- Existenzaxiom - Verknüpfungsaxiom - Unabhängigkeitsaxiom

Übungen Flashcards by Mendes Joana

Für einen Test wird ein Bezugssystem erstellt, mit welchem der Testwert einer Person mit anderen Personen verglichen werden kann

Normierung

How well did you know this?

Not at all

Perfectly

Ein Test misst das Merkmal, was er zu messen vorgibt, und nicht irgend ein anderes Merkmal

Validität

How well did you know this?

Not at all

Perfectly

Ein Test misst ein Merkmal möglichst exakt, d.h. möglichst ohne Messfehler. Der beobachtete Wert liegt somit nahe am wahren Wert

Reliabilität

How well did you know this?

Not at all

Perfectly

Das Testergebnis, das eine Testperson erzielt, ist unabhängig von der Person, die den Test mit der Testperson durchführt
(Testleitung), von der Person, die den Test auswertet, und von der Person, die das Testergebnis interpretiert

Objektivität

How well did you know this?

Not at all

Perfectly

KTT: Axiome

Existenzaxiom
Verknüpfungsaxiom
Unabhängigkeitsaxiom

How well did you know this?

Not at all

Perfectly

KTT: Existenzaxiom

Der wahre Wert Tvi existiert als Erwartungswert der Messung Xvi einer Testperson vin Item i.
Tvi=E(Xvi)

How well did you know this?

Not at all

Perfectly

KTT: Verknüpfungsaxiom

Jede Messung Xvi setzt sich additiv aus einem wahren Wert Tvi und einem zufälligen Messfehler Evi zusammen
Xvi=Tvi+Evi

–> Wenn Tvi=E(Xvi), dann E(Evi)=0

How well did you know this?

Not at all

Perfectly

KTT: Unabhängigkeitsaxiom

Die Korrelation zwischen den Messfehlern Evi und den wahren Wert Tvi bei beliebigen Personen+Items ist null:
Corr(Tvi, Evi)=0
Corr(Evi,Evj)=0
Corr(Evi, Ewi)=0

How well did you know this?

Not at all

Perfectly

KTT: In einem Leistungstest wird im oberen und unteren Leistungsbereich nicht gleich gut gemessen. Der Messfehler hängt mit dem wahren Wert zusammen. Widerspruch oder kein Widerspruch?

Widerspruch. Sie widerspricht dem dritten Axiom.

How well did you know this?

Not at all

Perfectly

KTT: Die wahren Werte zweier Tests, die dasselbe messen, korrelieren miteinander.
Widerspruch oder kein Widerspruch?

Kein Widerspruch. Sie korrelieren zusammen

How well did you know this?

Not at all

Perfectly

KTT: Die Fehler zweier Tests, die dasselbe messen, variieren systematisch und nicht zufällig.
Widerspruch oder kein Widerspruch?

Widerspruch.

Widerspruch des zweiten Axioms

How well did you know this?

Not at all

Perfectly

KTT: Bei zwei Tests, die dasselbe messen, korreliert der Messfehler des einen Tests mit dem wahren Wert des anderen Tests.
Widerspruch oder kein Widerspruch?

Widerspruch.

Dies widerspricht dem dritten Axiom.

How well did you know this?

Not at all

Perfectly

Varianz, Kovarianz und Korrelation sind Zusammenhangsmasse (R/F)

Falsch:
- Standardabweichung und Varianz sind Streuungsmasse. Sie geben an, wie stark die gemessenen Werte variieren. Es
handelt sich hierbei also nicht um Zusammenhangsmasse.
- Kovarianz und Korrelation sind Zusammenhangsmasse. Sie geben an, in welchem Ausmass Variablen miteinander in Beziehung stehen (z.B. je grösser eine Person, desto schwerer ist sie).

How well did you know this?

Not at all

Perfectly

Die Kovarianz einer Variable mit sich selbst ist die Varianz (R/F)

Richtig: 
Das wird deutlich, wenn man die Formeln für die Varianz und die Kovarianz vergleicht. Wird bei der Kovarianz zweimal (xm-x)
anstelle von (xm-x) und (ym-y) eingetragen, vereinfacht sich die Formel auf jene der Varianz.

How well did you know this?

Not at all

Perfectly

Die standardisierte Kovarianz heisst Korrelation (R/F)

Richtig:
Die Kovarianz ist nicht standardisiert, sie hat also die Masseinheit der beteiligten Variablen.
Bei der Korrelation handelt es sich um die standardisierte Kovarianz. Die Standardisierung erleichtert die Vergleichbarkeit verschiedener Zusammenhänge sowie deren Interpretation

How well did you know this?

Not at all

Perfectly

Eine Korrelation kann nur Werte im Bereich von 0 bis 1 aufweisen. (R/F)

Falsch: Korrelationskoeffizienten variieren zwischen -1 und +1.

Spearman Rangkorrelation setzen ordinale Daten voraus. (R/F)

Richtig

Pearson Korrelationen setzen intervallsaklierte Daten voraus (R/F)

Richtig: Für intervallskalierte Variablen, die linear zusammenhängen und kaum Ausreisser aufweisen, können Pearson Korrelationen eingesetzt werden.

Polychorische Korrelationen werden bei ordinalen Daten mit mehr als zwei Antwortalternativen eingesetzt. (R/F)

Richtig.

Tetrachorische Korrelationen werden bei ordinalen Daten mit zwei Antwortalternativen eingesetzt (R/F)

Richtig

Standardmessfehler

A) Die beobachtete Varianz (Sxt2) setzt sich zsm aus der wahren Varianz (Swt2) und der Fehlervarianz (Set2)
Sxt2= Swt2+Set2
(= Set2=Sxt2-Swt2)

B) Die Reliabilität ist der Anteil der wahren Varianz an der beobachteten Varianz
rtt= Swt2/Sxt2
(=Swt2=sxt2*rtt)

C)Um den Standardmessfehler berechnen zu können:
Set= Sxt Racine1-rtt

Der Standardmessfehler gibt den Anteil der Streuung der Testwerte an, der auf
die unvollständige Zuverlässigkeit (nicht-perfekte Reliabilität) zurückzuführen
ist. (R/F)

Richtig:
Die Streuung der Testwerte ist sxt2 (die beobachtete Varianz).
Diese wird mit der unvollständigen Zuverlässigkeit multipliziert (also 1-rtt). Die unvollständige Zuverlässigkeit (nicht-perfekte Reliabilität) entspricht der Differenz zwischen perfekter Reliabilität (1) und empirischer Reliabilität (rtt).

Wenn die Reliabilität hoch ist, dann ist der Standardmessfehler ebenfalls hoch (R/F)

Falsch:
Der Standardmessfehler wird umso grösser, desto niedriger die Reliabilität ausfällt.
Bei niedriger Reliabilität ist die Differenz zwischen perfekter Reliabilität und tatsächlicher Reliabilität (1-rtt) gross, entsprechend fällt der Standardmessfehler hoch aus

Die beobachtete Varianz gibt an, wie stark die gemessenen Testwerte um den
Mittelwert streuen (R/F)

Richtig:
Die Varianz (sxt2) ist ein Mass für die Grösse der Abweichung vom Mittelwert.

Bei Sxt handelt es sich um die Standardabweichung der gemessenen Testwerte (R/F)

Richtig: | Sxt ist die Wurzel aus der Varianz (Sxt2) und entspricht der Standardabweichung

Welche Möglichkeiten gibt es, um die Verlässlichkeit des STADI (State-Trait-Angst-Depressions-Inventar) zu messen, wenn die Personen den Fragebogen alle nur einmal ausgefüllt haben? (Mehrfachantwort)

Mögliche Antworten: - Im Falle, dass Personen einen Fragebogen/ Test nur einmal ausfüllen, kann man die Reliabilität mithilfe von Cronbachs Alpha (interne Konsistenz) - und der Split-half Reliabilität bestimmen. Bei der Split-half Reliabilität wird der Test in zwei gleich grosse Testhälfen geteilt und daraus der Zusammenhang bestimmt.

Welche Möglichkeiten gibt es, um die Verlässlichkeit des STADI (State-Trait-Angst-Depressions-Inventar) zu messen, wenn die Personen den Fragebogen alle ZWEI mal ausgefüllt haben? (Mehrfachantwort)

- Für die Retest-Reliabilität müsste ein Test innerhalb eines Zeitintervalls mindestens zweimal ausgefüllt werden. - Bei der Paralleltest-Reliabilität müssten zwei Parallelformen eines Fragebogens/Test existieren und bearbeitet werden

Wie finde ich auf einer Tabelle der Wert des Cronbachs Alpha der Skala?

Es heisst "raw_alpha"

Wenn eine Skala ein hohes Cronbachs Alpha aufweist, dann muss sie eindimensional sein. (R/F)

Falsch. Alpha hängt einerseits davon ab, wie viele Items ein Test enthält und andererseits davon, wie stark die Items korreliert sind. Mit genügend Items kann also Alpha auch hoch ausfallen, ohne dass alle Items dasselbe Konstrukt messen.

Je mehr Items eine Skala enthält, desto höher fällt Cronbachs Alpha aus. (R/F)

Richtig: Alpha hängt nicht nur davon ab wie stark die Items korreliert sind sondern auch davon, wie viele Items in die Analyse eingehen.

Wenn die Items stark miteinander zusammenhängen, also eine hohe Kovarianz aufweisen, dann fällt Cronbachs Alpha hoch aus. (R/F)

Richtig: Je höher die Kovarianz desto höher fällt der Term unter dem Bruchstrich (Varianz und Kovarianz) im Verhältnis zum Term oberhalb des Bruchstrichs aus. Damit wird dieser Term klein und Cronbachs Alpha gross.

Eine Reliabilität von .92, gemessen mit Cronbachs Alpha, ist zufriedenstellend hoch (R/F)

Richtig

Eine niedrige Trennschärfe deutet darauf hin, dass ein Item wenig mit dem restlichen Test gemeinsam hat (R/F)

Richtig

Die Trennschärfe ist definiert als die Korrelation eines Items mit dem Gesamtwert des Tests oder der Skala, zu der das Item gehör (R/F)

Richtig: Die Trennschärfe soll eine Einschätzung ermöglichen, wie gut ein Item „zwischen Personen mit niedriger und hoher Merkmalsausprägung trennt“. Hierzu wird der korrelative Zsmhang eines einzelnen Items mit dem Gesamttest ermittelt. Der Wertebereich der Itemtrennschärfe liegt zwischen -1 und 1. --> Ein Item mit einer hohen Trennschärfe hat somit eine hohe Gemeinsamkeit mit dem Gesamtwert während ein Item mit einer niedrigen Trennschärfe wenig mit dem Gesamtwert gemeinsam hat.

Beim Schwierigkeitsindex stehen hohe Werte für ein schweres Item und tiefe Werte für ein leichtes Item (R/F)

Falsch: Der mögliche Wertebereich für die Itemschwierigkeit liegt theoretisch zwischen 0 und 1. Items mit einer niedrigen Schwierigkeit (wurden von wenig Personen gelöst oder bejaht) weisen eher tiefe Werte auf, während Items mit einer hohen Schwierigkeit (wurden von vielen Personen gelöst oder bejaht) eher hohe Werte aufweisen.

Der Schwierigkeitsindex gibt an, in welchem Ausmass ein Item das Gleiche misst wie ein Test (R/F)

Falsch:

Items mit einer hohen Schwierigkeit wurden von vielen Personen gelöst oder bejaht und Items mit einer niedrigen Schwierigkeit von wenigen Personen gelöst oder bejaht (R/F)

Richtig

Wie finde ich die Trennschärfe auf einer Tabelle von R?

Es heisst raw.r

Wie finde ich die höchste/niedrigste Zustimmung (Mittelwert der Alternativen) in einer Tabelle von R?

Ich schaue unter "mean"