VL 8

Question 1

Zutreffende diagnostische Aussagen durch Wahl des richtigen Grenzwerts- Problem

Answer 1

Alpha und Beta Fehler
•Sie treten immer dann auf, wenn die Verteilungen nicht
distinkt, sondern überlappend sind
•Aufgrund der Überlappung gibt es keinen Punkt, an dem alle positiven und negativen Merkmalsträger*innen so voneinander getrennt werden können, dass kein Mensch einer falschen Kategorie zugeordnet wird.

Question 2

Perspektive der Bewertung 1) Sensivität und Spezifität

Answer 2

Sensitivität = Wahrscheinlichkeit, mit der ein vorliegender positiver Zustand als solcher erkannt wird
= Anteil der lt. Test „Positiven“ an allen tatsächlich „Positiven“

Spezifität = Wahrscheinlichkeit, mit der ein vorliegender negativer Zustand als solcher erkannt wird
= Anteil der lt. Test „Negativen“ an allen tatsächlich „Negativen“

Question 3

Alpha Fehler

Answer 3

Realität = Zustand liegt nicht vor

Diagnostisches Urteil= Zustand liegt vor

Question 4

Beta- Fehler

Answer 4

Realität= Zustand liegt vor

Diagnostisches Urteil= Zustand liegt nicht vor

Question 5

Erkennen welcher Cut- off am besten?

Answer 5

ROC( Receiver Operating Characteristic) Kurve
•visuell
• beste Schwelle (bei gleicher Gewichtung von Sensitivität und Spezifität) . Der am weitesten im 90° Winkel von Diagonale entfernt ist beziehungsweise der Punkt der am ersten links oben ist

• je weiter Kurve in gewählte Richtung links oben verläuft desto besser Unterscheidung zwischen tatsächlichen positiven und negativen  Youden-Index

Question 6

Youden-Index

Answer 6

• Zur rechnerischen Bestimmung des optimalen Cut-off-Werts kann der Youden-Index herangezogen werden. Dabei wird für jeden Cut-Off berechnet:
• Youden-Index= Sensitivität+Spezifität-1 oder auch = Sensitivität - (1 - Spezifität)
• Der Cut-off-Wert mit dem höchsten Youden-Index wird gewählt, sofern keine Priorisierung von Sensitivität oder Spezifität erfolgen soll

Question 7

Welche Auswirkungen hat es, wenn die Verteilungen der tatsächlich Positiven und Negativen ungleich sind?

Answer 7

Keine auf Sensitivität und Spezifität.

Allerdings sehr wohl auf positiven und negativen Prädiktionswert.

Bspw. wirkt sich ein höherer Anteil tatsächlich Negativer nachteilig auf den positiven Prädiktionswert und vorteilhaft auf den negativen Prädiktionswert aus.

Question 8

Perspektive der Bewertung- prädiktiver wert

Answer 8

Positiver Prädiktionswert = Wahrscheinlichkeit, mit der eine positive Diagnose zutreffend ist.
• bedingte Wahrscheinlichkeit, dass die Realität positiv ist gegeben dass das diagnostische Urteil positiv ist
Negativer Prädiktionswert = Wahrscheinlichkeit, mit der eine negative Diagnose zutreffend ist


Question 9

Zusammenfassung

Answer 9

• ZutreffendichotomerdiagnostischerEntscheidungen hängt von der Wahl des Cut-offs ab
• Sensitivität,Spezifität
• FragederBedeutsamkeitvonAlpha-undBeta-Fehler
• OderIdentifikationanhandderROCsowiedes
Youden-Indexes
• PositiverundnegativerPrädiktionswert
• Grundquotebeachten

Question 10

Grenzwerte in Eignungsdiagnostik allg.

Answer 10

• berufliche Eignung nicht dichotom betrachten, sondern von kontinuierlichen Ausprägung der tatsächlich beruflichen Eignung ausgehen

Question 11

Günstige Randbedingungen in der Eignungsdiagnostik:

Answer 11

1) Verringerung der Selektionsrate
Anteil der Ausgewählten an allen Bewerbern
2) Hohe Grundquote
Anteil der Geeigneten an allen Bewerbern
3) Nutzung von Auswahlverfahren, die gut zwischen „Geeigneten“ und „Ungeeigneten“ trennen
Zusammenhang zwischen Testergebnissen und Kriterium

Question 12

Quoten

Answer 12

Trefferquote = Anteil der tatsächlich geeigneten an den laut Test Geeigneten = positiver Prädiktionswert

Grundquote/Basisrate=AnteilderGeeignetenanallen Bewerbenden

Selektionsquote/Auswahlquote=Anteilder Ausgewählten an allen Bewerbenden

ValiditätdesTests=Zusammenhangzwischen Testergebnissen und Kriterium (z.B. beruflicher Leistung)

Question 13

Entscheidungsmodelle

Answer 13

Disjunktives,konjunktives,kompensatorischesundgemischteEntscheidungsmodelle

Question 14

Disjunktive Entscheidungsmodelle

Answer 14

Für eine positive Entscheidung muss ein Grenzwert überschritten werden

Sequenzielle Vorgehensweise

Per-accept Strategie: wenn Person ersten Test bestanden, muss andere nicht mehr machen

Question 15

Konjunktive Entscheidungsmodelle

Answer 15

In allen Verfahren müssen Grenzwerte überschritten werden

Per reject Theorie: wenn Person ersten Test nicht besteht, muss andere nicht mehr machen

Question 16

Kompensatorische Entscheidungsmodelle

Answer 16

Infos werden zu Gesamtwert verrechnet(können sich gegenseitig kompensieren)

Per accept strategie

Question 17

Multiple hurdle problem

Answer 17

Wenn wir davon ausgehen, dass die Wahrscheinlichkeit einen Test zu bestehen 50 % ist dann:
•für 5 UNKORRELIERTE MESSUNGEN
- Wahrscheinlichkeit, das Personen alle 5 Hürden überspringen? (0,5^5) = 3,125%

•geringere a priori Wahrscheinlichkeit dass P. All diese Hürden überspringen