Varios de imputación sobre la única subescala elemento o sub-escala de puntuación?

Question

Recientemente estoy llevando a cabo una investigación sobre la relación entre la motivación/actitud variables (Gardner modelo) y dominio del idioma inglés en Filipinas. Me encontré con un problema: los valores que faltan. He utilizado un 160-elemento de escala en mi estudio, que consta de alrededor de 10 subescalas, donde cada elemento tiene un 7 puntos tipo Likert de respuesta de conjunto, con valores de 1 a 7. Algunos de los encuestados no contestaron a algunos elementos.

Me gustaría probar "Múltiples Imputación" utilizando el programa estadístico SPSS 18. Pero tengo algunas preguntas, espero que te puede ayudar:

1. Por ejemplo, la variable de Interés "en lenguas extranjeras" es medido por una de 10 puntos (P1-P10) escala, pero algunos de los que respondieron a la izquierda un par de ítems sin respuesta. Y de nuevo, "Actitudes hacia la gente que habla inglés" se mide por 8-elemento (por ejemplo, P11-Q18) de escala. Me pregunto si se puede imputar los valores perdidos en un conjunto de datos con los nombres de las variables, tales como, "ID, el sexo, la edad, Q1, Q2, Q3, Q4,...Q18, Final de grado"? O ¿realmente tengo que añadir hasta los primeros elementos para obtener una sub-escala de puntuación antes de "Múltiples Imputación"?

2. ¿Tengo que recodificar aquellos formulación negativa de los elementos antes de la "Imputación Múltiple"? Por ejemplo, si P1, P3, P5, P7, P9 son negativamente, ¿tengo que recodificar ellos primero?

3. Parece AMOS 18 no puede hacer "Calcular" Estimaciones sobre los datos imputados. ¿Crees que debería simplemente el promedio de los cinco valores imputados para cada uno de los datos que faltan para obtener un nuevo valor, desde la cual puedo construir un nuevo conjunto de datos para que los AMOS de 18 años tendrán que manejar un solo conjunto de datos completo, en lugar de los cinco imputados conjuntos de datos además de la original? Es el promedio de los cinco valores imputados de la manera correcta de "POOLING"?

Answer 1

Estoy básicamente de acuerdo con todo lo de lobo.rauch dijo aquí, y me gustaría hablar de algunas de las alternativas que podrían estar disponibles para usted.

Mi entendimiento es que AMÓS había tenido FIML (información completa de máxima verosimilitud) para los datos continuos, al menos, diez años antes de que fuera adquirida por IBM -- ver http://www.smallwaters.com/amos/faq/faqa-missdat.htmly que es un viejo FAQ por uno de los desarrolladores originales que dejó el proyecto en torno a 2000. Si usted está dispuesto a ignorar la naturaleza ordinal de sus artículos, usted puede utilizar este método, y no se molestan en averiguar varias la imputación.

Si no te gusta esta solución, y desea conservar la naturaleza categórica de los datos, usted necesita para encontrar el encadenado de ecuaciones con el método ordinal enlaces (si SPSS tiene nada). Si SPSS sólo imputa se basa en una distribución normal multivariante, a continuación, volver a la situación de desconocimiento de la naturaleza ordinal de los datos, y de ninguna manera mejor que con AMOS' FIML. (Yo no tengo ni idea de lo que está disponible en el programa SPSS, tendrías que averiguar. Al final, todo sería inútil si los AMOS no admite varios imputación -- y que, de nuevo, no sé.)

Si usted está dispuesto a considerar la posibilidad de Stata, hay una posibilidad de que usted sería capaz de llevar a cabo su análisis en él, con todas las campanas y silbidos de varios de imputación para los datos ordinales utilizando Patrick Royston s ice oficial o mi, y luego el nuevo sem suite. Como alternativa, puede ejecutar gllamm para obtener FIML estimaciones para los datos ordinales (aunque probablemente llevaría a la eternidad a converger).

Answer 2

P1: supongo que no estás preguntando si la variable de nombres tiene nada que ver con la imputación. Supongo que estás preguntando si para hacer múltiples imputación en raw o en "escalas", que significa la suma de las puntuaciones de los datos en bruto de las variables que se supone que miden el mismo constructo.

Dado que usted está preocupado acerca de el método correcto (que es buena), pues bien, entonces, ¿cómo desea calcular las puntuaciones de la escala antes de hacer nada acerca de los datos que faltan? Respuesta: es necesario trabajar con los datos.

P2: Múltiples imputación consiste en estimar los valores faltantes a partir de los valores de las otras variables en el conjunto de datos (esto no ser una explicación técnica). Así que no importa si usted recodificar las variables o no, si por recodificación te refieres a cambiar el signo de la relación a partir de un var con las demás variables. Todavía me gustaría recomendar la recodificación de antes de la imputación, de modo que usted no se confunde después.

P3: yo no sé por qué AMOS no calcular las estimaciones. Yo no sé realmente AMOS, pero la guía de usuario parece decir que debe ser capaz de calcular las estimaciones para multiplicar imputated conjuntos de datos. Pero no hay una respuesta general, de todos modos: El punto entero de varios imputación que se obtiene es que las estimaciones puntuales, sino también incorporar el adicional de la variación introducida por el proceso de imputación.

Esto significa: Usted no debe usar una sola "promedio" conjunto de datos. En lugar de trabajar con todos los conjuntos de datos imputados. En primer lugar, obtener los valores estimados por el modelo de los parámetros de funcionamiento de su modelo (supongo que un modelo de ecuaciones estructurales) para cada uno de los conjuntos de datos y tomando la media de las estimaciones puntuales y, a continuación, calcular los errores estándar por la combinación entre la imputación de la varianza (varianza de las estimaciones de parámetros entre los conjuntos de datos imputados) con en-la imputación de la varianza (media de las estimaciones de los errores estándar de los diferentes modelos). Véase cualquier texto en varios de imputación. Un corto y libremente disponible tutorial está aquí: http://rhowell.ba.ttu.edu/Enders-MissingHancock.pdf