The Effect of Unbalanced Design and Estimation Methods in Multilevel Modeling

• 영문명: 불균형 자료와 추정방법이 다층모형에 미치는 영향
• 발행기관: 한국교육평가학회
• 저자명: 정혜원(Hyewon Chung) 김지선(Jiseon Kim) 박령선(Ryoungsun Park)
• 간행물 정보: 『교육평가연구』제25권 제3호, 537~554쪽, 전체 18쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2012.09.30

국문 초록

이 시뮬레이션 연구는 불균형 자료가 다층모형의 모수 추정과 신뢰구간에 미치는 영향을 살펴보았다. 본 연구의 목적을 수행하기 위해 계층 내 상관계수(ICC), 그룹의 수, 그리고 불균형 표본 형태의 조건들이 고려되었다. 또한 다층모형 추정의 정확성을 검사하기 위해서 iterative generalized least squares(이하 IGLS)과 Markov chain Monte Carlo(이하 MCMC)두 추정 방법이 사용되었다. IGLS 추정방법을 사용하였을 때, 상대편의 (Relative Bias)와 신뢰구간이 그룹의 수와 불균형 표본 형태에 영향을 받는 것으로 나타났다. 그룹의 수가 증가할수록, 상대편의가 작아지는 경향을 보였다. 심각한 불균형 표본 조건에서는, 95% 신뢰구간을 과소 추정하였다. 일반적으로 MCMC 추정방법을 사용하였을 경우에 IGLS에 비해, 모든 조건에서 적은 상대편의를 나타냈다.

영문 초록

This simulation study examines how unbalanced designs affect parameter estimates and their confidence intervals in multilevel modeling. To perform the purpose of the current study, the following conditions were examined: intra-class correlation, number of groups, and unbalanced design. Two estimation procedures were used to test the accuracy of multilevel model estimation: iterated generalized least squares (IGLS) and Markov chain Monte Carlo (MCMC). Relative bias of parameter estimates and confidence intervals were found to be sensitive to the number of groups and unbalanced design under IGLS. As the number of groups increased, the relative biases tended to decrease. With severely unbalanced design, the 95% confidence interval had substantial under-coverage. In general, use of MCMC estimation resulted in less bias across all conditions as compared to IGLS estimation.

목차

Ⅰ. Introduction

Ⅱ. Methods

Ⅲ. Results

Ⅳ. Discussion

References

저자소개

<요 약>

키워드

다층모형 불균형 표본 Multilevel modeling Unbalanced design Iterated generalized least squares Markov chain Monte Carlo