Çoklu göstergeler çoklu nedenler ve lojistik regresyon yöntemlerinin değişen madde fonksiyonunu belirleme performansları
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Eğitim Bilimleri Enstitüsü, Eğitim Bilimleri A.B.D., Türkiye
Tezin Onay Tarihi: 2014
Tezin Dili: Türkçe
Öğrenci: SEÇİL ARSLAN
Asıl Danışman (Eş Danışmanlı Tezler İçin): BURCU ATAR
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu araştırmada iki kategorili veriler için Çoklu Göstergeler Çoklu Nedenler (ÇGÇN) (Multiple Indicators Multiple Causes, MIMIC) ve Lojistik Regresyon (LR) yöntemlerinin DMF belirleme performansları incelenmiştir. Bu iki yöntemin performansları 1. tip hata ve güç oranlarına göre değerlendirilmiştir. Çalışmada ele alınan koşullar: örneklem büyüklüğü (2000 ve 4000 bireylik), grupların yetenek dağılımları (N (0,1) ve N( -0.5,1)) ve DMF gösteren madde yüzdesidir (%10 ve %20). Referans gruptaki bireylerin yetenek parametreleri (N(0,1)), testin uzunluğu (30 madde), DMF gösterdiği belirtilen maddeler için gruplar arasındaki madde güçlük parametrelerindeki değişim (0.6) ve odak ve referans grup oranı (1:1) sabit tutulan koşullardır. Araştırmada yöntemlerin performansları 8 farklı simülasyon koşuluna göre incelenmiştir. Çalışmada kullanılan DMF belirleme yöntemlerinden ÇGÇN için MPlus 6, LR içinse SAS 9.1.3 programı kullanılmıştır. Elde edilen bulgular doğrultusunda, ele alınan koşullara göre yöntemlerin performansları 1. tip hata oranları bakımından farklılık göstermiştir. Bazı koşullar için ÇGÇN yönteminin bazı koşullar için LR yönteminin 1. tip hata oranları daha düşüktür; bazı koşullarda bu değerler birbirine çok yakın çıkmıştır. ÇGÇN yönteminin 1. tip hata oranının daha düşük olduğu koşul sayısı, LR yönteminin 1. tip hata oranının daha düşük olduğu koşul sayısından fazladır. Her iki yöntem için de tüm koşullarda 1. tip hata oranları 0.05'in üzerindedir. Örneklem büyüklüğünün artması ÇGÇN yöntemi için 1. tip hata oranını önemli ölçüde azaltırken, LR yöntemi için 1. tip hata oranını çok fazla etkilememiştir. DMF'li madde yüzdelerinin artması ÇGÇN yönteminin 1. tip hata oranını pek fazla etkilemezken, LR yönteminin 1.tip hata oranını arttırmıştır. Odak grubun yetenek dağılımının farklı olması ise her iki yöntemin de 1. tip hata oranlarını çok etkilememiştir. Sonuç olarak 1. tip hata oranları bakımından bu iki yöntem karşılaştırıldığında ele alınan koşullardan örneklem büyüklüklerindeki değişim ÇGÇN yöntemi için daha etkili olurken, DMF'li madde yüzdelerindeki değişim LR yöntemi için daha etkili olmuştur. Çalışmanın sonuçları yöntemlerin güç oranlarındaki değişimler bakımından incelendiğinde; her iki modelin de tüm koşullar için güç oranları kabul edilebilir seviyenin (0.70) üzerinde olduğu sonucuna ulaşılmıştır; ancak ÇGÇN yönteminin güç oranının daha yüksek olduğu koşul sayısı, LR yönteminin güç oranının daha yüksek olduğu koşul sayısından fazladır. Örneklem büyüklüğünün artması her iki yöntem için güç oranını artırmıştır. Odak grubun yetenek dağılımının referans grubun yetenek dağılımından farklı olması her iki yöntemin de güç oranını düşürmüştür. Yetenek dağılımı koşullundaki güç oranındaki bu düşüş LR yönteminde daha fazladır. DMF gösteren madde yüzdelerinin artması her iki yöntemin güç oranını az miktarda artırmıştır. Sonuç olarak güç oranlarındaki değişime bakıldığında her iki yöntem için en etkili değişkenin örneklem büyüklüğü olduğu görülmüştür. Anahtar sözcükler : Değişen madde fonksiyonu, ÇGÇN , LR.