Sait ÇÜM, ELİF KÜBRA DEMİR, SELAHATTİN GELBAL, TARIK KIŞLA

KAYIP VERİLER YERİNE YAKLAŞIK DEĞER ATAMAK İÇİN KULLANILAN GELİŞMİŞ YÖNTEMLERİN FARKLI KOŞULLAR ALTINDA KARŞILAŞTIRILMASI

Bu araştırmada, farklı oranlarda (%15 ve %25) ve yapılarda (TROK ve ROK) oluşturulan kayıp veriler yerine farklı yöntemlerle yaklaşık değer atanması sonucu elde edilen veri setlerinin tam veri setleriyle karşılaştırılarak incelenmesi amaçlanmıştır. Bu araştırma, PISA’ya (2012) Türkiye’den katılan 15 yaş grubundaki 4848 öğrenci arasından matematik özyeterliği anketine katılan ve eksiksiz bir şekilde yanıtlayan 3129 öğrencinin puanlarından oluşan veri seti üzerinde yürütülmüştür. Söz konusu veri seti içerisinden farklı yapılar oluşturulacak şekilde farklı oranlarda veri silinerek eksik veri setleri oluşturulmuştur. Bu eksik veri setleri BM, BVA, ESE, MUA, MZMC ve RA olmak üzere altı farklı gelişmiş değer atama yöntemiyle tamamlanmıştır. Söz konusu yöntemlerle yapılan yaklaşık değer atamaları sonucu elde edilen ölçek puanları ile tam veri ölçek puanları arasındaki korelasyon değerlerinin yüksek olduğu görülmüştür. Benzer şekilde farklı yöntemlerle tamamlanmış veri setlerinden elde edilen ölçek puanları arasındaki korelasyon değerleri de yüksek bulunmuştur. Tam veri seti ile tamamlanmış veri setlerinden hesaplanan ölçek puanları arası farkların mutlak değer toplamları ve ortalamaları göz önünde bulundurulduğunda belirlenen koşullar altında en iyi çalışan yaklaşık değer atama yöntemlerinin MZMC ve BM olduğu sonucuna ulaşılmıştır.

A COMPARISON OF ADVANCED METHODS USED FOR MISSING DATA IMPUTATION UNDER DIFFERENT CONDITIONS

In this study, it is aimed to comparatively research of data sets obtained imputation for missing values that is formed by different ratios (%15 and %25) and in different structures (MCAR and MAR) with different methods. This study has been conducted on data set formed by points of 3129 students who participated in mathematics selfefficacy survey and answered it completely among 4848 students -age group of 15- who participated in PISA 2012 from Turkey. Missing data sets have been constituted by deleting data in different ratios to be constitute different structures in the data set. These data sets have been completed by six different nearby value imputation including EM, BIM, PSM, MCMC, MDIM, and RIM. Obtained data sets have been compared with full data sets by scale points of students. In the scope of the research, correlation between obtained scale points and scale points of real data has been seen quite high. Similarly, when scale points is considered, correlation of missing data imputation methods with each other have also been found quite high. Considering the difference between the totals and avarages of student scores calculated from the full data set and imputed data sets EM and MCMC is founded that the best missing data imputation methods under all conditions.

PDF

___

Akbaş, U. ve Tavşancıl, E. (2015). Farklı örneklem büyüklüklerinde ve kayıp veri örüntülerinde ölçeklerin psikometrik özelliklerinin kayıp veri baş etme teknikleri ile incelenmesi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 6(1), 38-57.
Aljuaid, T. ve Sasi, S. (2016). Proper imputation techniques for missing values in data sets. 2016 International Conference on Data Science and Engineering (ICDSE), Cochin, 23- 25 Ağustos 2016, s. 1-5.
Allison, P.D. (2001).Missing Data. CA: Sage University Paper.
Allison. P. D. (2003). Missing data techniques for structural equation modeling. Journal of Abnormal Psychology. 4(1), 545-557.
Alpar. R. (2011). Çok değişkenli istatistiksel yöntemler. Ankara: Detay Yayıncılık.
Altaş, D. ve Kaspar, E.Ç. (2012). Propensity skor ve hot-deck veri atama yöntemlerinin karşılaştırılması. Trakya Üniversitesi İktisadi ve İdari Bilimler Fakültesi E-Dergi, 1(1), 26-41.
Byrne, B. (2000). Structural equation modelingwith AMOS: Basic concepts, applications, andprogramming. Mahwah, NJ: Lawrence Erlbaum.
Cool. A. L. (2000). A review of methods for dealing with missing data (rapor). Annual Meeting of the Southwest Educational Resarch Association. Dallas.
Çokluk, Ö. ve Kayrı, M. (2011). Kayıp değerlere yaklaşık değer atama yöntemlerinin ölçme araçlarının geçerlik ve güvenirliği üzerindeki etkisi. Kuram ve Uygulamada Eğitim Bilimleri, 11(1), 289-309.
Çüm, S. ve Gelbal, S. (2015). Kayıp veriler yerine yaklaşık değer atamada kullanılan farklı yöntemlerin model veri uyumu üzerine etkisi. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 35, 87-111.
Demir, E. (2013). Kayıp verilerin varlığında çoktan seçmeli testlerde madde ve test parametrelerinin kestirilmesi: SBS örneği. Eğitim Bilimleri Araştırmaları Dergisi, 3(2), 47-68.
Enders, C. K. (2004). The impact of missing data on sample reliability estimates: implications for reliability reporting practices. Educational and Psychological Measurement, 64(3), 419-436.
Enders, C. K. (2010). Applied missing data analysis. NY: The Guilford Press.
Engels, J. M. ve Diehr, P. (2003). Imputation of missing longitudinal data: A comparison of methods. Journal of Clinical Epidemiology, 56(1), 968-976.
Hasan, H., Ahmad, S., Osman, B. M., Sapri, S., ve Othman, N. (2017). A comparison of model-based imputation methods for handling missing predictor values in a linear regression model: A simulation study. AIP Konferansı, 8-9 Ağustos 2017, s. 60003.
Hedderley, D. ve Wakeling, I. (1995). A comparison of imputation techniques for internal preferencemapping using Monte Carlo simulation. Food Quality and Preference, 6, 281- 297.
Kaspar, E.Ç. (2011). Kayıp veriler ve kayıp veriler için bir çoklu veri atama yöntemi: Propensity skor (yayımlanmamış doktora tezi). Marmara Üniversitesi, İstanbul.
Koçak, D. ve Çokluk Bökeoğlu, Ö. (2017). Kayıp veriyle baş etme yöntemlerinin model veri uyumu ve madde model uyumuna etkisi. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 8(2), 200-223.
Köse, A. (2014). The effect of missing data handling methods on goodness of fit indices in confirmatory factor analysis. Educational Research and Reviews, 9(8), 208-215.
Köse, İ. A. ve Öztemur, B. (2014). Kayıp veri ele alma yöntemlerinin t-testi ve ANOVA parametreleri üzerine etkisinin incelenmesi. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 14(1), 400-412.
Lin, T.H. (2008). A comparison of multiple imputation with EM algorithm and MCMC method for quality of life missing data. Quality & quantity. 2010, 44 (2): 277-287.
Little. R. ve Rubin. D. (1987). Statistical analysis with missing data. New York: Wiley.
Mao, Q. Ve Li, X. (2005). Markov Chain Monte Carlo Method of multiple imputation for longitudinal data with missing values in the survey of maternal and children health. Sichuan da xue xue bao. Yi xue ban (Journal of Sichuan University) Medical science edition, 36(3), 422–425.
Musil, C,M., Warner, C, B., Yobas, P,K. ve Jones, L,S. (2002). A comparison of imputation techniques for handling missing data. Western Journal of Nursing Research, 24(7), 815- 829.
Nartgün, Z. (2015). Kayıp veri sorununun çözümünde kullanılan farklı yöntemlerin farklı kayıp veri koşulları altında ölçeklerin psikometrik nitelikleri ve ölçme sonuçları bağlamında karşılaştırılması. International Online Journal of Education Sciences, 7(4), 252-265.
Ni, D. ve Leonard, JD. (2005) Markov chain monte carlo multiple ımputation for ıncomplete ıts data using bayesian networks. 84. Annual Meeting of the Transportation Research Board, 12 Temmuz, 2005.
Osborne. J. W. (2013). Best practices in data cleaning. California: Sage Publication. Inc.
Pigott. T. D. (2001). A review of methods for missing data. Educational Resarch and Evaluation. 7(1), 353-383.
Roth. P. L. (1994). Missing data: A conceptual review for applied psychologists. Personnel Psychology. 3(1), 537-560.
Saunders, J. A., Morrow-Howell, N., Spitznagel, P. D., Proctor, E.K. ve Pescarino, R. (2006). Imputing missing data: A comparison of methods for social work researchers. Social Work Research, 30(1),
Şahin Kürşad, M., ve Nartgün, Z. (2015). Kayıp veri sorununun çözümünde kullanılan farklı yöntemlerin ölçeklerin geçerlik ve güvenirliği bağlamında karşılaştırılması.Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 6(2), 254-267.
Schafer. J. L. (1999). Multiple imputation: a primer. Statistical Methods on Medical Resarch. 8(1), 3-15.
Shrive, F. M., Stuart, H., Quan, H. ve Ghali, W. A. (2006). Dealing with missing data in a multi-question depression scale: A comparison of imputation methods. BMC Medical Research Methodology, 57(6), 110.
Tabachnick. B. ve Fidell. L. (1996). Using multivariate statistics (3th ed.). New York: Herper Collins College Publishers.
Takahashi, M. (2017). Statistical inference in missing data by MCMC and non-MCMC multiple imputation algorithms: Assessing the effects of between-imputation iterations. Data Science Journal, 37(16), 1-17.