مدل‌ جايگزيني بهينه براي پرسش‌هاي بي‌پاسخ

َAn optimum imputation mode for item nonresponse imputation

بي‌پاسخي چالشي اجتناب‌ناپذير در برابر مطالعات بزرگ‌مقياس است و مي‌تواند از يك سو موجب اتلاف هزينه، زمان و نيروي انساني درگير در گردآوري داده‌ها ‌شود و از سوي ديگر، مطالعه را از رسيدن به اهدافش به ويژه توزيع نمرات باز ‌دارد. از اين رو، روش‌هاي جايگزيني براي برآورد پاسخ پرسش‌هاي بي‌پاسخ ابداع شده‌اند تا امكان استنباط از يك مجموعه داده كامل‌شده را فراهم آورند. اين مقاله از طريق شبيه‌سازي روي يك مجموعه داده واقعي بر اساس يك الگوي طرح آزمايش چندمتغيره، دقت سه مدل جايگزيني را شامل لُجيت‌هاي تراكمي، پاسخ‌ مدرج و پرسش‌پاسخ تبييني مورد ارزيابي قرار مي‌دهد. يافته‌ها نشان مي‌‌دهند كه تحت بي‌پاسخي تصادفي، جايگزيني‌هاي هر سه مدل در حدي مطلوب قرار دارند هر چند جايگزيني‌هاي مدل پرسش‌پاسخ تبييني همواره دقيق‌تر از دو مدل ديگر است. اگر بي‌پاسخي غيرتصادفي باشد، تنها در نرخ بي‌پاسخي 5 درصد به نتايج مطلوبي براي مدل پرسش‌پاسخ تبييني دست خواهيم يافت و دقت دو مدل ديگر قابل پذيرش نيست. همچنين، يافته‌ها حاكي از آن هستند كه جايگزيني پرسش‌هاي داراي بي‌پاسخي و محاسبه نمره كل فرد از تركيب پاسخ‌هاي جايگزين‌شده و پاسخ‌‌هاي واقعي كم‌خطاتر از جايگزيني مستقيم نمره كل او است.

Nonresponse is an inevitable challenge to large-scale studies and can result in wasting money, time and human resource involved in data collection and can also prevent the studies from obtaining their objects especially scores distribution. Imputation methods have thus been invented to estimate item nonresponses in order to make inference from a completed data set. Using a simulation study on a real data set in the form of a multivariate experimental design, this paper evaluates the accuracy of three models including cumulative logit model, graded response model and explanatory item response model. The results show that the imputed values of all three models are acceptable under random nonresponse mechanism although the imputed values of the explanatory item response model are always more accurate than those of the other models. If nonrandom nonresponses are occurred, explanatory item response model has acceptable imputed values only at 5% nonresponse rate and the other models are not accurate at all. The results also show that it is more accurate to impute individual item nonresponses and then compute the total score instead of directly imputing the total score.