校正的 Bootstrap 方法对概化理论方差分量及其变异量估计的改善
Bootstrap 方法是一种有放回的再抽样方法,可用于概化理论的方差分量及其变异量估计.用 Monte Carlo 技术模拟四种分布数据,分别是正态分布、二项分布、多项分布和偏态分布数据.基于 p×i 设计,探讨校正的 Bootstrap 方法相对于未校正的 Bootstrap 方法,是否改善了概化理论估计四种模拟分布数据的方差分量及其变异量.结果表明:跨越四种分布数据,从整体到局部,不论是“点估计”还是“变异量”估计,校正的 Bootstrap 方法都要优于未校正的 Bootstrap 方法,校正的 Bootstrap 方法改善了概化理论方差分量及其变异量估计.
概化理论、Bootstrap 方法、方差分量、方差分量变异量、蒙特卡洛模拟
B841(心理学)
2013-05-30(万方平台首次上网日期,不代表论文的发表时间)
114-124