用户反馈 版权所有" />
讲座回顾 | 刘兴:有序回归模型在教育研究中的应用
作者:  来自:教育研究院  发布于:2022-06-27   关键词:

2022622日,南京大学教育研究院·陶行知教师教育学院举办的计量模型应用讲座在腾讯会议平台顺利举行。本次讲座主题为《有序回归模型在教育研究中的应用》,主讲人为美国东康涅狄格州立大学刘兴教授,主持人为我院黄斌教授。

1 | 刘兴教授

2 | 黄斌教授主持讲座 

刘兴教授主要介绍几种有序回归的常见模型,譬如比例发生比模型、偏比例发生比模型、广义有序逻辑回归模型、连续型比率模型,以及相邻类别模型,并就如何选择正确的方法运用于教育研究进行讨论。

3 | 本次讲座的主题

刘兴教授以统计学在美国的发展状况为引言,介绍了统计学是以“数据收集、数据分析与结果阐释”为基本步骤,进而实现“描述、比较、预测”的研究目标。接着,通过对简单线性回归模型(Linear Regression)的分析,引入Karl PearsonRonald Fisher等学者的统计思想,向与会师生勾画出简洁的现代统计学设计框架。

广义线性模型(Generalized Linear Models)则是线性回归的延伸,该模型的因变量可以是不同的概率分布,如有序变量。(有序变量指的是那些有次序逻辑关系,但无法加减运算的变量,比如文凭,高中、本科或研究生文凭,有次序却无法加减。)由于有序变量不满足线性回归假设以及可能产生无意义结果,我们才需要适用性更广的模型。

1. Proportional Odds Model(比例发生比模型):广泛应用于有序因变量预测,且能够在二分Logistics回归模型基础上处理有序多分类变量。该模型实际上是将k个分类分为两组,在两组分类的基础上定义logit属于后k-j个类别的累计概率与前j个类别的累计概率的比数之对数。

2. Partial Proportional Odds Model(偏比例发生比模型):同样是基于累计logit的一种方法,但可用于比例发生比假定条件(平行性假定)不符合的情形,允许模型中部分解释变量回归系数随类别分割点的不同而不同,拓宽了比例发生比模型的应用范围。

3. General Ordinal Logit Regression Model(广义有序逻辑回归模型):进一步放松比例发生比模型的假定,允许所有解释变量的系数均可以自由改变。

4. Continuation Ratio Model(连续型比率模型):适用于有序分类响应变量的类别顺序不可逆转时,如文凭只能从高中到大学,其阶段顺序不可逆转。

5. Adjacent Categories Models(相邻类别模型):两个相邻类别间两两比较,即属于第k+1类别的概率与属于第k个类别的概率的比数之对数。

4 | 部分模型对比

基于上述有序回归模型的讨论,刘兴教授以General Social Survey2012)数据为例,对如何在研究中运用相关方法进行演示,并指出:没有一种模型是灵丹妙药,我们需要对模型运用中的具体逻辑、原因、结果作出合理规范的解释。

最后,刘兴教授向大家介绍了多本重要的方法著作,以供听众继续学习。图5书籍由刘兴教授著,分别介绍了有序逻辑回归应用分析(基于Stata)、类别因变量回归分析与多层模型(基于R)。图6左为刘兴教授导师Ann A. O'Connell著,是有序逻辑回归的经典论著。图6右为刘兴教授康大同学Xuand Fullerton)著,围绕平行回归假定的不同情形,重点探讨累积、连续比率和相邻类别三个模型。

5 | 推荐著作(1

6 | 推荐著作(2

在提问与交流环节,黄斌教授代表我院师生对刘兴教授的分享表示感谢,并回顾和总结了本次讲座的主要内容,就有序回归模型的相关研究与刘兴教授进行了深入探讨。随后,同学们围绕“有序逻辑回归的计量操作”“教育统计的学习策略”等一系列问题进行提问,刘兴教授结合自己的研究经历对同学们的问题进行逐一指导解惑,并给予相关建议。至此,两个多小时的讲座落下帷幕,刘兴教授的分析讲授令院内外师生听众们感到受益匪浅。


(文/万洋 图/贺欣怡)

最后修改于:2022-06-27