Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Methodeneffekte als individuelle Kausale Effekte am Beispiel GES7 Uta Tittelbach, Marcel Franz, Karl Georg Pfleger.

Ähnliche Präsentationen


Präsentation zum Thema: "Methodeneffekte als individuelle Kausale Effekte am Beispiel GES7 Uta Tittelbach, Marcel Franz, Karl Georg Pfleger."—  Präsentation transkript:

1 Methodeneffekte als individuelle Kausale Effekte am Beispiel GES7 Uta Tittelbach, Marcel Franz, Karl Georg Pfleger

2 Agenda 1. Theorie 1. Theorie 2. der Datensatz 2. der Datensatz 3. Aufgabenstellung 3. Aufgabenstellung 4. Modelle mit Methodenfaktor 4. Modelle mit Methodenfaktor

3 1. Theorie Was ist ein Methodeneffekt als individueller kausaler Effekt? Was ist ein Methodeneffekt als individueller kausaler Effekt? Warum individuelle Effekt? Warum individuelle Effekt? Individuelle kausaler Effekt bei der jeweiligen Person entsteht, wenn anstatt mit Methode B, Methode A für Erhebung eines Traits genutzt wird. Individuelle kausaler Effekt bei der jeweiligen Person entsteht, wenn anstatt mit Methode B, Methode A für Erhebung eines Traits genutzt wird.

4 1. Theorie Der individuelle Methodeneffekt: Der individuelle Methodeneffekt: –Differenz der Truescores einer Person bei der mit zwei Methoden dieselbe Variable gemessen wurde. –ME jl = τ jl – τ jk Y 11 = τ 11 + ε 11 Y 11 = τ 11 + ε 11 Y 12 = τ 12 + ε 12 (Referenzmethode 1) Y 12 = τ 12 + ε 12 (Referenzmethode 1) Y 12 = τ 11 + (τ 12 - τ 11 ) + ε 12 Y 12 = τ 11 + (τ 12 - τ 11 ) + ε 12 Y 12 = τ 11 + ME 12 + ε 12 Y 12 = τ 11 + ME 12 + ε 12

5 1. Theorie

6 Effekt bei jeder Person u unterschiedlich Effekt bei jeder Person u unterschiedlich ME jl (u) = τ jl(u) – τ jk(u) ME jl (u) = τ jl(u) – τ jk(u) Methoden als Treatment Methoden als Treatment Methodeneffekte sind nicht Residuum einer Regression, sondern individueller Treatmenteffekt Methodeneffekte sind nicht Residuum einer Regression, sondern individueller Treatmenteffekt Über verschiedene Traits invariant: Über verschiedene Traits invariant: E(Y 22 ) - E(Y 21 ) = E (Y 12 ) – E(Y 11 ) = E(M 2 ) Der durchschnittliche Treatmenteffekt ist definiert als das Mittel der individuellen Treatmenteffekte Der durchschnittliche Treatmenteffekt ist definiert als das Mittel der individuellen Treatmenteffekte

7 1. Theorie Annahme: die Methodeneffekte sind für jeden Trait gleich. Annahme: die Methodeneffekte sind für jeden Trait gleich. M ist nach KTT Trait mit dem Fehler unkorreliert. M ist nach KTT Trait mit dem Fehler unkorreliert. M darf mit allen anderen Traits ohne Einschränkungen korrelieren. M darf mit allen anderen Traits ohne Einschränkungen korrelieren. Das Modell ist invariant gegenüber der Wahl der Referenzmethode, da implizierte Varianz, Kovarianz, Mittelwertsstruktur invariant ebenso Werte der Truescorevariable Das Modell ist invariant gegenüber der Wahl der Referenzmethode, da implizierte Varianz, Kovarianz, Mittelwertsstruktur invariant ebenso Werte der Truescorevariable

8 2. der Datensatz Befindlichkeitsmessung und Latent-State-Trait-Modelle (Steyer, R., Schwenkmezger, P., Eid, M. & Notz, P.) Ziel: Erprobung testtheoretischer Modelle im Bereich der Messung emotionaler Befindlichkeiten Ziel: Erprobung testtheoretischer Modelle im Bereich der Messung emotionaler Befindlichkeiten

9 2. der Datensatz längsschnittliche Erhebung über 4 Zeitpunkte (April-September 1991) längsschnittliche Erhebung über 4 Zeitpunkte (April-September 1991) N=503 N=503 58% Frauen, 42% Männer 58% Frauen, 42% Männer Jahre, MW=31,19 Jahre, SD=13, Jahre, MW=31,19 Jahre, SD=13,85

10 2. der Datensatz verwendete Skalen: verwendete Skalen: –MDBF – 3 Subskalen: gute vs. schlechte Stimmung gute vs. schlechte Stimmung Ruhe vs. Unruhe Ruhe vs. Unruhe Wachheit vs. Müdigkeit Wachheit vs. Müdigkeit –situative Einflüsse: körperliche Beschwerden – FBL körperliche Beschwerden – FBL daily hassles & uplifts daily hassles & uplifts Wetter u.a. (Schlaf, Alkohol, Aktivität,...) Wetter u.a. (Schlaf, Alkohol, Aktivität,...) –personale Einflüsse: FPI (Freiburger Persönlichkeitsinventar) FPI (Freiburger Persönlichkeitsinventar) dispositionale Selbstaufmerksamkeit dispositionale Selbstaufmerksamkeit überdauernde Stimmung (Bohner et. al) überdauernde Stimmung (Bohner et. al)

11 3. Aufgabe Methodeneffekte als individuelle kausale Effekte Methodeneffekte als individuelle kausale Effekte von uns ausgewählt: MDBF-Skala gute vs. schlechte Stimmung von uns ausgewählt: MDBF-Skala gute vs. schlechte Stimmung –8 Items, davon 4 positiv, 4 negativ formuliert –Testhälften gebildet: positiv vs. negativ formulierte Items – t1pos, t1neg usw. –Bsp: zufrieden, gut, wohl, glücklich vs. schlecht, unwohl, unglücklich, unzufrieden

12 4.1 Modell ohne MF

13 4.2 Modell mit MF

14 4.3 Modell mit MF + Prädiktor Prädiktor: Faktor Emotionalität aus FPI Prädiktor: Faktor Emotionalität aus FPI –hohe Werte: emotional labil, empfindlich emotional labil, empfindlich ängstlich, bedrückt ängstlich, bedrückt viele Probleme und körperliche Beschwerden viele Probleme und körperliche Beschwerden –niedrige Werte: emotional stabil, gelassen emotional stabil, gelassen Selbstvertrauend Selbstvertrauend lebenszufrieden lebenszufrieden

15 4.3a Modell mit MF + Prädiktor

16 deutliche Verschlechterung des Modellfits! – Warum? deutliche Verschlechterung des Modellfits! – Warum? schlechter Fit des Messmodells für den FPI-Faktor! schlechter Fit des Messmodells für den FPI-Faktor! offenbar starke situative Einflüsse auf Messung des Persönlichkeitsfaktors offenbar starke situative Einflüsse auf Messung des Persönlichkeitsfaktors Lösung: Bildung von Testhälften zu jedem Zeitpunkt, Mittelung dieser Werte über alle 4 Zeitpunkte Lösung: Bildung von Testhälften zu jedem Zeitpunkt, Mittelung dieser Werte über alle 4 Zeitpunkte

17 4.3b Modell mit MF + Prädiktor (unstandardisierte Lösung)

18 4.3b Modell mit MF + Prädiktor (standardisierte Lösung)

19 Modell 4.3b - Interpretation Der FPI-Faktor Emotionaliät sagt mäßig gut das Befinden zu t1-t4 vorher ( ) Der FPI-Faktor Emotionaliät sagt mäßig gut das Befinden zu t1-t4 vorher ( ) ebenso die individuellen Unterschiede auf dem Methodenfaktor (.28), d.h. die interindividuellen Unterschiede in Antworttendenzen ebenso die individuellen Unterschiede auf dem Methodenfaktor (.28), d.h. die interindividuellen Unterschiede in Antworttendenzen Das Gesamtmodell hat einen sehr guten Modellfit (RMSEA=0,038), wir sollten es beibehalten Das Gesamtmodell hat einen sehr guten Modellfit (RMSEA=0,038), wir sollten es beibehalten

20 Habt ihr Fragen? Danke für eure Aufmerksamkeit!

21 Literatur Steyer, R., Schwenkmezger, P., Notz, P., Eid, M.: Der mehrdimensionale Befindlichkeitsfragebogen (MDBF). Handanweisung. Göttingen. Hogrefe, Steyer, R., Schwenkmezger, P., Notz, P., Eid, M.: Der mehrdimensionale Befindlichkeitsfragebogen (MDBF). Handanweisung. Göttingen. Hogrefe, Pohl, S., Steyer, R.(2006) Modelling Method Effects as Individual Treatment Effects. (in press) Pohl, S., Steyer, R.(2006) Modelling Method Effects as Individual Treatment Effects. (in press)

22 Anhang Syntax Modell 1 ohne MF Syntax Modell 1 ohne MF DA NI = 12 NO = 503 MA=CM DA NI = 12 NO = 503 MA=CM CM FI = modell2.cov CM FI = modell2.cov ME FI = modell2.means ME FI = modell2.means LA LA t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpit1 emofpit2 emofpit3 emofpit4 t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpit1 emofpit2 emofpit3 emofpit4 SE SE / / MO NY=8 NE=4 LY=FU,FI TE=DI,FR PS=SY,FR MO NY=8 NE=4 LY=FU,FI TE=DI,FR PS=SY,FR LE LE Bef_t1 Bef_t2 Bef_t3 Bef_t4 Bef_t1 Bef_t2 Bef_t3 Bef_t4 VA 1.0 LY(1,1) LY(2,1) VA 1.0 LY(1,1) LY(2,1) VA 1.0 LY(3,2) LY(4,2) VA 1.0 LY(3,2) LY(4,2) VA 1.0 LY(5,3) LY(6,3) VA 1.0 LY(5,3) LY(6,3) VA 1.0 LY(7,4) LY(8,4) VA 1.0 LY(7,4) LY(8,4) ! VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) ! VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) FR PS(1,2) PS(2,3) PS(1,3) PS(1,4) PS(2,4) PS(3,4) FR PS(1,2) PS(2,3) PS(1,3) PS(1,4) PS(2,4) PS(3,4) PD PD OU ND=3 WP AD=OFF OU ND=3 WP AD=OFF

23 Anhang Syntax Modell 2 mit MF Syntax Modell 2 mit MF DA NI = 12 NO = 503 MA=CM DA NI = 12 NO = 503 MA=CM CM FI = modell2.cov CM FI = modell2.cov ME FI = modell2.means ME FI = modell2.means LA LA t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpit1 emofpit2 emofpit3 emofpit4 t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpit1 emofpit2 emofpit3 emofpit4 SE SE / / MO NY=8 NE=5 LY=FU,FI TE=DI,FR PS=SY,FR MO NY=8 NE=5 LY=FU,FI TE=DI,FR PS=SY,FR LE LE Bef_t1 Bef_t2 Bef_t3 Bef_t4 METH Bef_t1 Bef_t2 Bef_t3 Bef_t4 METH VA 1.0 LY(1,1) LY(2,1) VA 1.0 LY(1,1) LY(2,1) VA 1.0 LY(3,2) LY(4,2) VA 1.0 LY(3,2) LY(4,2) VA 1.0 LY(5,3) LY(6,3) VA 1.0 LY(5,3) LY(6,3) VA 1.0 LY(7,4) LY(8,4) VA 1.0 LY(7,4) LY(8,4) VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) FR PS(1,2) PS(2,3) PS(1,3) PS(1,4) PS(2,4) PS(3,4) FR PS(1,2) PS(2,3) PS(1,3) PS(1,4) PS(2,4) PS(3,4) PD PD OU ND=3 WP AD=OFF OU ND=3 WP AD=OFF

24 Anhang Syntax Modell 3a mit MF und Prädiktor Syntax Modell 3a mit MF und Prädiktor DA NI = 12 NO = 503 MA=CM DA NI = 12 NO = 503 MA=CM CM FI = modell2.cov CM FI = modell2.cov ME FI = modell2.means ME FI = modell2.means LA LA t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpit1 emofpit2 emofpit3 emofpit4 t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpit1 emofpit2 emofpit3 emofpit4 !SE !SE ! / ! / MO NY=8 NX=4 NK=1 NE=5 LY=FU,FI TE=DI,FR GA=FU,FI PS=SY,FR PH=SY,FR MO NY=8 NX=4 NK=1 NE=5 LY=FU,FI TE=DI,FR GA=FU,FI PS=SY,FR PH=SY,FR LE LE Bef_t1 Bef_t2 Bef_t3 Bef_t4 METH Bef_t1 Bef_t2 Bef_t3 Bef_t4 METH LK LK Emo Emo VA 1.0 LY(1,1) LY(2,1) VA 1.0 LY(1,1) LY(2,1) VA 1.0 LY(3,2) LY(4,2) VA 1.0 LY(3,2) LY(4,2) VA 1.0 LY(5,3) LY(6,3) VA 1.0 LY(5,3) LY(6,3) VA 1.0 LY(7,4) LY(8,4) VA 1.0 LY(7,4) LY(8,4) VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) VA 1 LX(1,1) VA 1 LX(1,1) FR LX(2,1) LX(3,1) LX(4,1) FR LX(2,1) LX(3,1) LX(4,1) FR GA(5,1) GA(4,1) GA(3,1) GA(2,1) GA(1,1) FR GA(5,1) GA(4,1) GA(3,1) GA(2,1) GA(1,1) PD PD OU ND=3 WP AD=OFF OU ND=3 WP AD=OFF

25 Anhang Syntax Modell 3b mit MF und Prädiktor Syntax Modell 3b mit MF und Prädiktor DA NI = 10 NO = 503 MA=CM DA NI = 10 NO = 503 MA=CM CM FI = modell6.cov CM FI = modell6.cov LA LA t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpi1 emofpi2 t1pos t1neg t2pos t2neg t3pos t3neg t4pos t4neg emofpi1 emofpi2 !SE !SE ! / ! / MO NY=8 NX=2 NK=1 NE=5 LY=FU,FI TE=DI,FR GA=FU,FI PS=SY,FR PH=SY,FR MO NY=8 NX=2 NK=1 NE=5 LY=FU,FI TE=DI,FR GA=FU,FI PS=SY,FR PH=SY,FR LE LE Bef_t1 Bef_t2 Bef_t3 Bef_t4 METH Bef_t1 Bef_t2 Bef_t3 Bef_t4 METH LK LK Emo Emo VA 1.0 LY(1,1) LY(3,2) LY(5,3) LY(7,4) VA 1.0 LY(1,1) LY(3,2) LY(5,3) LY(7,4) VA 1 LY(2,1) LY(4,2) LY(6,3) LY(8,4) VA 1 LY(2,1) LY(4,2) LY(6,3) LY(8,4) VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) VA 1.0 LY(2,5) LY(4,5) LY(6,5) LY(8,5) VA 1 LX(1,1) VA 1 LX(1,1) FR LX(2,1) FR LX(2,1) FR GA(5,1) GA(4,1) GA(3,1) GA(2,1) GA(1,1) FR GA(5,1) GA(4,1) GA(3,1) GA(2,1) GA(1,1) PD PD OU ND=3 WP AD=OFF OU ND=3 WP AD=OFF


Herunterladen ppt "Methodeneffekte als individuelle Kausale Effekte am Beispiel GES7 Uta Tittelbach, Marcel Franz, Karl Georg Pfleger."

Ähnliche Präsentationen


Google-Anzeigen