Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

03421 Testkonstruktion > 04321 > Flashcards

04321 Flashcards

1
Q

Definition psychologischer Test (2 Elemente)

A
  1. wissenschaftliches Routineverfahren zur Untersuchung eines oder mehrerer empirisch abgrenzbarer Persönlichkeitsmerkmale
  2. Ziel ist eine möglichst quantitativen Aussage über den relativen Grad der individuellen Merkmalsausprägung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Definition psychologischer Test - Definition Wissenschaftlichkeit (3 Elemente)

A
  1. Merkmale eindeutig definiert und nachweisbar relevant
  2. Konstruktion baut auf statistische Modelle psychologischer Testtheorie auf
  3. bewaehrt gegenueber psychometrischen Guetekriterien
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Was ist ein typisches Kennzeichen das ein Test wissenschaftlich fundiert ist?

A

Vorhandensein eines Testmanuals (aka Handanweisungen)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Definition psychologischer Test - Definition Routineverfahren

A

Inhalt, Verfahrensablauf und Bewertung des Tests sind genau vorgegeben und so routinemaessig wiederholbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Definition psychologischer Test - Definition Persoenlichkeitsmerkmal

A

weit gefasst - schließt im Grunde alle Arten interindividueller Differenzen ein

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Was sind zwei Kriterien die man beim Einsatz eines psychologischen/psychometrischen Tests bedenken muss?

A
  1. Ist der Test gut (wissenschaftlich etc.)

2. Passt der Test zur Fragestellung!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Nach welchen 3 Dimensionen werden Tests oft klassifiziert?

A
  1. Inhalt
  2. Testungsstrategien
  3. formale Gesichtspunkte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Klassifizierung von Tests - Dimension Inhalt - 3 Unterkategorien

A
  1. Leistungstests
  2. Psychometrische Persönlichkeitstests
  3. Persönlichkeits-Entfaltungsverfahren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Klassifizierung von Tests - Dimension Inhalt - Leistungstests -5 Beispiele

A

Entwicklungstests, Intelligenztests, Allgemeine Leistungstests, Schultests, spezielle Funktionsprüfungs- und Eignungstests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Klassifizierung von Tests - Dimension Inhalt - Leistungstests -Beschreibung - 2 Dimensionen

A
  1. geben Aufschluss über Fähigkeiten und Fertigkeiten eines Individuums
  2. bestehen in der Regel aus einer Vielzahl von Problemlöseaufgaben, deren Beantwortung als richtig oder als falsch eingestuft wird
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Klassifizierung von Testst - Dimension Inhalt - Psychometrische Persönlichkeitstests -3 Beispiele

A
  1. Persönlichkeits-Struktur-Tests
  2. Einstellungs- und Interessentests
  3. Klinische Tests
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Klassifizierung von Testst - Dimension Inhalt - Psychometrische Persönlichkeitstests -Beschreibung - 3 Dimensionen

A
  1. Fragen, die sich auf Gefühle, Vorlieben, Abneigungen, Interessen und Meinungen der Probanden beziehen
  2. Antworten sind subjektive Selbstbeurteilung oder Selbstbeschreibung
  3. Es gibt kein richtig oder falsch
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Klassifizierung von Tests - Dimension Inhalt - Psychometrische Persönlichkeitstests -Definition Inventar

A

Fragebogen, der mehrere Merkmale erfasst und so aus verschiedenen Subtests besteht

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Klassifizierung von Tests - Dimension Inhalt - Persönlichkeits-Entfaltungsverfahren- 3 Beispiele

A
  1. Formdeuteverfahren
  2. Verbal-thematische Verfahren
  3. Zeichnerische und Gestaltungsverfahren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Klassifizierung von Testst - Dimension Inhalt - Persönlichkeits-Entfaltungsverfahren- Beschreibung der Durchfuehrung (2 Dimensionen)

A
  1. Projektive Verfahren, die weitgehend aus unstrukturierten Materialien bestehen (e.g., Farbkleckse, Satzanfänge, Spielmaterial, mehrdeutige Bilder)
  2. Proband muss vollenden oder deuten
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Klassifizierung von Tests - Dimension Inhalt - Persönlichkeits-Entfaltungsverfahren- underlying assumption

A

Annahme, dass Testpersonen bei der Strukturierung unbewusste Motive, Gefühle oder Einstellungen in die Geschichte oder das Bild projizieren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Klassifizierung von Testst - Dimension Inhalt - Persönlichkeits-Entfaltungsverfahren- projektive vs semi-projektive Tests - Unterschied re: Testtheorie

A

Projektive Tests - oft nicht testtheoretisch konstruiert, zu wenig Struktur
semi-projektive Tests - mit Standardisierung verbunden, eher als Tests identifizierbar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Klassifizierung von Tests - Dimension Testungsstrategie - 2 Unterkategorien

A
  1. normorientierte Konstrukttests

2. kriterienorientierte Tests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Klassifizierung von Tests - Dimension Testungsstrategie - - normorientierte Konstrukttests - Definition Element 1: Konstrukt(test)

A

erlauben wissenschaftlich begründbaren Rückschluss vom Testverhalten auf dahinter liegende Eigenschaften und Fähigkeiten (Konstrukte).

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Klassifizierung von Testst - Dimension Testungsstrategie - normorientierten Konstrukttests - Definition Element 2: normorientiert

A

Testergebnis einer Person wird relativ zur durchschnittlichen Ausprägung (= Norm) einer Bezugsgruppe gesehen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Klassifizierung von Tests - Dimension Testungsstrategie - kriterienorientierte Tests - Grundidee

A

Vergleich der Testleistung mit einer Idealnorm

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Klassifizierung von Testst - Dimension Testungsstrategie - kriterienorientierte Tests - klassisches Beispiel

A

hat Schueler/Student das Lehrziel erreicht?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Klassifizierung von Tests - Dimension formale Gesichtspunkte- 5 Unterkategorien

A
  1. Zeitbeschraenkung?
  2. Zahl der Dimensionen
  3. Durchfuehrung (Gruppen-/Individualtest)
  4. Sprachgebundenheit (verbal/nonverbal)
  5. Technologie/Medium (Papier, Computer etc., incl adaptiv)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Klassifizierung von Tests - Dimension formale Gesichtspunkte - Gesichtspunkt Zeitbeschraenkung -2 moegliche Auspraegungen

A
  1. mit Zeitbeschraenkung: Schnelligkeitstests (Speedtests)

2. ohne Zeitbeschraenkung: Niveautests (Powertests)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Was steht im Zentrum der psychologischen Testtheorie (2 ideas)?

A
  1. Zusammenhang psychologischer Merkmale mit dem Testverhalten (in psychologischen Tests)
  2. Schlüsse, die aufgrund der Antworten im Test auf die zugrunde liegenden Merkmale gezogen werden duerfen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

worum geht es bei der psychologischen Testtheorie NICHT (2 Ideeen)?

A
  1. Theorie der psychologischen Merkmale (Konstrukte)

2. Klassifikation psychologischer Merkmale

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Was ist das kleinste Element eines psychologischen Tests?

A

ein einzelnes item (aka Aufgabe)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Was ist die Grundannahme, die ein Item (und die dazugehoerige Antwort) relevant machen?

A

item ist beobachtbarer Indikator (manifeste Variable) fuer ein zugrundeliegendes nicht beobachtbares Konstrukt (latente Variable)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Def. Skala (Kontext - psychologischer Test)

A

nach einer festgelegten Vorschrift, meist durch

einfache Aufsummierung oder Durchschnittsbildung, berechnete Gesamtwert mehrerer Items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Was sind die beiden Bereiche eines Tests?

A

latenter Bereich, manifester Bereich

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Testtheorie - Merksatz

A

In der Testtheorie geht es um die Beurteilung sowohl des Gesamtwerts im Test als auch von dessen Bestandteilen hinsichtlich des Zusammenhangs zwischen
Testverhalten und psychologischen Merkmalen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Was sind zwei mathematisch-statistische Ansaetze zur Testtheorie?

A
  1. Klassische Testtheorie (KTT)

2. ProbabilistischeTesttheorie (PTT)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Welcher der zwei mathematisch-statistischen Ansaetze der Testtheorie dominiert in der Praxis?

A

KTT; nach Rost (1999) basieren 95 Prozent aller Tests auf der KTT

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
34
Q

Was ist der Hauptvorteil der KTT (ggueber PTT)?

A

Einfachere mathematische Anwendbarkeit

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
35
Q

Wie gut haben sich die auf der KTT beruhenden Tests bewaehrt?

A

allgemein gut!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
36
Q

Worum geht es im Prinzip in der KTT?

A

KTT: Theorie der Messfehler (aka Reliabilitaet!)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
37
Q

KTT: Was sind 2 moegliche Gruende, dass Testergebnisse einer Person zu verschiedenen Messzeitpunkten variieren koennen? Bsp - Klausur

A
  1. Uebungs- und Transfereffekte (Lernen!) - systematisch!

2. unsystematische Einfluesse - auessere (Laerm), innere (Krankheit)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
38
Q

KTT: systematische vs. unsystematische Fehler, welche Fehler sind im KTT Fehlerbegriff inbegriffen?

A

nur UNsystematische Fehler (KTT unterstellt Zufallsziehung und Zufallsfehler)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
39
Q

KTT: Was ist der Ausgangspunkt der Überlegungen?

A

Varianz von Messwerten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
40
Q

KTT: Was sind die 3 Quellen der Varianz von Messwerten?

A
  1. Interitemvarianz: Testung einer einzelnen Person bei einer einzigen Gelegenheit zwischen den Items eines Tests
  2. intraindividuell, wenn dieselbe Person mehrfach mit dem gleichen Verfahren getestet wird
  3. interindividuell zwischen verschiedenen Teilnehmern einer einzelnen Testung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
41
Q

KTT: Definition wahrer Wert Ti (von Englisch: true score)

A

Mittelwert der (hypothetischen) Normalverteilung die sich ergaebe, wenn Person i den gleichen Test unter gleichen Bedingungen beliebig oft ablegte; aka Existenzaxiom

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
42
Q

KTT: Definition zentrales Grundaxiom der KTT

A

Xi = Ti + Ei (Grundannahme der KTT), mit Ei - Fehlerkomponente

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
43
Q

KTT: 4 zentrale Annahmen re: Fehlerterm Ei

A
  1. Mittelwert Null
  2. Wahrer Wert und Fehler unkorreliert
  3. Fehler verschiedener Tests unkorreliert
  4. Kreuzweise Unkorreliertheit von Fehlern und wahren Werten verschiedener Tests
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
44
Q

KTT: Definition Reliabilitaet rtt

A

Anteil der wahren Varianz (S-squared true) an der gedamten beobachteten Varianz (S-squared X)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
45
Q

KTT: Wie laesst sich die beobachtete Varianz (S-squared X) auch ausdruecken? warum?

A

(S-squared true) plus (S-squared E); warum - Unkorreliertheit von Xi und Ei

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
46
Q

KTT: wie wird die Grundgleichung um systematicshe Verzerrungen erweitert?

A

Xi = Ci + Bi + Ei; Bi bedeutet bias (systematische Verzerrung)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
47
Q

KTT: Worum geht es in der Validitaet (in Abgrenzung zur Reliabilitaet)?

A

um die Gültigkeit inhaltlicher Aussagen auf der Grundlage von Testergebnissen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
48
Q

KTT: Validitaet, formale Definition

A

Rtc=(s-quared construct)/sum{(S-squared construct +S-squared bias +(S-squared error)}
note - equation assumes that bias, construct uncorrelated

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
49
Q

KTT: 6 kritische Anmerkungen

A
  1. nicht intendierte systematixche Varianzanteile (bias) werden dem wahren Wert zugeordnet
  2. Keine Verbindung zwischen Markmal und Itembeantwortung her
  3. Ist wahrer Wert wirklich konstant und unabhaengig?
  4. Messungen in Extrembereichen ungenau
  5. Annahme der Eindimensionalitaet - haltbar?
  6. Stichprobehabhaengigkeit der Testwerte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
50
Q

PTT: Grundidee (in Abgrenzung zur KTT)

A

Zusammenhang zwischen der Fähigkeit (oder Eigenschaft) einer Person und der Wahrscheinlichkeit, mit der diese Person eine Aufgabe löst (oder z.B. einer Aussage zustimmt), die besagte Fähigkeit bzw. Eigenschaft messen soll.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
51
Q

PTT: Was ist der (wissenschaftsgeschichtliche) Ursprung?

A

Intelligenztests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
52
Q

PTT: Was ist das bekannteste Modell?

A

Rasch Modell (1960)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
53
Q

PTT: Rash Model - von welchen zwei Faktoren haengt die Loesungswahrsheinlichtkeit ab?

A

(1) von der Fähigkeit oder Eigenschaftsausprägung einer Person (person parameter)
(2) der Schwierigkeit eines Items (item parameter)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
54
Q

PTT: Ist beziehung zwischen Personenfähigkeit und Itemlösungswahrscheinlichkeit deterministisch oder probabilistisch?

A

Probabilistisch! I.E., jeder Teilnehmer hat eine positive Wahrscheinlichkeit fuer jede Antwort

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
55
Q

PTT: Was ist ein wichtiger theoretischer Vorteil der PTT ggueber der PTT?

A

PTT erlaubt Durchfuehrung eines Modelltests der die Erfuellung der voraussetzungen prueft (i.e., Zulaessigkeit der Summation der Itemwerte, Eindimensionalitaet)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
56
Q

PTT: Was bedeutet dass der Itemsummenwert eine erschoepfende Statistik der Personenfaehigkeit ist?

A

der Summenwert einer Person liefert alle Informationen über die Fähigkeitsausprägung der Person; aka präzise Definition von Itemhomogenität

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
57
Q

PTT: Definition der Itemhomogenitaet - wie ist das formalisiert?

A

lokale stochastische Unabhängigkeit, die im Prinzip besagt, dass man die Lösungswahrscheinlichkeiten der Items für alle Personen multiplizieren darf

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
58
Q

Welche 2 Fragen stehen am Anfang der Testkonstruktion?

A
  1. Merkmalsbereich: Was soll der Test messen?

2. Geltungsbereich: Wo, bei wem und wofür soll der Test eingesetzt werden?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
59
Q

Abgrenzung des Mermalsbereichs - 5 wichtige Verfahren/tools?

A
  1. Theoretische Ableitung
  2. Literaturrecherche
  3. explorative Verfahren der Datenerhebung
  4. Befragung von Experten (qualititative Interviews)
  5. Strukturierte Varianten der Merkmalsabgrenzung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
60
Q

Abgrenzung des Merkmalsbereichs -Strukturierte Varianten der Merkmalsabgrenzung - 3 Techniken

A
  1. Facettentheorie (Guttman, 1959)
  2. act frequency approach (AFA; Buss & Craik, 1983)
  3. Methode der kritischen Ereignisse bzw. critical incident technique (CIT, Flanagan, 1954)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
61
Q

Abgrenzung des Merkmalsbereichs -Strukturierte Varianten der Merkmalsabgrenzung -Facettentheorie - n Ueberlegungen

A
  1. Methode zur Systematisierung wissenschaftlicher Fragestellungen
  2. stellt Werkzeuge zur Verfügung, um einen Merkmalsbereich
    a) vollständig einzugrenzen
    b) in Teilmerkmale und Ausprägungen zu zergliedern
    c) Beziehungen zwischen Facetten darzustellen zu skalieren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
62
Q

Arbeitsdefinition - typische Rolle in der Itementwicklung (AFA, CIT and beyond)?

A

AFA, CIT - Keine Arbeitsdefinition; Definition und Itemformulierung in einem Schritt;
otherwise: Arbeitsdefinition ist der Anfang

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
63
Q

Geltungsbereich - worum geht es hier?

A

Zweck, Zielgruppe und Kontext des Testeinsatzes

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
64
Q

Geltungsbereich 2 thoughts

A
  1. oft durch Spezifikationen des Auftraggebers eingeschränkt.
  2. Researcher must always think (ethics, illegal questions, inherent conflicts…)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
65
Q

Geltungsbereich - example for inherent conflict

A

Verwendung einer betrieblichen Leistungsbeurteilung für Festlegung von Gehaltsbestandteilen UND als Infor-mationsgrundlage der Personalentwicklung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
66
Q

5 grundlegende Vorgehensweisen zur Testkonstruktion

A
  1. Rational (deduktiv, theoriegeleitet)
  2. External (empirisch, kriteriumsorientiert)
  3. Internal (induktiv, faktorenanalytisch)
  4. typologisierend
  5. Prototypen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
67
Q

rationale Konstruktion: Ausgangspunkt (2 thoughts)

A
  1. geeignete theoretische Definition des Zielkonstrukts

2. deduktive Ableitung spezifischer Indikatoren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
68
Q

bekanntes Beispiel fuer rational entwickelten Test mit mehreren hierarchischen Ebenen

A

Berliner Intelligenz-struktur-Test (BIS-Test, Jäger, Süß & Beauducel, 1997)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
69
Q

rationale Konstruktion: Rolle der Empirie/Daten in der Itementwicklung?

A

Nicht Formulierung von Items, aber Testung, Validierung und Eliminierung von Items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
70
Q

Externale Strategie: Grundidee

A

Item-Auswahl zur Maximierung des empirischen Zusammenhangs mit einem Kriterium (what makes a good sales rep…); kriterienorientier

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
71
Q

Externale Strategie: Rolle der Theorie?

A

Allgemein gering; Extremfall - theoriefrei (dust bowl empiricism); how about our predictive models?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
72
Q

Externale Strategie - welche Methode ist prinzipiell verwandt?

A

multiple Regression…!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
73
Q

Externale Strategie - 3 typische Probleme

A
  1. schwer interpretierbare Skalen (theoriefrei…)
  2. grosse Stichproben noetig
  3. unabhaengige Validierung (cross validation needed)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
74
Q

Externale Strategie - principieller Vorteil

A

praktischer Nutzen durch kriteriumsbezogene Validitaet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
75
Q

Externale Strategie - 2 bekannte Beispiel

A

Minnesota Multiphasic Personality Inventory, California Psychological Inventory

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
76
Q

Externale Strategien - Beispiel Minnesota Multiphasic Personality Inventory - worum geht es?

A

klinischer Test, Unterscheidung zwischen psychisch unauffälligen und z.B. als schizophren, manisch usw. eingestuften Gruppen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
77
Q

Externale Strategien - Beispiel California Psychological Inventory - worum geht es?

A

auf Normalbereich bezogen; Subskala Socialization auf Praedisposition zu kriminellem Verhalten bezogen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
78
Q

Induktive Strategien - Grundidee

A

Generiere breiten Itempool, teste mit (kleiner) Stichprobe, generiere (homogene) Subskalen durch Faktorenanalyse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
79
Q

Induktive Strategien - bekanntes Beispiel

A
  1. Primärfaktorenmodell der Intelligenz (Thurstone & Thurstone, 1941)
  2. Fünf-Faktoren-Modells (OCEAN!)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
80
Q

Typologisierende Strategie - Grundidee

A

Identifikation von Gruppen von Personen oder Objekten auf der Grundlage empirischer Information

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
81
Q

Typologisierende Strategie - typische Methode

A

Clusteranalyse

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
82
Q

Typologisierende Strategie -Beispiel

A

Myers-Briggs-Type Indicator, MBTI

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
83
Q

Typologisierende Strategie - common concern

A

auf empirische Fundierung und Prüfung wird oft verzichtet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
84
Q

Prototypenansatz - Grundidee

A

Vorgabe eines kognitiven Ankerreizes (Prototyp) und Einschaetzung von Objekten im Vergleich zum Prototyp

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
85
Q

Prototypenansatz - Bezug zu AFA

A

AFA - prototypische Verhaltensweisen werden unmittelbar zur Abgrenzung des Merkmalsbereichs und der Itemgenerierung genutzt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
86
Q

Vergleichende Bewertung der 3 Hauptvarianten (intern, extern, rational)? 3 thoughts; summary see Tabelle 2.1

A
  1. kaum systematische Validitätsvorteile fuer eine Strategie
    2 .kriterienbezogenen Validität: leichte Vorteile rational, Nachteile internal
  2. Rational unschlagbar re: theoretische Fundierung, Interpretierbarkeit der Testergebnisse.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
87
Q

Generierung von Items (aka Aufgaben), 2 grundlegende Aspekte

A
  1. Inhaltlich (was fragen)

2. formal (wie fragen - Formulierung und Antwortformat)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
88
Q

7 inhaltliche Kategorien fuer Persoenlichkeitsitems

A
  1. Beschreibung von Reaktionen (beobachtbar, intern, physische Reaktion)
  2. Eigenschaftszuschreibungen
  3. Wünsche und Interessen
  4. Biografische Fakten
  5. Einstellungen und Überzeugungen
  6. Reaktionen anderer auf die eigene Person
  7. Bizarre items (jemand will mich vergisten)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
89
Q

Wofuer steht IPIP und was ist es?

A

International Personality Item Pool; frei verfuegbarer umfangreicher Itempool

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
90
Q

Wofuer steht AFA?

A

act frequency approach (Buss & Craik, 1983)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
91
Q

AFA - Grundidee (2 elements)

A
  1. Metatheorie der Persönlichkeit
  2. Dispositionen als kognitive Kategorien aufgefasst, in denen Verhaltensweisen nach der Häufigkeit ihres Auftretens zusammengefasst werden.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
92
Q

AFA - Grundidee Beispiel: “Maria ist arrogant”

A
  1. Maria hat in einem gegebenen Zeitraum relativ zu einer sozialen Norm eine große Zahl arroganter Verhaltensweisen gezeigt
  2. Note - Grenzen des Konstrukts und Frequenz/threshold nicht klar definiert
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
93
Q

AFA - Vorgehensweise bei der Generierung von Items; 2 steps

A
  1. Vpn (set 1) geben typische Verhaltensweisen fuer Menschen an, die Zieleigenschaft in hohem Masse besitzen; generiert items
  2. Vpn (set 2) schaetzen ab, wie typisch items fuer die Eigenschaft sind
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
94
Q

AFA - assessment (2 elements)

A
  1. Gut: Beurteilung der Protypizitaet und empirische Befunde stimmen i.d.R. gut ueberein, Skalen lassen sich gut entwickeln
  2. Problem: allgemeiner Unterschied im Aktivitaetslevel (across Vpn)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
95
Q

AFA - Problem allgemeine Unterschiede im Aktivitaetslevel - what does that mean

A

Manche Versuchspersonen geben häufiger als andere an, dass sie Verhalten jeglicher Art gezeigt haben (oder sind tatsächlich generell aktiver), verzerrt Korrelationen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
96
Q

CIT - wofuer steht die Abkuerzung?

A

critical incident technique (CIT, Flanagan, 1954)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
97
Q

CIT - geschichtlicher Hintergund

A

Organisationspsychologie; ursprünglich als Verfahren der beruflichen Leistungsbeurteilung konzipiert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
98
Q

CIT und Itemgenerierung - Ansatzpunkt

A

Gedanke, dass sich gute oder unbefriedigende Leistungen in konkreten erfolgskritischen Ereignissen niederschlagen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
99
Q

CIT und Itemgenerierung - Ansatzpunkt - Beispiel

A

Nichteinhaltung von Wartungsintervallen durch einen Maschinenbediener kann zu einem kostspieligen Stillstand führen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
100
Q

CIT und Itemgenerierung - Vorgehensweise - 2 Schritte

A
  1. Use one set of SMEs to identify critical incidents

2. Validate list with different set of SMEs

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
101
Q

CIT und Itemgenerierung - Vergleich zu AFA

A
  1. Prinzipiell aehnlich

2. Hauptunterschied - “acts” in AFA sind oft enger definiert als “incidents” in CIT

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
102
Q

CIT - allgemeine Bewertung - general idea (1 positive, 1 negative)

A
  1. Positiv: kriterienbezogener Einsatz ist allgemein gut bewaehrt
  2. Negativ: Entwicklungsaufwand erheblich, Verhaltensbeispiele für mittlere Leistung schwer zu finden, Sammlung kritischer Ereignisse ergibt nicht immer homogene, interpretierbare Konstrukte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
103
Q

Was sind formal die 3 Bestandteile eines jeden Items?

A
  1. Itemstamm - eigentliche Frage, Aufgabe oder Reiz
  2. Antwortformat - moegliche Reaktionen
  3. Reihenfolge der items im Fragebogen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
104
Q

Wie wichtig sind Vortests zur Vorpruefung von Formulierungen

A

SEHR WICHTIG

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
105
Q

Taxonomie von 8 Antworttypen (auf 2-3 Hierarchiebenen - think tree)

A
  1. frei: Ergaenzung, Kurzaufsatz
  2. gebunden
    - Ordnung: Zuordnung, Umordnung
    - Auswahl: Dichtomie, Mehrfachahl
    - Beurteilung: Analogskala, Ratingskala
  3. also - atypische Formate
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
106
Q

thought on Leistungstests und freie Antworten

A

can work, given that there is usually one (or a limited set of) correct answer(s). e.g., In welchem Land liegt die Stadt Lima)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
107
Q

Nachteil re: freie Antworten - 3 ideas

A
  1. fehlende Standardisierung der Antworten; oft Notwendigkeit der Schaffung erschöpfender Musterlösungen
  2. Risiko von Folgefehlern (bad for stoch. independence)
  3. Auswertungsaufwand hoch
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
108
Q

Definition gebundenes Antwortformat

A

alle Antwortmöglichkeiten vollständig vorgegeben

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
109
Q

Gebundene Antwortformate - 2 Vorteile

A
  1. schnelle Auswertung (oft automatisch)

2. kein Interpretationsspielraum fuer Auswerter

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
110
Q

Gebundene Antwortformate - Nachteil

A

unterschiedliche Interpretation der Antwortvorgaben (von verschiedenen Teilnehmern)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
111
Q

Was ist das haeufigste Antwortformat in der Persönlichkeits- und Einstellungsforschung?

A

die Einstufungs- oder Ratingskala (z.B. von „trifft zu“ bis „trifft nicht zu“ oder von „sehr gut“ bis „sehr schlecht“)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
112
Q

Ratingskalen - was sind die 3 Gestaltungselemente?

A
  1. Abstufung (n Stufen, n=?)
  2. Polarität
  3. Verankerung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
113
Q

Ratingskalen - Zahl der Abstufungen - was ist praktisch das psychometrische Optimum?

A

5-9 Stufen (zu wenige Stufen - zu wenig information; zu viele - ueberfordern VPN)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
114
Q

Ratingskalen - Zahl der Abstufungen - gerade vs ungerade Zahl von Stufen - 2 thoughts

A
  1. n=ungerade: gut, wenn neutrale Mittelstufe angeboten werden soll
  2. n=gerade: gut, wenn Proband sich entscheiden muessen soll
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
115
Q

Ratingskalen - Abstufungen - thoughts on Ausweichkategorie (“weiss nicht”, “keine Angabe”)?

A

Kann Akzeptanz erhoehen, wird wegen der Erhöhung des Anteils fehlender Werte mit Auswertungsproblemen erkauft

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
116
Q

Ratingskalen - Polaritaet - Definition unipolar/bipolar

A
  1. unipolar - Existenz eines logischen Minimums (e.g., „nie“)
  2. Bipolar: Extremauspraegungen durch gegensätzliche Begriffe gekennzeichnet
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
117
Q

Ratingskalen - Verankerung

A
  1. Was sind Endpunkte?
  2. Wie sind Endpunkte identifiziert/beschrieben - Zahlen, Gesichterskala (think pain!), Worte (fast immer/fast nie)
  3. Sind nur Endpunkte oder auch alle Zwischenwerte klar identifiziert?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
118
Q

Ratingskalen - welches Skalenniveau messen sie? 2 thoughts

A
  1. Allgemein messen Ratingskalen nur Ordinalskalen

2. Oft Annahme dass Auswertung als Intervallskala ok ist

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
119
Q

Ratingskalen - was sind Eigenschaften die Auswertung als Intervallskala erlauben?

A

(1) je mehr Skalenstufen je Item
(2) je mehr Items aggregiert werden
(3) je gleichmäßiger die Abstände zwischen den Skalenstufen von den Testteilnehmern empfunden werden

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
120
Q

Ratingskalen - in welchen Situationen werden oft asymmetrische abstufungen gewaehlt/unterstellt?

A

um bei seltenen/sozial erwünschten Merkmalen in solchen Bereichen der Skala besser differenzieren zu können, in denen sich die Antworten sonst häufen würden

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
121
Q

Ratingskalen und Anfälligkeit für Antworttendenzen - 3 causes for concern

A
  1. Antwort i.S., der sozialen Erwuenschtheit
  2. generelle Tendenz zur Zustimmung oder Ablehnung von Aussagen
  3. Bevorzugung bestimmter Skalenbereiche wie der Mitte oder den Extremen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
122
Q

Ratingskalen und dichotome Auswahlaufgaben - wichtiges Auswertungsproblem?

A

50% Chance der richtigen Antwort beim Raten… Erfordert deswegen viele Aufgaben… just don’t use them!

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
123
Q

Mehrfachauswahlaufgabe - what is an important consideration when evaluating the alternative answers (particularly when only 1 option is allowed)?

A

sind die Antwortalternativen disjunkt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
124
Q

Mehrfachauswahlaufgaben in Leistungstests - Definition Distraktoren

A

falsche Antwortalternativen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
125
Q

Mehrfachauswahlaufgaben in Leistungstests - Distraktoren - Einfluss auf Schwierigkeit des Tests?

A

Schwierigkeit des Items hängt ganz wesentlich auch von der Wahl der Distraktoren ab

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
126
Q

Mehrfachauswahlaufgaben bei Persönlichkeits- und Einstellungstests - forced-choice item, how do they work?

A

Praesentiere Antwortalternativen zusammen, die bei freier Auswahl ähnlich häufig bevorzugt würden, mit der Instruktion, genau eine davon auszuwählen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
127
Q

Mehrfachauswahlaufgaben bei Persönlichkeits- und Einstellungstests - forced-choice item, when are they usually considered?

A

Wirkt gegen die Tendenz zu sozial erwünschtem Antwortverhalten (Auswahl zwischen Alternativen die entweder beide allg. gut oder allg. schlecht sind)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
128
Q

Mehrfachauswahlaufgaben bei Persönlichkeits- und Einstellungstests - forced-choice item - 2 caveats

A
  1. Aufwand bei der Konstruktion erheblich

2. Verbesserung der Güte (e.g., Personalauswahlverfahren) empirisch nicht klar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
129
Q

Mehrfachauswahlaufgaben - Def. ipsative Messung

A

Forced Choice item bei dem die Antwortalternativen verschiedenen Merkmalen zugeordnet sind (statt verschiedenen Auspraegungen eines einzelnen Merkmals)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
130
Q

Mehrfachauswahlaufgaben - ipsative Messung - statistisches caveat

A

fehlende stochastische Unabhängigkeit der Antwortalternativen (implizit - Wahl von A ist Entscheidung gegen Alternativen, fuehrt zu künstlichen negativen Korrelationen zwischen Merkmalen)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
131
Q

Ordnungsaufgaben - wann sind sie besonders geeignet?

A

zur Abfrage von Wissen und Kennt-nissen in sehr kompakter und ökonomischer Form

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
132
Q

Ordnungsaufgaben - was macht sie problematisch (2 thoughts)?

A
  1. Erhoehte Ratewahrscheinlichkeit durch sukzessiven Ausschluss von Antwortmöglichkeiten
  2. Wahrscheinlichkeit von Folgefehlern mit jeder Zuordnung innerhalb eines Items
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
133
Q

Was sind 2 wichtige Reihenfolgeeffekte bei der Zusammenstellung von items in einem Fragebogen?

A

Assimilationseffekt

Kontrasteffekt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
134
Q

Reihenfolgeeffekte - was sind Strategien, dagegen?

A
  1. zufällige Reihung der items
  2. Platzierung inhaltlich zusammenhaengender items weit weg von einander (e.g., OCEAN-OCEAN)
  3. Powertest - Ordnung in ansteigender Schwierigkeit (wirkt gegen Entmutigung)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
135
Q

Wann haben wir einen Rohtest?

A

erste geordnete Itemsammlung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
136
Q

Was sind die 3 Ziele eines Pretests?

A

Pruefung der Items auf

  1. Verständlichkeit
  2. Eindeutigkeit
  3. Akzeptanz
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
137
Q

Wie vergleichen sich Pretest und “echter” Test?

A

gleiche Zielgruppe
kleinere Stichprobe
ggf. Moeglichkeit, qualitativen feedback zu items zu geben

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
138
Q

Fuer welches Inventar ist BFI die Abkuerzung?

A

Big Five Inventory; (BFI, John & Srivastava; deutsch von Lang, Lüdt-ke & Asendorpf, 1999)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
139
Q

KTT: Welche zwei Werte sind besonders wichtig in der Itemanalyse?

A

Itemschwierigkeit

Trennschaerfe (des Items mit dem gesamten Test)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
140
Q

KTT: Deskriptive Analyse des Datensatzes - erster Schritt?

A

Rekodierung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
141
Q

KTT: Rekodierung - was ist es und warum muessen wir es machen?

A
  1. Warum: Items sind oft unterschiedlich gepolt; d.h. hohe Werte stehen manchmal für hohe, manchmal für niedrige Ausprägungen des jeweiligen Merkmals
    was: umdrehen
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
142
Q

KTT: Rekodierung - wie komme ich zum SPSS Befehl (p59)?

A

TRANSFORMIEREN -> UMKODIEREN IN DIE-SELBEN VARIABLEN
oder
UMKODIEREN IN ANDERE VARIABLEN

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
143
Q

SPSS 101: was sind die zwei Optionen fuer die Ausfuehrung eines jeden Befehls?

A
  1. hit “OK”: execute immediately
  2. hit “EINFUEGEN”: creates syntax document, can execute using arrow
    ALWAYS CHOOSE option #2!!
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
144
Q

SPSS: Wie komme ich zur deskriptiven Datenanalyse (Tabellenoutput)?

A

ANALYSIEREN -> DESKRIPTIVE STATISTIKEN -> DESKRIPTIVE STATISTIK, OPTIONEN wahlen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
145
Q

SPSS: Wie komme ich zur deskriptiven Datenanalyse (graphischer output, e.g., Histogramme)?

A

ANALY-SIEREN -> DESKRIPTIVE STATISTIKEN -> EXPLORATIVE DATENANA-LYSE -> DIAGRAMME

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
146
Q

Explorative Datenanalyse, deskriptive Statistik, was bedeutet Schiefe

A

rechtssteile Verteilung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
147
Q

Explorative Datenanalyse, deskriptive Statistik, was bedeutet Exzess (Kurtosis)

A

breitgipflige Verteilung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
148
Q

Explorative Datenanalyse, deskriptive Statistik, welcher Test besagt of die Daten normalverteilt sind?

A

Kolmogorov-Smirnov-Tests (über EXPLORATIVE DATENANALYSE)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
149
Q

Explorative Datenanalyse, deskriptive Statistik, welcher Wert informiert ueber die Itemschwierigkeit?

A

Mittelwert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
150
Q

Explorative Datenanalyse, deskriptive Statistik, wie ist Itemschwierigkeit formal definiert?

A

P=Nr/N*100

Nr= Anzahl der Probanden, die Aufgabe richtig (i.S. des Aufgabenkriteriums)
gelöst haben
P: Schwierigkeitsindex ohne Korrektur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
151
Q

Explorative Datenanalyse, deskriptive Statistik, wie ist Itemschwierigkeit bei Persoenlichkeitstests zu interpretieren?

A

Anteil der i.S. einer hohen Ausprägung des Konstrukts

gegebenen Antworten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
152
Q

Explorative Datenanalyse, deskriptive Statistik, Schwierigkeitsindex mit Zufallskorrektur, formale Definition

A

Pzk={Nr-Nf/(m-1)}*(100/N)

PZK = Schwierigkeitsindex mit Zufallskorrektur
Nf= # falsche Antworten
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
153
Q

Schwierigkeitsindex - Modifikation wenn nicht alle Fragen beantwortet sind (Zeitbegrenzung)?

A

benutze im Nenner Nb (statt N), Nb= Anzahl der berbeiteten items; Index heisst dann Schwierigkeitsindex mit Inangriffnahmekorrektur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
154
Q

Schwierigkeitsindex - Transformation und Schwierigkeitsanalyse bei Ratingskalen

A

Transformierung der Antwortskala so, dass das theoretische Minimum den Wert Null annimmt (analog zu null richtigen Lösungen)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
155
Q

Schwierigkeitsindex - Zusammenhang Itemschwierigkeit und Informationshaltigkeit

A

ist Itemschwierigkeit im Durchschnitt gleich dem Mittelwert der Skala, ist Trennschaerfe maximal (reverse - if avg=max or min, no information… duh)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
156
Q

Definition Skala

A

Anazahl aufsummierter oder gemittelter Items; sollen dieselbe Eigenschaft/ Fähigkeit erfassen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
157
Q

(Eigen-)Trennschaerfe und Bedeutung in der KTT

A

der wichtigste Indikator , wie gut jedes einzelne Item das zugrunde liegende Merkmal abbildet (Prototypikalitaet)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
158
Q

(Eigen-) Trennschaerfe - statistische Definition/Approach

A

korrigierte Korrelation (Part-whole-Korrektur) einer Aufgabe mit einer Skala

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
159
Q

Fremdtrennschaerfe, Definition

A

Korrelationen von Items mit den Skalen oder Testwerten anderer Fragebögen oder mit Kriterien (e.g., Berufserfolg)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
160
Q

Fremdtrennschaerfe - wann ist sie konzeptionell besonders wichtig?

A

externale Skalenkonstruktion

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
161
Q

Berechnung der Trennschärfe mit der Skala, Part-whole-Korrektur - Motivation

A

Item geht in Skala ein; fuehrt ohne Korrektur zu Ueberschaetzung der Trennschaerfe

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
162
Q

Berechnung der Trennschärfe mit der Skala nach Part-whole-Korrektur - formula

A

Produkt-Moment-Korrelation

nach Part-Whole-Korrektur, p69

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
163
Q

Trennschaerfe - part-whole Korrektur - wann ist sie besonders wichtig (2 drivers)?

A
  1. je kuerzer Skala (few items)

2. Je heterogener die Skala ist

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
164
Q

Wann wird eine Skala als homogen bezeichnet?

A

wenn items hoch positiv korreliert sind

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
165
Q

Skalenhomogenitaet und - heterogenitaet, link to item selection/ exclusion (2 considerations)

A
  1. Zu homogen -Redundanz (dreimal das gleiche fragen - not smart)?
  2. negative Trennschaerfe - definitiv Ausschluss aus der Skala
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
166
Q

Trennschaerfe - statistical concerns to watch for

A
  1. Trennschaerfe ist Korrelation - alles, was Varianzen beeinflusst, kann verzerren
  2. Watch out for extreme value (rare here, given limite selections in a Ratingskala), bimodal distributions
  3. niedrive Varianz dank schiefer Verteilung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
167
Q

What kind of considerations matter most when selecting items - statistics or substantive considerations

A

INHALTLICH; blinde Anwendung von Trennschaerfe-Analyse ist sehr gefaehrlich

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
168
Q

Trennschaerfeanalyse in SPSS - Befehle

A

ANALYSIEREN -> SKALIERUNG -> RELIABILITÄTSANALYSE, p. 70

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
169
Q

Trennschaefeanalyse - welcher Wert wird oft als Faustregel fuer min acceptable gesehen (Faustregel)

A

0.3; if less, consider eliminating item (but - always think first…)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
170
Q

Item selection - before making the final call - which 4 factors should you consider together?

A
  1. Item-Schwierigkeit
  2. Trennschaerfen
  3. andere deskriptive Statistiken (Varianz, Korrelationen mit Aussenkriterien etc.)
  4. inhaltliche Gesichtspunkte
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
171
Q

Was ist das am weitsten verbreitete Modell der PTT Testkonstruktion?

A

Rasch-Modell

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
172
Q

PTT - was ist die Grundfrage, welche die Modelle beantworten wollen?

A

wie kommen Antworten auf Items zustande; macht Untersuchung von Antwortmustern wichtig

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
173
Q

PTT - Rasch-Modell - von welchen zwei Parametern haengt die Lösungswahrscheinlichkeit für ein bestimmtes Item ab?

A
  1. Fähigkeit oder Eigenschaftsausprägung einer Person

2. Schwierigkeit eines Items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
174
Q

PTT - Rasch Modell - wie ist die Beziehung zwischen Person Parameter, Item Parameter und Itemanwort?

A

probabilistisch

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
175
Q

PTT - Rasch-Modell - statistische Interpretation des ungewichteten Summerwertes der Itemantworten?

A

ist erschoepfende Statistik (korrekt nur wenn Rasch-Modell nicht durch Modelltests abgelehnt wurde)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
176
Q

Def. erschoepfende Statistik (bzgl. ungewichteter Summenwerte der Itemantworten im Rasch-Modell)?

A

Summenwert einer Person liefert alle Informationen über die Fähigkeitsausprägung der Person

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
177
Q

PTT - Rasch-Modell - wie viele Dimensionen hat ein item?

A

eine; i.e., Antwort auf ein Item ist komplett auf eine einzige Fähigkeits- oder Eigenschaftsausprägung zurückzuführen (nut bei Gueltigkeit des Modells)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
178
Q

PTT - Rasch-Modell - Eindimensionalitaet - formelle Definition, weniger strikte Variante?

A

Korrelation zwischen den Items eines Tests verschwindet nach Auspartialisierung der latenten Eigenschaft (d.h. bei deren konstanter Ausprägung); lokale Unabhängigkeit.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
179
Q

PTT - Rasch-Modell - Eindimensionalitaet - formelle Definition, striktere Variante?

A

lokale stochastische Unabhängigkeit; ist gegeben, wenn für jede einzelne Person die Lösungswahrscheinlichkeiten zweier bel. Items multipliziert werden dürfen um kombinierte Lösungswahrscheinlichkeit beider Items zu ermitteln

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
180
Q

PTT - Rasch-Modell - 3 Eigenschaften

A
  1. Summenwert ist erschoepfende Statistik
  2. Eindimensionalitaet
  3. Spezifische Objektivitaet
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
181
Q

PTT - Rasch-Modell - Def. spezifische Objektivitaet

A

Objektivitaet der Vergleiche zwischen verschiedenen Personen ist gegeben (unter Geltung des Rasch-Modells)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
182
Q

PTT - Rasch-Modell - spezifische Objektivitaet - 2 Invarianzen

A
  1. über die spezifischen Items und Maße, die verwendet werden
  2. über die spezifischen Personen, an denen die Items kalibriert werden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
183
Q

PTT - Rasch-Modell - griechischer Buchstabe fuer Personen Parameter?

A

theta

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
184
Q

PTT - Rasch-Modell - griechischer Buchstabe fuer Item Parameter?

A

sigma

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
185
Q

PTT- Rasch-Modell - logische Beziehung zwischen Person Parameter und der latenten Variable

A

die beiden sind identisch; e.g., Intelligenz

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
186
Q

PTT - Rasch Modell - logische Abfolge in Schaetzung von Item- und Personenperameter?

A

Schätzung der Personenparameter setzt die Kenntnis der Itemparameter voraus

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
187
Q

PTT-Rasch-Modell - mit welcher Methode werden Item-Parameter normalerweise geschaetzt?

A

conditional Maximum-Likelihood-Methode (cML)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
188
Q

PTT - Rasch-Modell - was ist die Skalierung der Personen-Faehigkeit?

A

Differenzskalenniveau (logarithmierte Verhältnisskala)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
189
Q

PTT - Rasch-Modell - Personen-Faehigkeit - was ist die Messeinheit?

A

Logit-Einheit (abstrakte Einheit); explanatory methaphor - how many Orangen does ist take to make one liter of orange juice?

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
190
Q

PTT - Rasch-Modell - Personen-Faehigkeit - Messeinheit - welche Transformation fuehrt zur Logit-Einheit

A

Logit-Transformation (duh); note - Intelligenzskala ist KEINE Logit Transformation, sondern T-Wert Transformation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
191
Q

PTT - Rasch-Modell - in welchem Bereich liegen Personen- und Itemparameter normalerweise?

A

zwischen -3 und +3 (aber prinzipiell minus/plus unendlich)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
192
Q

PTT - Rasch-Modell - Personen- und Itemparameter - wie interpretieren wir niedrige (hohe) Werte?

A

niedrig: leichte items, geringere Faehigkeit
hoch: schwierige items, hoehere Faehigkeit

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
193
Q

PTT - Rasch-Modell - Personen- und Itemparameter - mathematische Verknuepfung, Interpretation

A
  1. verknuepft durch Division von theta (Person parameter) durch sigma (Schwierigkeit)
  2. Quotient ist Wahrscheinlichkeit, das Problem zu loesen in Abhaengigkeit von PersPar., It.Par.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
194
Q

PTT - Rasch-Modell - Personen- und Itemparameter - mathematische Verknuepfung - graphische Darstellung

A

x-Axis: ratio (or difference) theta (person parameter) and sigma (it.par.); note: this assumes identical units…!
y-Axis: Probability to solve problem
graph: like S-curve, called item-characteristic curve (ICC)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
195
Q

PTT - Rasch-Modell - item-characteristic curve (ICC) - Ermittlung der Itemschwierigkeit

A

Step 1: Find where y=0.5 (odds to answer item correctly are 50:50)
Step 2: go right from x-axis until hit curve
Step 3: drop straight down to x-axis to find theta/sigma

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
196
Q

PTT - Rasch-Modell - ist Normstichprobe erforderlich zur Interpretation der Ergebnisse?

A

NEIN - kann Loesungswahrscheinlichkeit direkt berechnen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
197
Q

PTT - Rasch-Modell - wo finde ich die Formel zur berechnung der Loesungswahrscheinlichkeit eines items?

A

p83

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
198
Q

PTT - Rasch-Modell - Modelltest - was ist die einfachste Methode (erste Methode)?

A

der Grafische Modelltest

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
199
Q

PTT - Rasch-Modell - Modelltest - Grafischer Modelltest

A

Streudiagramm; Schaetzung der Itemparameter aus zwei Teilstichproben; wenn Modell gueltig ist, sind itemparameter unabhaengig von Stichprobe, alle Werte auf Winkelhalbierenden (y-x), see Abb. 3.16

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
200
Q

PTT - Rasch-Modell - Modelltest - was ist der einzige bewaehrte formale (statistische) Test?

A

Andersen Likelihood-Quotienten-Test; statistische Umsetzung des grafischen Modelltests

201
Q

PTT - Rasch-Modell - Modelltest - was sind 2 alternative, weniger bewaehrte formale (statistische) Test?

A

Pearson-χ²-Test (Chi)

Bootstrap-Methode

202
Q

PTT - Rasch-Modell - thought on Trennschaerfe wenn Modell gueltig

A 
dichotomes Modell: alle items haben die gleiche Trennschaerfe
ordinale Modelle (mehrere geordnete Alternativen, e.g., Likert): Trennschaerfen muessen nicht gleich sein, aber Antwortschwellen sind geordnet
203
Q

PTT - zwei Erweiterungen zum Rasch Modell

A
  1. Annahme unterschiedlicher Diskriminationsmacht der Items (Trennschärfe)
  2. Beruecksichtigung der Effekte des Ratens (Rateparameter)
204
Q

PTT - wie heisste das Modell welches das Rasch-Modell um Trennschärfeparameter (βi) erweitert?

A

Birnbaum Modell

205
Q

PTT - mathematische Definition der Trennschaerfe?

A

Steigung einer Tangente am Wendepunkt (p = .50) der ICC-Funktion

206
Q

PTT - wie heisste das Modell welches das Rasch-Modell um Trennschärfeparameter (βi) UND Ratewahrscheinlichkeit γi (gamma) erweitert?

A

3-Parameter-Modell

207
Q

PTT - und Trennschaerfe - thought?

A

if Trennschaerfe not equal for items, may have logical issues (see p87/88). If items measure same thing, why would it make sense that odds of scoring high are much better (given a specific person parameter theta) than another item? does item measure something else too?

208
Q

PTT - 3-Parameter-Modell - thoughts on usability

A

just do NOT use it. use other factors to control for guessing (e.g., think carefully about distraktors)

209
Q

PTT - ordinales Rasch-Modell - welches Konzept ersetzt die ICC?

A

Category Characteristic Curves“ (CCC) oder Kategorienfunktionen (da es mehrere Schwellen gibt…)

210
Q

PTT - ordinales Rasch-Modell - anderer Name?

A

Partial-Credit-Modell

211
Q

PTT - wie heisst die Klasse der Modelle die sowohl quantifizieren und klassifizieren?

A

Mixed-Rasch-Modelle

212
Q

PTT - Mixed Rasch Modelle - Grundidee

A

Mixed-Rasch-Modell sucht nach Personengruppen, die sich in ihrem Antwortmuster maximal unterscheiden (e.g., verschiedene Problemloesungsmuster); in jeder sub-Gruppe gilt normales Rasch-Modell

213
Q

PTT -in welcher Weise sind Mixed-Rasch-Modelle sind für die Testkonstruktion sehr nützlich?

A

koennen Verletzungen der Eindimensionalität-Annahme für jedes Item anzeigen

214
Q

Faktorenanalyse - was ist der historische Entstehungskontext?

A

theoretische Intelligenzforschung (Spearman, 1904)

215
Q

Faktorenanalyse - mathematisch/statistischer Hintergrund?

A

lineares Modell

216
Q

Faktorenanalyse - konzeptionelle Grundidee

A

Zusammenfassung vieler manifeste Variablen (z.B. Items) zu wenigen latenten Variablen (z.B. Konstrukte)

217
Q

Faktorenanalyse - wichtige Abgrenzung von multipler Regression

A

Regression - Beziehung abhaengiger/unabhaengiger Variables

Faktorenanalyse - Aufklaerung der Datenstrukture von Variablen auf derselben logischen Ebene

218
Q

Faktorenanalyse - welcher Forscher hat die Faktorenanalyse verallgemeinert und wie heisst sein Ansatz?

A

Cattell (1957); Kovariationsschema

219
Q

Cattell’s Kovariationsschema - sources of variation, number correlation matrices?

A

3 sources - variables, subjects, situations

6 correlation matrices

220
Q

Faktorenanalyse in diesem Kurs - mit welcher Cattell-technique laesst sie sich vergleichen?

A

R-Technik

221
Q

Faktorenanalyse - 3 Zwecke nach Thompson (2004)

A
  1. Prüfung der Gültigkeit (Validität) theoretischer Modellannahmen re: Struktur eines Variablensatze, Messinstruments (aka Faktorielle Validitaet)
  2. Entwicklung von Theorien über die interne Struktur psychologischer Konstrukte/Manifestationen
  3. Datenreduktion; vereinfachende Beschreibung eines Datensatzes durch Zusammenfassung von Variablen zu (übergeordneten) Faktoren
222
Q

Faktorenanalyse -was sind die zwei spezifischen Klassen von Methoden

A
  1. Explorative Faktorenanalyse (EFA); aelter

2. Konfirmatorische Faktorenanalyse (CFA)

223
Q

EFA vs CFA - welches Verfahren ist besser zur Pruefung von Modellannahmen?

A

CFA!

224
Q

EFA - was sind die beiden Hauptvarianten nach Thompson (2004)?

A
  1. Hauptkomponentenanalyse (principal components analysis: PCA)
  2. Hauptachsenanalyse (principal axis factor analysis: PAF
225
Q

EFA - PCA vs PAF - was sind die Hauptunterschiede?

A

Anwendungszweck

  • PCA: Datenreduktion
  • PAF: Aufdeckung latenter Strukturen
226
Q

Faktorenanalyse - was sind die 3 grundlegenden logischen Schritte?

A
  1. Extraktion einer kleineren Anzahl latenter Variablen (Faktoren); Faktor - gewichtete Summe beobachteter Variablen
  2. Rotation der vorlaeufigen Faktoren im geometrischen Raum
  3. Berechnung der Faktorwerte der Vpn
227
Q

EFA - Voraussetzungen -

A
  1. Substanzielle Korrelation der Items
  2. Stichprobe gross genug
  3. Vertilungeigenschaften ok
228
Q

EFA - Voraussetzungen - 4 Tests fuer substanzielle Korrelation

A
  1. Bartlett-Test auf Sphärizität (in SPSS implementiert)
  2. Kaiser-Meyer-Olkin-Koeffizient (KMO), sollte hoch sein
  3. Kommunalitaet
  4. MSA- Koeffizient (measure of sample adequacy)
229
Q

EFA - Voraussetzungen - Test fuer substanzielle Korrelation - Bartlett Test - desirable outcome?

A

beobachtete Korrelationsmatrix weicht signifikant von der vollständigen Unabhängigkeit der Variablen in der Population (sog. Diagonal- bzw. Identitätsmatrix) ab

230
Q

EFA - Voraussetzungen - Test fuer substanzielle Korrelation - KMO Koeffizient - desirable outcome?

A

KMO-Koeffizient sollte möglichst hoch sein (keinesfalls unter .50)

231
Q

EFA - Voraussetzungen - Test fuer substanzielle Korrelation - KMO Koeffizient - was misst er?

A

den gemeinsamen Varianzanteil der Items relativ zu deren spezifischen Varianzanteilen

232
Q

EFA - Voraussetzungen - Test fuer substanzielle Korrelation - Kommunalitaet - desirable outcome?

A

sollte Wert von .20 i.d.R. nicht unterschreiten

233
Q

EFA - Voraussetzungen - Stichprobengroesse - absolutes Minimum

A

Anzahl der Variablen; Faustregel (bei guenstiger Situation): N>60

234
Q

EFA - Voraussetzungen - Stichprobengroesse - n allgemeine Richtlinien

A

N groesser je

  • mehr Items insgesamt
  • weniger Items je Faktor
  • weniger reliabel die Items sind
235
Q

Faktorenanalyse - welche 2 Annahmen re: Verteilungseigenschaften stehen hinter Faktorenanalyse?

A
  1. kontinuierliche Messung mindestens auf Intervallskalenniveau
  2. Normalverteilung
236
Q

Faktorenanalyse - Annahmen re: Verteilungseigenschaften hinter Faktorenanalyse - Erfuellung?

A

Annahmen in der Regel NICHT erfuellt - weder Intervallskala noch Normalverteilung

237
Q

Faktorenanalyse - Verletzung der Annahmen re: Verteilungseigenschaften hinter Faktorenanalyse - ein cross-check post hoc?

A

Inspektion der deskriptiven Itemstatistiken; Methodenartefakt wahrscheinlich wenn

a) innerhalb desselben Faktors vorwiegend Items mit ähnlichen Verteilungseigenschaften
b) across factors, different distribution properties

238
Q

Faktorenanalyse - Annahmen re: Verteilungseigenschaften hinter Faktorenanalyse - addtl requirement for ML?

A

multivariate normal distribution; never met, can’t test fotr it in SPSS either…

239
Q

Faktorenanalyse - 3 Strategien bei unguenstigen Verteilungseigenschaften

A
  1. Daten transformieren (e.g., log-linear)
  2. Zusammenfassung von items zu Paeckchen (parcels) - particularly in CFA
  3. Analyse von tetrachorischen oder polychorischen Korrelationen statt Matrix der Produkt-Moment-Korrelationen
240
Q

EFA - Interpretation der Faktor-Ladungen?

A

Korrelation zwischen Item und Faktor

241
Q

EFA - Interpretation der quadrierten Faktor-Ladungen?

A

Anteil gemeinsamer Varianz an der Gesamtvarianz der beteiligten Variablen

242
Q

EFA - was ist die Ladungsmatrix?

A
  1. Zeilen: Variablen
  2. Spalten: Faktoren
  3. Matrixzellen: Ladungen
243
Q

EFA - bei unkorrelierten Faktoren - wie wird die Kommunalitaet berechnet?

A

Zeilensummer der quadrierten Ladungen

244
Q

EFA - Interpretation der Kommunalitaet (bei unkorrelierten Faktoren)?

A

Anteil der Varianz eines Items, der durch alle extrahierten Faktoren gemeinsam aufgeklärt werden kann

245
Q

EFA - Kommunalitaet (bei unkorrelierten Faktoren) - Beziehung zur Reliabilitaet?

A

Untergrenze für die Schätzung der Reliabilität des Items

246
Q

Logisches Grundproblem der Faktorenanalyse?

A

Kommunalitäten müssen geschätzt werden, bevor Faktorenanalyse durchgeführt werden kann und damit auch bevor die Anzahl der Faktoren und deren Ladungen bekannt sein können, aus denen die Kommunalität definitionsgemäß besteht

247
Q

PCA und anfängliche Schätzung der Kommunalität - mathematisches Vorgehen

A

Einsetzen von Einsen in der Hauptdiagonalen der Korrelationsmatrix

248
Q

PCA und anfängliche Schätzung der Kommunalität - mathematisches Vorgehen - inhaltliche Interpretation

A

anfängliche Schätzung der Kommunalität geht von einer vollständigen Aufklärung der Varianz des Items durch die Summe der Faktoren aus

249
Q

PAF und anfängliche Schätzung der Kommunalität - mathematisches Vorgehen

A

Einsetzen der quadrierten multiplen Korrelationskoeffizienten R² zwischen dem jeweiligen Item und allen anderen Items

250
Q

PAF und anfängliche Schätzung der Kommunalität - mathematisches Vorgehen - Vergleich zu PCA

A

PAF ist konservatives (R² in der Regel

251
Q

Welches Diagram zeight den Zusammenhang zwischen Varianz und Reliabilitaet?

A

Abb. 4.2

252
Q

PCA und PAF - was passiert nach der anfaenglichen Schaetzung der Kommunalitaet?

A

iterative Loesung, genaue Vorgehensweise unterscheidet sich nach Algorithmus

253
Q

PCA und PAF - gibt es immer eine Loesung?

A

PCA: JA
PAF: muss nicht sein (algorithm can fail to converge)

254
Q

PCA - was ist das Prinzip der PCA?

A
  1. Extraktion eines neuen Variablensatzes aus den urspr. Variablen
  2. neue Variablen nach ihrer Bedeutung geordnet
  3. jede Komponente klaert Maximum der gesamten (verbleibenden) Varianz aller beteiligten Variablen auf
255
Q

PCA - mathematische Erklaerung der Vorgehensweise (note - PCA is in reality a single step process - only PAF is iterative)

A
  1. imagine stepwise identification of components
  2. First step look for line in p-dimensional space (p=# of variables) that minimizes distance to all points (subjects and variables)
  3. Subsequent steps - extract the line that is uncorrelated to first, explains max of remaining variance
256
Q

PCA, PAF - basic thought re: number of factors

A

usually want to reduce the number of variables - thus have to find a logical way to know when to stop adding components/factors

257
Q

What is the key metric when assessing the value of a factor/component to explain variance?

A

Eigenwert; berechnet als Spaltensumme der quadrierten Ladungen eines Faktors/einer Komponente (>1 gut,

258
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll

A
  1. Kaiser-Guttman-Kriterium (KG-Kriterium)
  2. grafische Analyse des Eigenwerteverlaufs, Scree-Test
  3. statistische Methoden
259
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - KG Kriterium

A

extrahiere in einer PCA alle Komponenten deren Eigenwert größer Eins ist.

260
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - Scree-Test

A

sortiere Eigenwerte der Groesse nach, trage sie in ein Diagramm ein und verbinde die Punkte. Extraktion hoert auf, wenn Liene flach wird

261
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - 3 Signifikanztests

A

Bartlett Test
Chi-Square Test (nur fuer ML Faktorenanalyse)
Parallelanalyse und Minimum-Average-Partial-Test (MAP-Test)

262
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - statistische Kriterien - Bartlett Test - Grundidee

A

Teste, ob Residualmatrix nach Extraktion von n Faktoren noch von der id-Matrix abweicht

263
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - statistische Kriterien - Bartlett Test -Problem

A

Oft Extraktion zu vieler Faktoren, insbesondere bei grossem N

264
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - statistische Kriterien - Bartlett Test - Grundidee (4 steps)

A

Generiere Zufallsmatrix mit gleichem Rang wie die empirische Matrix
Extrahiere Faktoren aus der Zufallsmatrix und ordne Eigenwerte
Vergleiche Zufallseigenwerte mit empirishen Eigenwerten
Extrahiere empirische Eigenwerte solange sie hoeher als Zufallseigenwerte sind

265
Q

PCA, PAF - 3 Regeln wann Komponenten-/Faktorenextraktion aufhoeren soll - statistische Kriterien - Bartlett Test - Problem

A

as n gets large, random matrix converges to id, too many factors get extracted

266
Q

PCA, PAF -Interpretation der Faktoren/Komponenten - basic thought

A

PCA/PAF sind rein mathematisch - Interpretation ist Aufgabe des Forschers!

267
Q

PCA, PAF - was meint der Begriff der Einfachstruktur (ideal outcome)

A

jedes Item laedt hoch auf einen bestimmten Faktor und auf die anderen niedrig oder gar nicht

268
Q

PCA, PAF - was meint der Begriff der Rotation

A

veraendern der Lage der Faktoren im Faktorraum; drehen der Achsen so dass sie sich einigen Punkten annaehern und von anderen entfernen

269
Q

PAC, PCA - Effekt der Rotierung der Faktoren?

A
  1. Annaeherung an Ideal der Einfachstruktur

2. Erhaltung der Gesamtvarianz der extrahierten Faktoren unter Veraenderung der Verteilung der Varianz auf Faktoren

270
Q

PCA, PAF - Rotierung - was sind die 3 grundsaetzlichen Optionen?

A

orthogonal
oblique
Prokrustes

271
Q

PCA, PAF - Definition orthogonale Rotation

A

Achsen stehen im Faktorraum zueinander im rechten Winkel; keine Korrelation zw. Faktoren

272
Q

PCA, PAF - Definition orthogonale Rotation

A

Achsen stehen im Faktorraum zueinander NICHT im rechten Winkel; moegliche Korrelation zw. Faktoren

273
Q

PCA, PAF - wie entscheiden wir uns zw. Definition orthogonale Rotation

A

inhaltliche Ueberlegungen!! note - Korrelation bedeutet Redundanz, aber Unkorreliertheit oft theoretisch nicht zwingend (e.g., OCEAN)

274
Q

PCA, PAF - Definition Prokrustes-Rotation

A

Versuch eine erwartete oder früher gefundene Faktorenstruktur anhand der empirischen Daten zu reproduzieren

275
Q

Was ist verbreitetste Verfahren der orthogonalen Rotation?

A

Varimax-Rotation

276
Q

Varimax-Rotation - Ziel

A

Minimierung der Komplexitaet der Faktoren durch maximieren der Unterschiede der Ladungen innerhalb eines Faktors

277
Q

Was sind 2 Alterniven zu Varimax im set der orthogonalen Rotationsverfahren?

A

Quartimax

Equamax

278
Q

Was ist das Ziel von Quartimax?

A

Maximiert Eindeutigkeit der Zuordnung der Items zu einem Faktor

279
Q

Was ist das Ziel von Equamax?

A

Mittelweg zwischen Varimax (max delta Ladungen innerhalb eines Faktors) und Quartimax (max Eindeutigkeit der Zuordnung item-faktor)

280
Q

Was 2 verschiedene Verfahren der obliquen Rotation (Namen)?

A

Promax

Direkte Oblimin Rotation

281
Q

Promax Rotation - Idee

A

potenziere Ladungen einer orthogonalen Loesung (e.g., 4) -laesst kleine Ladungen typischerweise verschwinden

282
Q

Direkte Oblimin Rotation - Idee

A

laesst über die Einstellung des sog. Delta-Wertes eine Variation zwischen max Korreliertheit (Delta = 0) und Orthogonalität (Delta = -4) zu

283
Q

Grundidee - was ist der Output einer Rotation?

A
  • Sturkturmatrix ist neue Ladungsmatrix (oder -matrizen)

- bei obliquer Rotation auch noch Korrelationsmatrix der rotierten Komponenten bzw. Faktoren (aka Primaerfaktoren)

284
Q

Faktorenanalyse zweiter Ordnung - Durchfuehrung

A

Orthogonale Rotation der Primaerfaktoren

285
Q

Faktorenanalyse zweiter Ordnung - Interpretation

A

Identifikation hoeherer Strukturen (e.g., OCEAN - erst Unterstrukturen, dann Big 5)

286
Q

Faktorenanalyse zweiter Ordnung - wie heissen Outputs

A

Mustermatrix und Strukturmatrix (neue Ladungsmatrizen)

287
Q

Definition Strukturkoeffizienten?

A

Elemente der Strukturmatrix (i.e., von der Rotation erzeugte Ladungmatrix)

288
Q

Was sind die Elemente der Mustermatrix?

A

die partiellen standardisierten Regressions- gewichte des Items mit den rotierten Faktoren

289
Q

Wie werden die Elemente der Mustermatrix oft genannt?

A

Faktormuster-Koeffizienten (factor pattern coefficients)

290
Q

Warum ist es gut, den Begriff Ladung (loading) zu vermeiden, insbesondere bei obliquer Rotation?

A

mehrdeutig (meinen wir Struktur- Koeffizienten oder Faktormuster-Koeffizienten?) NB: Beide sind bei othogonaler Rotation identisch

291
Q

Definition Markiervariable

A

Item laedt auf einen Faktor hoch und gleichzeitig auf alle anderen niedrig lädt

292
Q

Idee - Unterdrueckung von Ladungen (in SPSS)

A

unterdruecke relativ unbedeutende Ladungen z.B.

293
Q

Interpetation von Faktoren und Konzept der Ueber-Determiniertheit - Idee

A

ein Faktor soll durch möglichst viele Variablen mit hohen Ladungen definiert sein

294
Q

Interpetation von Faktoren und Konzept der Ueber-Determiniertheit - Begruendung

A

Gefahr der Interpretation von Zufallsfaktoren, besonders bei kleinen Stichproben

295
Q

Rolle von Signifikanztests zur Beurteilung der Bedeutsamkeit von Faktorladungen?

A

Signifikanztest sind eher ungeeignet; auch kleine Ladungen oft stat. signifikant, insbesondere bei grossen Stichproben

296
Q

Def. Faktorwerte (einer Vpn?)

A

gewichtete Kombination der Items, die zu dem jeweiligen Faktor beitragen

297
Q

Faktorwerte - Berechnung - Durchfuehrung?

A

Regressionsrechnung (Voreinstellung in SPSS)

298
Q

Faktorwerte - Berechnung - Regressionsoutput?

A

z-standardisierte Variablen, Mittelwert Null (per definitionem)

299
Q

CFA gehoert zu welcher Verfahrensgruppe?

A

Lineare Struktur-Gleichungsmodelle (structural equation modelling, SEM; auch Kovarianzstrukturanalys)

300
Q

Kernbereich der Anwendung des structural equation modelling?

A

Prüfung zuvor spezifizierter theoretischer Modelle

301
Q

structural equation modelling - methodischer Kern (3 pieces)?

A
  1. Modellierung der latenten und der manifesten Messebene,
  2. Verbindung beider Ebenen
  3. Prüfung der Modellannahmen
302
Q

structural equation models - wie werden sie ueblicherweise dargestellt?

A

Pfad-Diagramme

303
Q

SEM Pfad-Diagramme - wie werden latente Variablen visuell identifiziert?

A

Kreise oder Ellipsen, griechische Buchstaben

304
Q

SEM Pfad-Diagramme - wie werden latente Variablen visuell dentifiziert?

A

rechteckige Kästchen, lateinische Buchstaben

305
Q

SEM Modelle - was sind die 7 Klassen von Variablen?

A 
Eta: latente endogene 
Ksi: latente exogene
y: Indikator lat. endog.
x: Indikator lat. exog.
Epsilon: Residuum y
Delta: Resduum x
Zeta: Residuum eta
306
Q

SEM Modelle - was sind die 2 prinzipiellen Wege, Parameter fuer Pfadddiagramme zu bestimmen?

A
  1. Schaetzung durch Programm

2. Festlegung durch Forscher (!!)

307
Q

SEM Modelle und Pfad-Diagramme - wie werden Pfad-Parameter indiziert?

A

mit zwei Indizes

  • Ziffer 1: Ziel
  • Ziffer 2: Ursprung
308
Q

SEM Modelle: lambda steht fuer Pfade zwischen welchen Variablen?

A

zwischen latenten Variablen und ihren Indikatoren (lambda-z und lambda y)

309
Q

SEM Modelle: was bezeichnet der Begriff Strukturmodell?

A

Beziehungen ausschließlich der latenten Variablen

310
Q

SEM Modelle: was bezeichnet der Begriff Messmodell der exogenen Variablen?

A

die exogenen latenten Variablen und die dazugehörigen Indikatoren (x)

311
Q

SEM Modelle: was bezeichnet der Begriff Messmodell der endogenen Variablen?

A

η-Variablen und den y-Indikatoren

312
Q

SEM Modelle: was untersucht man in einer einfachen CFA der Primaerfaktoren?

A

betrachten ausschließlich des Messmodells der exogenen Variablen

313
Q

SEM Modelle: was untersucht man in einer CFA zweiter Ordnung (zusaetzlich zur CFA der Primaerfaktoren)?

A

Strukturmodell, aber kein Messmodell der endogenen Variablen (endogene Sekundärfaktoren ergeben sich indirekt aus Kovarianz der Primärfaktoren).

314
Q

SEM Modelle: Wieviele Matrizen brauchen wir, um ein vollstaendiges SEM Model zu spezifizieren?

A

8

315
Q

SEM Modelle: Wieviele Gleichungen (in Matrixschreibweise) brauchen wir, um ein vollstaendiges SEM Model zu spezifizieren?

A

?

316
Q

SEM Modelle: Wieviele Kovarianzmatrizen liegen vor:

A

4;
1 fuer die latenten exogenen Variablen (Phi);
3 fuer Residuen (Psi, Theta-Epsilon, Theta-delta)

317
Q

SEM Modelle: Was sind die 6 typischen Schritte in einer SEM Analyse

A
  1. Modellspezifikation
  2. Bestimmung der Identifiziertheit des Modells
  3. Design und Datenerhebung
  4. Durchfuehrung der SEM Analyse (4 Unterschritte)
  5. Ggf. Modifikation und Respezifikation des Modells
  6. Dokumentation und schriftlicher Bericht
318
Q

SEM Modelle: Was sind die 6 typischen Schritte in einer SEM Analyse - 4 Unterschritte im Schritt Durchfuehrung

A

a. Festlegung von Datenmatrix und Schätzalgorithmus
b. Evaluation der Passung zwischen Daten und Modell (fit)
c. Berücksichtigung von und ggf. Vergleich mit alternativen Modellen
d. Interpretation der Parameter

319
Q

SEM und CFA: Beziehung

A

CFA ist SEM Analyse die sich auf das Messmodell der exogenen Variablen bezieht

320
Q

SEM - Modellspezifikation: Vergleich der Pfad-Diagramme fuer EFA und CFA - key insights?

A

Pfadmodell der EFA komplizierter, da EFA alle Koeffizienten schaetzt, waehrend CFA das explizit spezifiert

321
Q

SEM - Modellspezifikation: Pfad-Diagramme und Moegliche a priori Beschraenkung von Parametern

A
  1. Gleich-Null-Setzen oder anderen Wert festlegen
  2. Bestimmte Parameter gleichsetzen
  3. Ungleichungs-Beschraenkungen
322
Q

SEM-Analyse - Identifizierbarkeit: 3 moegliche prinzipielle Situationen

A

Model is

  1. under-identified
  2. just identified
  3. over-identified
323
Q

SEM-Analyse - Identifizierbarkeit: uebliche Situation (der 3 prinzipiellen Situationen) und Begriff Freiheitsgrad

A
  1. Ueblich: over-identification (mehr mehr Bekannte als Unbekannte) - muessen schaetzen
  2. Freiheitsgrad: # Bekannte minus # Unbekannte
324
Q

SEM-Analyse - Identifizierbarkeit: Was bezeichnet das Problem der Skalierung?

A

Berechnete Parameter legen nur relative Beziehungen fest, absolute Hoehen sind willkuerlich

325
Q

SEM-Analyse - Identifizierbarkeit: Problem der Skalierung - uebliche Loesung?

A

Festlegung einer Variablen als Referenzvariable (alternativ - Fizierung einer Varianz)

326
Q

SEM-Analyse - Identifizierbarkeit: Welche Variable wird oft als Referenzvariable gewaehlt?

A

die mit der hoechsten Reliabilitaet

327
Q

SEM-Analyse - Identifizierbarkeit: allgemeine Identifikation vs Identifikation der Teilmodelle - thought

A

Teilmodelle koennen unterspezifiziert sein obwohl Modell insgesamt ueberspezifiert ist!!

328
Q

SEM-Analyse - Identifizierbarkeit: Was ist ein Problem, das Schaetzung trotz Ueberidentifikation unmoeglich machen kann

A

Hohe Korrelation der exogenen Variablen (a la Multi-Kollinearitaet)

329
Q

SEM Analyse - was ist der besser Ausgangspunkt (Korr oder Kov Matrix)?

A

Kovarianzmatrix

330
Q

SEM Analyse - warum ist Kovarianz-Matrix der besser Ausgangspunkt fuer Schaetzungen (und nicht Korr-Matrix)?

A

Korrelationsmatrix kann zu fehlerhaften Schaetzungen fuehren

331
Q

SEM Analyse - warum kann Kovarianz-Matrix manchmal NICHT als Ausgangspunkt fuer Schaetzungen genommen werden?

A

Metrisches Skalenniveau ist eine der Annahmen - oft nicht erfuellt (gerade nicht fuer Fragebogen-Testitems)

332
Q

SEM Analyse - was ist der statistisch akzeptable Ausgangspunkt fuer Schaetzungen wenn die Kovarianzmatrix NICHT benutzt werden kann?

A

dichotome Items: Matrix der tetrachorischen Korrelationen;

multivariate Ratingskalen: Matrix der polychorischen Korrelationen

333
Q

SEM und Ausgangspunkt fuer Schaetzungen - Alternative zur Korrelations-Matrix wenn kein metrisches Skalenniveau vorliegt?

A

Zusammenfassung mehrerer Items zu Miniskalen (aka parcels) - v.a. wenn so (annaehernd) metrische Skalierung resultiert

334
Q

SEM Schaetzung - was sind 2 Klassen von alternativen Verfahren?

A
  1. non-iterative Verfahren (oft step 1)

2. iterative Verfahren

335
Q

SEM Schaetzung: was sind 2 non-iterative Verfahren?

A
  1. instrumental variables (IV)

2. two-stage least squares (TSLS)

336
Q

SEM Schaetzung - was ist eine wichtige Beschraenkungen non-iterativer Verfahren (und wie werden sie deshalb eingesetzt)?

A

kann Fit nicht Pruefen; deswegen sind Verfahren NICHT fuer endgueltige Schaetzung geeignet (nur fuer Generierung des starting points)

337
Q

SEM Schaetzung und iterative Verfahren - 6 moegliche (Dimensionen re:) Anforderungen

A
  1. Stichprobengroesse
  2. Skalenniveau
  3. multivariat Normal
  4. empirische Matrix positiv definit
  5. Fitfunktion skaleninvariant
  6. Parameter skalenfrei
338
Q

SEM Schaetzung - was bedeutet positiv definit?

A

Alle Eigenwerte der empirischen Matrix sind positiv (aka - Determinante positiv); required in order to be able to invert matrix (used for ML, GLS)

339
Q

SEM Schaetzung und positive Definitheit - was kann zur Verletzung der Annehme fuehren?

A

Multikollinearitaet…!

340
Q

SEM Schaetzung und Anforderung der Skalen-Invarianz - inhaltliche Begruendung?

A

Skalen oft willkuerlich gewaehlt - sollten keine Information enthalten

341
Q

SEM Schaetzung - 4 verbreitete iterative Methoden?

A

ML
GLS
Unweighted LS (ULS)
Asymptotically Distribution Free (ADF)

342
Q

SEM Schaetzung - ML - 2 Eigenschaften

A
  1. Schaetzungen asymptotisch korrekt mit asymptotisch normalverteilten Fehlern
  2. skaleninvariant und skalenfrei
343
Q

SEM Schaetzung - ML - Anforderungen

A

multivariate Normalverteilung (robust ggueber Verletzung, Schiefe

344
Q

SEM Schaetzung - unweighted LS - 3 thoughts

A
  1. entspricht einer Variante der PAF in der EFA
  2. why attractive - few requirements or assumptions
  3. why bad: nicht skalenfrei oder skaleninvariant, variances large
345
Q

SEM Schaetzung - Asymptotically Distribution Free (ADF) - 3 thoughts

A
  1. Gruppe verwandter Methoden - WLS, DWLS, ERLS
  2. Vorteil: keine/wenige Verteilungsannahmen, skaleninvariant, skalenfrei, haben Pruefstatistiken
  3. Nachteil: hohen Anforderungen an Stichprobengroesse (oft 4-stellig!)
346
Q

SEM Analyse – Schaetzung – 2 gravierende Probleme bei iterativen Verfahren?

A
  1. Nichtkonvergenz

2. Heywood cases

347
Q

SEM Analyse – Schaetzung – gravierende Probleme bei iterativen Verfahren – Heywood cases – Definition

A

Einzelbefunde, die eigentlich unmöglich sind, z.B. negative Varianzen oder Korrelationen > 1

348
Q

SEM Analyse – Schaetzung – 2 Klassen von Tests zur Guete der Loesung

A
  1. Chi-Quadrat Test

2. Vielzahl der Fit-Indizes

349
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung – Chi-Quadrat Test – Grundidee (re: Vorgehensweise)

A

Prueft H0 dass das Modell zur beobachteten Datenstruktur passt, als mit der Stichprobengröße gewichteter Wert der Diskrepanzfunktion

350
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung – Chi-Quadrat Test – 2 thoughts re: results

A
  1. Theoretische Annahme ist H0; signifikanter Befund fuehrt zur ABLEHNUNG der H0
  2. Wahrscheinlichkeit eines signifikanten Befunds (Ablehnung!) steigt mit N, Freiheitsgraden – paradox!
351
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Fit-Indices – Grundidee

A

Starte mit Chi-Quadrat, korrigiere Ergebnisse um den Paradoxen entgegenzuwirken

352
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Fit-Indizes – 2 Klassen

A
  1. absolute Fit Indizes

2. komparative Fit Indizes

353
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes – Grundidee

A

Vergleich des Modells – freie Schaetzung vs. Schaetzung unter Restriktionen

354
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes – 2 Unterklassen

A
  1. Badness of Fit

2. Goodness of Fit

355
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes – Badness of Fit Indizes - 2 Beispiele

A
  1. (Standardized) Root Mean Square Residual: (S)RMR

2. Root Mean Square Error of Approximation: RMSEA

356
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes – Badness of Fit Indizes – Interpretation

A

Je hoeher die Werte, desto schlechter die Passung

357
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes –Goodness of Fit-Indizes –2 Beispiele

A 
Goodness of Fit Index (GFI)
Adjusted GFI (adjusted based of degrees of freedom)
358
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes –Goodness of Fit-Indizes –Interpretation

A

Ausmaß der Verbesserung gegenüber „no model at all“;wie R² Anteil durch das implizierte Modell aufgeklärter Varianz an der Gesamtvarianz

359
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Absolute Fit-Indizes –Goodness of Fit-Indizes –caveat

A

von Anwendung wird in der neueren SEM-Literatur aufgrund der Sensitivität gegenüber Veränderungen der Stichprobengröße abgeraten

360
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Komparative Fit-Indizes –basic idea

A

Fit als proportionale Verbesserung gegenüber dem Nullmodell (independence model), bei dem alle Kovarianzen auf den Wert Null fixiert werden (aka maximale Restriktion vollst. Unabhängigkeit)

361
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Komparative Fit-Indizes – Typen

A

Typ 1, 2 oder 3; je höher die Typenklasse, desto mehr Informationen gehen ein

362
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Komparative Fit-Indizes – Interpretation der Ergebnisse

A

Je hoeher, desto besser die Passung

363
Q

SEM Analyse – Schaetzung –Tests zur Guete der Loesung –Komparative Fit-Indizes – Beispiele

A
  1. Tucker-Lewis-Index (TLI, in LISREL als Non-Normed Fit Index NNFI bezeichnet)
  2. Comparative Fit Index CFI.
    More: Tabelle 6.1 (incl. cut off values!)
364
Q

SEM Analyse – Schaetzung – Tests zur Guete der Loesung – general considerations

A

Can never really solve for quality of test/fit

  1. There may always be a better model you didn’t look at
  2. Fit may be poor even though you have the (theoretically) best possible model
365
Q

SEM Analyse – Schaetzung – Modellvergleich – 2 Grundklassen von Vergleichen

A

Vergleich genesteter Modelle

Vergleich NICHT genesteter Modelle

366
Q

SEM Analyse – Schaetzung – Modellvergleich – key metric to compare nested models

A

Delta Chi-Quadrat Test

367
Q

SEM Analyse – Schaetzung – Modellvergleich – key metric to compare non-nested models (what not to use)

A

NOT Delta Chi-Quadrat Test

368
Q

SEM Analyse – Schaetzung – Modellvergleich – key metric to compare non-nested models (3 alternatives to consider)

A
  1. Expected Cross Validation Index (ECVI)
  2. Akaike’s Information Criterion (AIC)
  3. Consistent AIC (CAIC)
369
Q

SEM Analyse – Schaetzung – Modellvergleich – key metric to compare non-nested models (3 alternatives to consider) – how to interpret results

A

Tests only give you rank order of models (can’t interpret differences)

370
Q

SEM – Definition der Äquivalenz von Messungen (eines Konstrukts)

A

Messungen untereinander austauschbar im hypothetischen Fall dass Testteile oder auch Mess-Gelegenheiten völlig frei von Fehlereinflüssen sind

371
Q

Voraussetzungen fuer Reliabilitaetsschaetzung - Grundidee

A

KTT nimmt an, dass Messungen unter vergleichbaren bedingungen oft wiederholt werden. Frage hier ist, wie vergleichbar Messungen zwei verschiedenen Tests sind

372
Q

Tau-Aequivalenz von zwei Messungen (des gleichen Werte, e.g., eine Person in 2 IQ Tests) - 3 Stufen

A
  1. tau-aquivalent: Beide Messungen messen der gleichen Wert (identisch!)
  2. essentiell tau-aequivalent: Beide Messungen koennen sich durch additive Konstante unterscheiden
  3. tau-kongenerisch: Messwerte koennen in linearer transformation dargestellt werden (Konstante und multiplikativer Faktor)
373
Q

Modell paralleler Messungen (des gleichen Werte, e.g., eine Person in 2 IQ Tests) - 2 Stufen

A
  1. Streng parallel: Unkorreliertheit der Fehler beider Messungen plus Tau-Aequivalenz.
  2. Essentiell parallel: Unkorreliertheit der Fehler beider Messungen plus essentielle Tau-Aequivalenz.
374
Q

Modell tau-aequivalenter Messungen (des gleichen Werte, e.g., eine Person in 2 IQ Tests) - 2 Stufen

A

Tau-aequivalent: Unkorrelierte Messfehler, wahre Werte gleich; Fehlervarianzen NICHT gleich
essentiell tau-aequivalent: wahrer Wert unterscheidet sich durch eine Konstante

375
Q

Modell tau-kongenerischer Messungen (des gleichen Werte, e.g., eine Person in 2 IQ Tests) - 2 Stufen

A

Messfehler unkorreliert, Messungen haben verschiedene Einheiten (da wahre Werte lineare Transformation - additiv und multiplikativ verknuepft)

376
Q

SEM - Grade der Äquivalenz von Messmodellen – Def. essentiell tau-äquivalente Messungen

A

Wie tau-äquivalente Messungen, aber Mitelwert kann um eine Konstante verschoben sein; note - dieses Modell ist das der Faktorenanalyse

377
Q

SEM - warum werden korrekte Modelle wegen Fit-Indizes oft faelschlich abgelehnt?

A

Spezifische Annahmen oft auf Indikatoren fokussiert, von denen es oft viele gibt - Varianz der Einzelitems wirkt wie lautes weisses Rauschen, dass Theorie ueberdeckt

378
Q

SEM - was ist Voraussetzung fuer Interpretation einzelner geschaetzter Parameter?

A

Modell muss insgesamt einer Pruefung standhalten

379
Q

SEM - Analyse der geschaetzten Parameter mit Lisrel - was bekommen wir zur Verfuegung gestellt? (3 parts)

A
  1. unstandardisierten Parameter
  2. (teil-) standardisierte Lösung
  3. vollständig standardisierte Lösung
380
Q

SEM - Lisrel output - Interpretation der unstandardisierten Parameter

A

Ladungen entsprechen z.B. unstandardisierten Regressions-Koeffizienten

381
Q

SEM - Lisrel output - Interpretation der teil-standardisierten Parameter

A

standardisiert sind nur die latenten Variablen, nicht die Indikatoren

382
Q

SEM - Lisrel output - Interpretation der vollständig standardisierten Parameter

A

Interpretation wie der Musterkoeffizienten der EFA als standardisierte Regressionskoeffi-zienten bzw. als Korrelationen (wenn Indikator nur auf einen Faktor laedt)

383
Q

SEM - geschaetzte Parameter - Signifikanzpruefung?

A

Durch Standardfehler, t-Werte, Konfidenzintervalle; note - can only use w unstandardized estimates

384
Q

SEM - geschaetzte Parameter - Interpretation der quadrierten multiplen Korrelationen der beobachteten Variablen?

A

Schätzungen der Reliabilität

385
Q

SEM - Lisrel output - was sind die sogenannten Modofikationsindizes?

A

Geben für jeden auf Null fixierten Parameter an, welche Verbesserung für den χ²-Wert zu erwarten ist, wenn der betreffende Parameter freigesetzt würde.

386
Q

SEM - Lisrel output - Modofikationsindizes - warum sind sie gefaehrlich?

A

geht gegen das Prinzip der CFA und ist ggf rein explorativ (that said - if value high, maybe you did get something wrong…)

387
Q

Wie werden Itemwerte normalerweise zu einer Skala zusammengefasst?

A

Summe oder Mittelwert

388
Q

Vier Ueberlegungen, wenn man ggf fehlende Werte in die Skalenbildung mit einzubeziehen kann

A
  1. viele items in der Skala
  2. homogene items
  3. geringe Konsequenzen der Verzerrung
  4. wenige fehlende Werte
389
Q

Einbeziehung fehlender Werte in die Skalenbildung - was ist Obergrenze (Faustrege)

A

5%-10%; aber ist begruendungspflichtig, gilt nur bei guten Randbedingungen…

390
Q

SPSS Befehl zur Berechnung von Skalenrohwerten

A

TRANSFORMIE-REN -> VARIABLE BERECHNEN -> FUNKTIONSGRUPPE: ALLE -> MEAN

391
Q

Formel zur z-Transformierung einer Skala?

A

z = (X – M) / SD; M - mean, SD = stddev

392
Q

SPSS Befehl zur z-Transformation?

A

im Menu DESKRIPTIVE STATISTIK -> DESKRIPTIVE STATISTIK

393
Q

Wie funktoniert die IQ Skala?

A

Mittelwert 100, SD=15

394
Q

Wie funktioniert die stanine Skala?

A

9 Auspraegungen, SD=2; Extremwerte werden bei den Polen 1 und 9 subsumiert

395
Q

Wie funktioniert die Centil- oder C-Skala?

A

wie stanine, aber 11 pole (min=1, max=11)

396
Q

Definition PR-Normen

A

Prozenrang-Normen (percent of respondent w value equal to or below vutoff)

397
Q

SPSS Befehl zum Berechnen der Prozent-Raenge?

A
  1. TRANSFORMIEREN -> RANGFOLGE BILDEN
  2. Variablen auswaehlen
  3. RANGTYPEN -> PROZENTRÄNGE
398
Q

welche mathematische Prozedur normalisiert PR-Werte?

A

Flaechentransformation

399
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - was sind die beiden Achsen?

A
  1. Klassifikation durch Test - Ja/Nein

2. Kriterium in Wahrheit erfuellt - ja/nein

400
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - wie heissen die 4 Felder

A
  1. Treffer/hit, RP
  2. Verpasser (miss), FN
  3. Falscher Alarm, FP
  4. Korrekte Ablehnung, RN
401
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - Def. Trefferquote

A

RP / (FN + RP) = Sensitivität (Anteil der richtig klassifi-zierten Personen unter allen Personen, die das Kriterium tatsächlich erfüllen)

402
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - Def. Verpasserquote

A

FN / (FN + RP) = 1 – Sensitivität (Anteil der falsch klassifizierten Personen unter allen Personen, die das Kriterium tatsächlich erfüllen)

403
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - Def Quote korrekter Ablehnungen

A

RN / (FP + RN) = Spezifität (Anteil der richtig klassifizierten Personen unter allen Personen, die das Kriterium nicht erfüllen)

404
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - Def Quote falscher Alarme

A

FP / (FP + RN) = 1 – Spezifität (Anteil der falsch klassifizierten Personen unter allen Personen, die das Kriterium nicht erfüllen)

405
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - welche Analyse-Methode hilft bei der Bestimmung der Schwellenwerte?

A

ROC-Analyse

406
Q

Vierfelder-Schema der kriterienorientierten Klassifikation - was ist der Tradeoff bei der ROC Analyse?

A

Sensitivität und Spezifität

407
Q

Welches Regelwerk ist in D-land wichtig fuer Testanwendung?

A

DIN 33430; Anforderungen an Verfahren und deren Einsatz bei berufsbezogenen Eignungsbeurteilungen

408
Q

Was sind die 3 traditionellen psychometrischen Guetekriterien?

A

Objektivität, Reliabilität und Validität; note - this author combines O and R

409
Q

Objektivitaet - allgemeine Definition (i.e., wann ist ein Test objektiv)?

A

Ein Test ist in dem Ausmaß objektiv, in dem die Testergebnisse unabhängig vom Untersucher zustande kommen

410
Q

Objektivitaet - 3 Teilanspekte?

A
  1. Durchführungs-Objektivität
  2. Auswertungs-Objektivität
  3. Interpretations-Objektivität
411
Q

Durchführungs- Objektivität - Definition

A

das Ausmaß, in dem Testergebnisse frei von Schwankungen zw. Bedingungen unterschiedlicher Durchführungs-gelegenheiten zustande kommen

412
Q

Auswertungs-Objektivität - Definition

A

das Ausmaß, indem verschiedene Auswerter desselben Testbogens zu denselben Ergebnissen kommen

413
Q

Auswertungs-Objektivität - wann ist sie i.d.R. in Frage gestellt?

A

bei offenen Antwortformaten (aber - man kann immer mehrfach auswerten lassen, wenn das Ergebnis wichtig ist)

414
Q

Interpretations-Objektivität - Definition

A

das Ausmaß der Übereinstimmung in der Interpretation bei gleichen Testergebnissen

415
Q

Reliabilitaet - technische Definition (again)

A

Anteil der Varianz der „wahren Werte“ (lies: der systematischen Variation) an der gesamten Testvarianz

416
Q

Reliabilitaet - warum ist sie in der Praxis weniger relevant?

A

In empirischen Reliabilitätsschätzungen lassen sich intendierte Varianz-Komponenten nicht von systematischen Fehlern unterscheiden (beide erhoehen gemessene Reliabilität)

417
Q

Was sind 4 Arten der Reliabilitätsschätzung?

A
  1. interne Konsistenz
  2. Retest-Reliabilitaet
  3. Paralleltest-Reliabilität
  4. Interrater-Reliabilität
418
Q

Reliabilitätsschätzung - at a high level, what exactly are we estimating?

A

Abschätzung des Wertes für rtt, d.h. der (nicht quadrierten!) Korrelation eines Tests mit sich selbst

419
Q

Reliabilitätsschätzung - interne Konsistenz - Grundidee

A

Test einmal erhoben; Test aufgeteilt, so dass Test-Teile miteinander korreliert werden koennen

420
Q

Reliabilitäts-Schätzung - interne Konsistenz - unter welchen Bedingungen ist sie problematisch?

A
  1. Heterogene Tests (verschiedene Aspekte eines Konstrukts)

2. Speed-Tests

421
Q

Reliabilitäts-Schätzung - interne Konsistenz -Beziehung zur Homogenitaet (und deren Messung)?

A

be careful! Messung interner Konsistenz setzt Homogenitaet (Eindimensionalitaet) voraus, und umgekehrt koennen auch heterogene Tests intern konsistente Ergebnisse liefern…

422
Q

Homogenitätsindex - wie laesst es sich messen (besser als durch interne Konsistenz)? 2 ideas

A
  1. mittlere Interitemkorrelation (MIC) sowie deren Streuung

2. PTT Modelltests

423
Q

Reliabilitäts-Schätzung - interne Konsistenz - einfachste Implementierung?

A

Test-halbierungs- oder Split-Half-Reliabilität

424
Q

Reliabilitäts-Schätzung - interne Konsistenz -Standardmass?

A

Cronbach’s alpha

425
Q

Cronbachs alpha - was misst es logisch gesehen?

A

Mittelwert der Konsistenzkoeffizienten über alle denkbaren Aufteilungen des Tests

426
Q

Cronbachs alpha - was ist die mess-theoretische Annahme?

A

Messungen sind tau-aequivalent

427
Q

Cronbachs alpha, wo steht die Formel?

A

p173

428
Q

Cronbachs alpha, wie lautet die Formel?

A

r/(c-1)*{1 -sum(Si-squared)/sum(Sx-squared)}
Si-squared: Varianz des Test-Teils
Sx-squared: Varianz der Gesamtwerts der Skala (rises w covariances)
c number of items

429
Q

Cronbach’s alpha - was sind 2 Alternativen?

A
  1. Guttman

2. Kuder-Richardson 20 (KR-20)

430
Q

Wann sollte man Guttman einsetzen (statt Cronbach alpha)?

A

wenn einzelne negative Kovarianzen zwischen Items auftreten, ohne dass Cronbach- insgesamt auffällig gering ausfällt

431
Q

Wann sollte man Kuder-Richardson 20 (KR-20) einsetzen (statt Cronbach alpha)?

A

dichotome items

432
Q

Retest-Reliabilität, basic idea

A

Test wird von der gleichen Gruppe von Personen zweimal bearbeitet

433
Q

Retest-Reliabilität, biggest challenge

A

Wahl des geeigneten zeitli-chen Intervalls zwischen beiden Messzeitpunkten (too short - memory effects, too long - change in what we are trying to measure…)

434
Q

Retest-Reliabilität - Faustregel fuer Zeitintervall zwischen Messungen?

A

4 Wochen - 6 Monate

435
Q

Parallel-Test-Reliabilität, basic idea

A

Konstruktion zweier unabhaengiger aber paraleler Formen eines Tests. Einsatz bei der gleichen Stichprobe

436
Q

Parallel-Test-Reliabilität, ist Schaetzung i.d.R. zu hoch oder zu niedrig?

A

Eher zu niedrig, da sowohl die Parallelität der Formen als auch die Konstanz der Durchführungsbedingungen kaum perfekt zu erreichen sind

437
Q

Parallel-Test-Reliabilität, 2 thoughts on where and how often it is measured?

A
  1. generally rare, given effort required

2. Mainly used for IQ test (abschreiben verhindern…)

438
Q

Interrater-Reliabilität - basic idea

A

Äquivalenz der Beurteilungen mit dem gleichen Verfahren getesteter Personen durch verschiedene Untersucher (link to objectivity!)

439
Q

Interrater-Reliabilität - wo ist sie besonders wichtig?

A

bei weniger strukturierten Verfahren wie Interviews oder Beobachtungen

440
Q

Interrater-Reliabilität - wofuer steht die Abkuerzung ICC?

A

Intraklassenkorrelation (intra-class correlation)

441
Q

Interrater-Reliabilität - ICC - key idea?

A

Maß für den zwischen den Beurteilern geteilten Varianzanteil und liegt deshalb zwischen 0 und 1; aehnlich dem Cronbach alpha (mit Beurteilern als items)

442
Q

Interrater-Reliabilität - ICC - wie kann man es mit SPSS aufrufen?

A

ANALYSIEREN -> SKALIERUNG -> RELIABILITÄTSANALYSE -> STATISTIKEN;
KORRELATIONS-KOEFFIZIENT IN KLASSEN

443
Q

Reliabilitaetskoeffizienten - welche Hoehe muss man anzielen?

A

haengt davon ab

  • Einsatz (wie folgenschwer?)
  • Einzeldiagnostik vs Gruppe?
444
Q

Reliabilitaets-Koeffizienten - welche Hoehe muss man anzielen - COTAN Schwellen?

A

1 (wichtige Einzelfall-Entscheidung): 80%
2. 70%
3 (Gruppen-Untersuchungen). 60%

445
Q

Reliabilitaet und PTT - was wird hier gemessen?

A

die spezifische Objektivität (d.h. der Unabhängigkeit der Messwerte von der untersuchten Item- und Personenstichprobe)

446
Q

Reliabilitaet und PTT - welche Theorie verallgemeinert das Reliabilitaets-Konzept der KTT auf die PTT?

A

Generalisierbarkeits-Theorie von Cronbach, Gleser, Nanda und Rajatnaram (1972)

447
Q

Generalisierbarkeits-Theorie von Cronbach et al - wie oft wird sie eingesetzt

A

selten - hoher Aufwand; wenn ueberhaupt, dann Einsatz nur bei kriterienorientierten Tests

448
Q

Validitaet - US Definition

A

the degree to which accumulated evidence and theory support specific inter-pretations of test scores entailed by proposed uses of a test

449
Q

Validitaet - worauf bezieht er sich

A

nicht Test, sondern Schlussfolgerungen die ein Test erlaubt

450
Q

Was sind die 3 Facetten der Validitaet?

A

(1) Inhalt
(2) Konstrukt
(3) externe Kriterien

451
Q

Inhaltsvaliditaet - basic idea

A

Übereinstimmung der Testinhalte (d.h. der Items inkl. Stamm und Antwortvorgabe) mit dem zugrunde liegenden Merkmal des Tests

452
Q

Inhaltsvaliditaet - bei welchem Schritt der Testentwicklung spielt es eine besondere Rolle?

A

Am Anfang - bei der Ableitung der Items aus dem definierten Merkmalsbereich

453
Q

Konstruktvalidität - basic idea

A

Korrektheit der Interpretation von Testergebnissen als Indikatoren theoretischer Konstrukte

454
Q

Konstruktvalidität - Cronabch’s Idee zur empirischen Umsetzung?

A

Nomologisches Netz bestehend aus

  • Bereich der Theorie; - Bereich des Beobachtbaren
  • logische Regeln die beide verbinden (und schrittweise Ueberpruefung der Regeln)
455
Q

Konstruktvalidität - Cronbach’s Idee zur empirischen Umsetzung - praktische Einsatzfaehigkeit?

A

Gering; psychologische Theorien oft zu schwach und wenig formal

456
Q

Konstruktvaliditaet: Cronbach’s 3 Strategien zur Ueberpruefung?

A
  1. logisch-argumentatives Vorgehen (a la Inhaltsvaliditaet)
  2. experimentelle Pruefung
  3. korrelative Analysen
457
Q

Konstruktvaliditaet: 2 Facetten der konstrukt-bezogenen Evidenz?

A
  1. Faktorielle Validitaet

2. Konvergente/ diskriminante Validitaet

458
Q

Konstruktvaliditaet: Definition faktorielle Validitaet

A

Bestätigung der intendierten faktoriellen Struktur eines Tests

459
Q

Konstruktvaliditaet: faktorielle Validitaet - praktische Bestimmung

A

idealerweise - CFA, PTT

Praktisch - EFA

460
Q

Konstruktvaliditaet: Beziehung zur Homogenitaet?

A

Homogenitaet normalerweise als positiv fur K-Validitaet angesehen; theoretisch angemeessen nur bei eindimensionalen Konstrukten

461
Q

Konstruktvaliditaet: Was ist das Problem wenn man Conbach’s alpha zur Abschaetzung von Homogenitaet (und potentiell K-Validitaet) einsetzt?

A

can game the system - just ask (essentially) the same question many times - get you REALLY high C-alpha

462
Q

Konstruktvaliditaet: Definition konvergente, diskriminante Validitaet?

A

Untersuchung der Korrelation mit Aussenvariablen

463
Q

Konstruktvaliditaet: Idee konvergente Validitaet

A

ist Korrelation hoch wo sie (aus theoretischen Gruenden) hoch sein sollte?

464
Q

Konstruktvaliditaet: Idee diskriminante Validitaet

A

ist Korrelation niedrig wo sie (aus theoretischen Gruenden) niedrig sein sollte?

465
Q

Konstruktvaliditaet: Pruefung auf konvergente und divergente Validitaet - einfachster Fall?

A

bivariate Korrelationen, ideally inferenz-statistisch abgesichert

466
Q

Konstruktvaliditaet: Pruefung auf konvergente und divergente Validitaet -Attenuations- oder Minderungskorrektur - basic idea

A

psychologische Tests sind nicht perfekt reliabel, latente Korrelation wird deshalb tendenziell unterschaetzt. counter- measure - Attentuations-Korrektur

467
Q

Konstruktvaliditaet: Wer hat wann den klassischen Ansatz zur Pruefung der K-Validitaet entwickelt und wie heisst der Ansatz?

A

Campbell und Fiske (1959); Multi-Trait-Multi-Method Matrix (MTMM-Ansatz)

468
Q

Konstruktvaliditaet: Multi-Trait-Multi-Method Matrix - basic idea

A

eine Mehrzahl von Konstrukten wird mit unterschiedlichen Methoden mehrfach gemessen

469
Q

Konstruktvaliditaet: Multi-Trait-Multi-Method Matrix - 2 Durchfuehrungs-alternativen

A
  1. Korrelations-Analyse

2. CFA

470
Q

Kriterienbezogene Validitaet: Definition

A

sämtliche Hinweise auf Validität aufgrund des beobachteten Zusammenhangs mit externen Variablen, für die theoretisch ein Zusammenhang zu erwarten ist

471
Q

Kriterienbezogene Validitaet: prominente Beispiele

A

Schulerfolg, berufliche Leistung, korrekte Diagnose

472
Q

Kriterienbezogene Validitaet: praktische Messung

A

bivariater Korrelationskoeffizient rtc

473
Q

Kriterienbezogene Validitaet: Faustregeln fuer Abschaetzung der Effektstaerke bei Messwiederholung

A

schwach: r=0.1, d-0.2
mittel: r=0.3, d=0.5
stark: r=0.5, d= 0.8

474
Q

Kriterienbezogene Validitaet: Definition Effektstaerke d - allgemein

A 
d = (Mt1 - Mt2) / St.gesamt;
St.gesamt = (N1 * St1 + N2 * St2) / (N1 + N2)
475
Q

Kriterienbezogene Validitaet: Definition Effektstaerke d - Wiederholungsmessung

A

d = 2r / sqrt(1 - r²)

476
Q

Kriterienbezogene Validitaet: Inkrementelle Validitaet - Definition

A

Beitrag, eines neuen Testz über bereits vorhandene zur Aufklärung des Kriteriums

477
Q

Kriterienbezogene Validitaet: Inkrementelle Validitaet - praktische Messung

A

delta R-squared in einer hierarchischen Regression

478
Q

Kriterienbezogene Validitaet: Inkrementelle Validitaet - Schwellen fuer Effektstaerke nach Cohen (1988)

A

schwach: 0.02
mittel: 0.15
stark: 0.35
Variable f-squared ist korrigiertes delta-R-squared

479
Q

Soziale Erwunschtheit - zweo moegliche Gegenmassnahmen

A
  1. undurchschaubare items (subtile Items)
  2. Force choice zwischen gleichermassen erwuenscht erscheinenden Alternativen
  3. objektive Tests
480
Q

Einzelfalldiagnostik -2 additional considerations

A
  1. Hoehere Anforderungen an Guetekriterien

2. Normierung (Vergleichbarkeit)

481
Q

Einzelfalldiagnostik: Anforderungen laut COTAN an Groesse einer Norm-Stichprobe

A

L1: N=300
L2: N=200
L3: N=100

482
Q

Einzelfalldiagnostik: 4 Dimensionen an Anforderungen re: Norm-Stichprobe

A
  1. Groesse
  2. Repraesentativitaet
  3. Aktualitaet der Erhebung
  4. Uebertragbarkeit auf die Fragestellung
483
Q

Einzelfalldiagnostik: Konzept Norm-Differenzierung

A

unterschiedliche Normtabellen für unterschiedliche Subpopulationen, Fragestellungen, oder beides

484
Q

Einzelfalldiagnostik

A

KEY FORMULAS P212

485
Q

KTT - Definition Reliabilität

A

Quotient der Varianz des wahren Wertes und der Summe aus Varianz des wahren Werts und Varianz des Fehlers (immer

486
Q

Definition Eigenwert

A

Spaltensumme der quadrierten Ladungen aller Faktoren fuer ein Item (in der Ladungsmatrix)

487
Q

Definition Kommunalitaet

A

Zeilensumme der quadrierten Ladungen aller Items auf einen Faktor

488
Q

Was ist die Interpretation des Eigenwertes?

A

Varianz des Faktors gemessen in Einheiten der Varianz des Items (n.b. – Itemvarianz in der PCA ist immer 1)

489
Q

Eigenwert geteilt durch die Zahl der Items, Interpretation

A

Anteil der durch den Faktor aufgeklaerten Varianz des gesamten Tests

490
Q

Bestimmung der Identifziertheit eines Modells - 3 Schritte

A

Schritt 1: berechne p*(p-1)/2, mit p=Zahl der manifesten Variablen;
Schritt 2: erfasse die Anzahl der zu schaetzenden Parameter: Anzahl der Faktoladungen plus Anzahl der Fehlervarianzen plus Varianzen der latenten Variablen plus Korrelationen zwischen latenten Variablen minus Zahl der Restriktionen (mindestens eine, da ja ein Faktorwert pro latenter Variable gleich 1 gesetzt werden muss);
Schritt 3: berechne die Zahl der Freiheitsgrade (#1 minus #2) – sollte groesser als Null sein – je groesser desto besser…!

491
Q

Wir wird Itemschwierigkeit (Prozentwert) berechnet?

A

Transformiere Skala, so dass der Minimalwert Null ist und berechne den Mittelwert der transformierten Skala.
Dividiere den Mittelwert der Skala durch das Maximum und druecke als Prozentwert aus

492
Q

EFA - wann liegt Strukturmatrix und Mustermatrix vor?

A

Wenn Faktoren korreliert sind

493
Q

EFA - Strukturmatrix und Mustermatrix- Definition und Unterschiede

A

Strukturmatrix: enthält Korrelationen

Mustermatrix: Korrelationen sind auspartialisiert; Matrix enthält semipartialisierte Regressionsgewichte

494
Q

EFA - korrelierte Faktoren- wie berechne ich die Kommunalität?

A

Mit der Mustermatrix!

495
Q

Was ist die Fundamental- Gleichung der Faktoranalyse?

A

R=L•L’+V
R - Varianz der wahren Werte
L - Ladungsmatrix
V - Fehlervarianz

496
Q

Inhaltlich, welche Frage beantwortet ein semipartielles standardisiertes Regressionsgewicht?

A

Um wieviele Standardanweichungen aendert sich die y Variable wenn sich die x Variable um eine Standard-Abweichung veraendert

497
Q

Was enthält die Strukturmatrix?

A

Korrelationen der Items mit den Faktoren (NICHT auspartialisiert)

498
Q

Was enthält die Mustermatrix?

A

Die partiellen standardisierten Regressionsgewichte der items mit den Faktoren

499
Q

Wie berechnet man den Kaiser-Meyer-Olkin (KMO) Koeffizient (3 Schritte)?

A
  1. Berechne die Korrelationsmatrix aller items. Summiere alle Elemente oberhalb der Hauptdiagonale (i.e., alle quadrierten Korrelationskoeffizienten)
  2. Berechne die Matrix der quadrierten Partialkorrelationskoeffizienten aller Items
  3. Dividiere Ergebnis von 1 durch Summe Ergebnis von 1 und Ergebnis von 2.
    interpretation: Min(KMO)=0, wenn Korrelationen Null. Max(KMO)=1, wenn Partialkorrelationen null/sehr klein (i.e., spezifische Varianzanteile sehr klein

03421 Testkonstruktion (1 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions