing data: Our view of the state of the art. Psychological Methods, 7(2), 147 – 177
  • Sezgin E. ve Çelik Y. (2013). Veri madenciliğinde kayıp veriler için kullanılan yöntemlerin karşılaştırılması, Akademik Bilişim Konferansı, Akdeniz Üniversitesi, Antalya.
  • Soysal, S. ve Akın Arıkan, Ç. (2017). Kayıp veri atama yöntemlerinin faktörleşme teknikleri üzerindeki etkisi. PegemA Yayıncılık (Ed.), Küreselleşen Dünyada Eğitim, (syf. 316-332) Ankara: PegemA Yayıncılık.
  • Şahin Kürşad, M. ve Nartgün, Z. (2015). Kayıp veri sorununun çözümünde kullanılan farklı yöntemlerin ölçeklerin geçerlik ve güvenirliği bağlamında karşılaştırılması. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 6(2), 254-267.
  • Tabachnick, B. G., & Fidell, L. S. (2014). Using multivariate statistics. USA: Pearson Education Limited. Tsutakawa, R. K., & Johnson, J. C. (1990). The effect of uncertainty of item parameter estimation on ability estimates. Psychometrika, 55, 371–390.
  • Twisk, J., & de Vente, W. (2002). Attrition in longitudinal studies: How to deal with missing data. Journal of Clinical Epidemiology, 55, 329–337.
  • Weaver, B., & Maxwell, H. (2014). Exploratory factor analysis and reliability analysis with missing data: A simple method for SPSS users. The Quantitative Methods for Psychology, 10(2), 143-152.
  • Witta, E. L. (2000). Comparison of missing data treatments in producing factor scores (Report No:1). Honolulu: Annual Meeting of the American Educational Resarch Association.
  • Wright, B. D. (1997). A History of social science measurement. Educational measurement: Issues and practice, 16, 33–45.
  • Yılmaz, H. (2014). Random forests yönteminde kayıp veri probleminin incelenmesi ve sağlık alanında bir uygulama. (Yayımlanmamış Yüksek Lisans Tezi, Eskişehir Osmangazi Üniversitesi, Sağlık Bilimleri Enstitüsü, Eskişehir). Erişim adresi: http://tez2.yok.gov.tr
APA SAYIN A, YANDI A, Oyar E (2017). Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. , 490 - 510.
Chicago SAYIN Ayfer,YANDI ALPEREN,Oyar Esra Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. (2017): 490 - 510.
MLA SAYIN Ayfer,YANDI ALPEREN,Oyar Esra Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. , 2017, ss.490 - 510.
AMA SAYIN A,YANDI A,Oyar E Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. . 2017; 490 - 510.
Vancouver SAYIN A,YANDI A,Oyar E Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. . 2017; 490 - 510.
IEEE SAYIN A,YANDI A,Oyar E "Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi." , ss.490 - 510, 2017.
ISNAD SAYIN, Ayfer vd. "Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi". (2017), 490-510.
APA SAYIN A, YANDI A, Oyar E (2017). Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 8(4), 490 - 510.
Chicago SAYIN Ayfer,YANDI ALPEREN,Oyar Esra Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi 8, no.4 (2017): 490 - 510.
MLA SAYIN Ayfer,YANDI ALPEREN,Oyar Esra Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, vol.8, no.4, 2017, ss.490 - 510.
AMA SAYIN A,YANDI A,Oyar E Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi. 2017; 8(4): 490 - 510.
Vancouver SAYIN A,YANDI A,Oyar E Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi. 2017; 8(4): 490 - 510.
IEEE SAYIN A,YANDI A,Oyar E "Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi." Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 8, ss.490 - 510, 2017.
ISNAD SAYIN, Ayfer vd. "Kayıp Veri ile Baş Etme Yöntemlerinin Madde Parametrelerine Etkisinin İncelenmesi". Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi 8/4 (2017), 490-510.