تحلیل آماری نتایج آزمون کارشناسی ارشد بر اساس مدل های اثر تصادفی عضویت چندگانه و چندسطحی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مدل های عضویت چندگانه زیرکلاسی از مدل های چندسطحی هستند که در آنها برخی یا همه واحدهای سطح پایین تر در بیش از یک رده سطح بالاتر عضویت دارند. صرف نظر کردن از چنین ساختاری و تحلیل چنین جوامعی با مدل های چندسطحی معمولی موجب از دست رفتن اطلاعات و مخدوش شدن تحلیل ها می شود. با توجه به اهمیت و تاثیر قابل توجه سوابق تحصیلی بر نتایج آزمون ها از جمله آزمون کارشناسی ارشد، هدف از مقاله حاضر مقایسه مدل های اثر تصادفی عضویت چندگانه با مدل های چندسطحی معمولی برای جوامعی با ساختار عضویت چندگانه و تعیین عوامل اثرگذار بر نمره کل آزمون فوق می باشد. جامعه آماری مورد بررسی پذیرفته شدگان آزمون کارشناسی ارشد سال 1392 رشته آمار ریاضی می باشد. برآورد پارامترهای مدل با استفاده از روش های مونت کارلوی زنجیر مارکوفی و با استفاده از نرم افزارR انجام شده است. مدل اثر تصادفی عضویت چندگانه و مدل چندسطحی متناظر با آن به داده ها برازش داده شد و بر اساس آماره انحراف، دو مدل با یکدیگر مقایسه شدند. نتایج نشان داد که مدل بندی اثر تصادفی عضویت چندگانه برای جوامعی با ساختار عضویت چندگانه به مراتب بهتر از مدل چندسطحی معمولی متناظر با آن عمل می کند. همچنین نتایج حاصل از برازش مدل عضویت چندگانه نشان داد داوطلبانی که در مقطع کارشناسی در دو دانشگاه متفاوت تحصیل کرده بودند (داوطلبانی که دارای مدرک کارشناسی ناپیوسته بودند) نسبت به سایر داوطلبان در آزمون کارشناسی ارشد عملکرد بهتری از خود نشان دادند. همچنین متغیرهای معدل کارشناسی تاثیر مثبت و شغل و جنسیت تاثیر معکوس بر نمره کل نهایی پذیرفته شدگان آزمون کارشناسی ارشد داشتندAnalysis of Iranian National-Wide University Entrance Exam Using the multiple membership random effect and Multilevel Models
Multiple membership models are a subclass of multilevel models in which some or all of the lower level units belong to more than one higher level unit. Ignoring such a structure and analyzing such societies using ordinary multilevel models result in the loss of information and the distortion of analysis. Due to the importance of educational background and its significant effect on exam results, especially master's exams, the present research aims to compare multiple membership models random effect with ordinary multilevel models for societies with multiple membership structure and to determine the contributing factors in the total test score of the above-mentioned exam. The sample populations under research were undergraduate students majoring in statistics who were admitted to university in 1392. Model parameters were estimated via Markov chain Monte Carlo method and the R software. Multiple membership model random effect and the corresponding multilevel model were fitted with the data and based on deviation statistics, the two models were compared with each other. The results showed that the modeling of multiple membership random effect for societies with multiple membership structure works considerably better than the corresponding ordinary multilevel model. In addition, results from fitting multiple membership models showed candidates who had studied in two different universities (those who had gotten an associate degree first and then had applied for a bachelor's degree) outperformed the other candidates in the master's admission test. Moreover, the variable of bachelor's degree GPA had a positive effect on the total test score, whereas the variables of sex and occupation had a negative effect on the total test score of the students admitted in the master's exam.
تبلیغات
