缺失資料在因素分析上的處理方法之研究 Missing Data Techniques for Factor Analysis

• Asıl Yazarlar: 王鴻龍 Hong-Long Wan (Yazar), 楊孟麗 Meng-Li Yang (Yazar), 陳俊如 Chun-Ju Chen (Yazar), 林定香 Ting-Hsiang Lin (Yazar)
• Materyal Türü: Kitap
• Baskı/Yayın Bilgisi: National Taiwan Normal University, 2012-03-01T00:00:00Z.
• Konular: article
• Online Erişim: Connect to this object online.

因素分析常用來研究問卷及量表。當資料缺失過多或缺失機制為非完全隨機時，分析所得的共同因素個數或因素負荷常有偏差。本研究使用「台灣教育長期追蹤資料庫」，將其中的完整資料視為基準資料，並根據原有缺失結構，建構一至五倍缺失比率的資料集，以探討因素分析對缺失插補的敏感度。研究者比較了四種缺失處理法，包括：可用個體法、完整個體法、邏輯斯迴歸插補法與蒙第卡羅－馬可夫鏈（Monte Carlo Markov Chain, MCMC）插補法。結果顯示，缺失比率愈高時，所估計出來的變異數矩陣與基準資料的矩陣差異愈大。可用個體法在缺失比率較高時，萃取的共同因子的個數比基準資料多。在因素負荷上，可用個體法的誤差最嚴...