纵向模型中控制个体异质性的方法及其在学生成绩上的应用
摘要：长期追踪个体的重复测量数据在研究中非常有价值，因为它们提供了对未测量个体异质性的控制，否则可能会导致结果偏倚。随机效应或混合模型方法将个体异质性视为模型误差项的一部分，并使用广义最小二乘法估计模型参数，通常受到批评，因为未观察到的个体效应与其他模型变量之间的相关性可能导致参数估计偏倚和不一致性。从标准未观测效应模型中研究随机效应和固定效应估计器之间的关系开始，本文通过分析和模拟证明，混合模型方法在一般个体异质性模型下具有“偏倚压缩”特性，可以减轻未受控差异引起的偏倚。一般模型是由纵向学生成绩测量的复杂性所推动的，但结果具有广泛的纵向建模适用性。
作者：J.R. Lockwood, Daniel F. McCaffrey
论文ID：0706.1401
分类：Applications
分类简称：stat.AP
提交时间：2009-09-29