Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 7.

Ähnliche Präsentationen


Präsentation zum Thema: "Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 7."—  Präsentation transkript:

1 Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 7

2 Agenda Lösung der Aufgaben von letzter Woche Fragen zur Vorlesung Üben mit Mplus Aufgaben

3 Aufgabe Berechnen Sie mit Mplus ein Modell mit das beide latenten Skalen gute/schlechte Stimmung und Wachheit/Müdigkeit enthält. Wie hoch korrelieren die beiden Merkmale? Stellen Sie Vermutungen darüber an in welcher Rangreihe die Höhe der folgende Korrelationen stehen könnten. Begründen Sie Ihre Vermutung. –Kor(gut i,wach j ) –Kor(S gut,S wach ), wobei –Kor(η gut,η wach )  Berechnen Sie die jeweiligen Korrelationen (SPSS) (für Kor(gut i,wach j ) nur ein Bsp.) und vergleichen Sie diese.

4 Korrelationen manifest - latent Kor(gut i,wach j ) zwischen zwei manifesten items unterschätzt die Korrelation der True Scores aufgrund der Fehlervarianz! Die Korrelation steigt mit der Reliabilität der Variablen! Gilt mindestens das Modell τ-kongenerischer Variablen nimmt die Reliabilität der Summenscores unter Addition von Items zu! Summenscores sind noch immer messfehlerbehaftete manifeste Variablen, deshalb:

5 Korrelationen gut - wach Korrelationen zwischen den Items beider Skalen

6 Korrelationen gut – wach (Summenscores) UMKODIEREN IST ENTSCHEIDEND!  KORREKTE KORRELATION!!!

7 Übung „Datensatz“ GES7 - gut_wach_2.dat herunterladen - Mplus öffnen

8 Umkodieren gut Skala / Bildung Summenscores Ladungen der EFA (SPSS), nach Gleichrichten der Items der „Gut- Schlecht-Skala“ des MDBF FaktorZuordnung zur Indikator- variable trübsinnig_u,8501 gedrückt_u,8412 missgestimmt_u,8333 unglücklich_u,8264 betrübt_u,8224 unzufrieden_u,8143 missmutig_u,8122 unwohl_u,7261 froehlich,7031 heiter,6632 vergnuegt,6273 hochgestimmt,6184

9 Hypothesentestung in Mplus am Bsp. der Korrelation Kor(η gut,η wach )

10 Korrelation Kor(η gut,η wach ) Verschiedene Hypothesen denkbar: 1.Die Korrelation zwischen Wachheit/Müdigkeit und der Stimmung ist 0. (H 0 : Kor(η gut,η wach ) = 0) 2.Die Korrelation zwischen Wachheit/ Müdigkeit und der Stimmung ist δ. (H 0 : Kor(η gut,η wach ) = δ) Hypothese 1 wird in Mplus automatisch über den t-Test der entsprechenden Kovarianz geprüft (t-Wert: Est./S.E.)

11 Hypothesentestung in Mplus: Weitere Möglichkeiten der Hypothesentestung in Mplus: –χ 2 -Differenzen Test über „MODEL CONSTRAINT“ und und der Form „0 =...“ –t-Test über „MODEL CONSTRAINT“ und „NEW (...)“ Statement –WALD-Test über „MODEL Test“ und der Form „0 =...“

12 Korrelation Kor(η gut,η wach ) am Beispiel: Hypothesentestung in Mplus: –χ 2 -Differenzen Test restringiertes Modell vs. unrestringiertes Modell (sog. Likelihood Ratio Test)

13 Korrelation Kor(η gut,η wach ) χ 2 -Differenzen Test in Mplus –Über „MODEL CONSTRAINT“ unter MODEL wird die Nullhypothese spezifiziert  Output enthält χ 2 -Wert des restringierten Modells! Achtung! Richtung (Vorzeichen) der Korrelation beachten!

14 Korrelation Kor(η gut,η wach ) χ 2 -Differenzen Test in Mplus –Nachfolgende Berechnung des Models ohne „MODEL CONSTRAINT“ –Berechnung der χ 2 -Differenz  bei gegebenen Freiheitsgraden p-Wert aus χ 2 -Tabelle ablesen

15 Korrelation Kor(η gut,η wach ) am Beispiel, Hypothesentestung in Mplus: –t-Test über „MODEL CONSTRAINT“ und „NEW (...)“ Statement –Der zu schätzende Modelparameter kann dabei auch eine Funktion anderer Modellparameter sein!  muss in Mplus als Gleichung formuliert werden!

16 Korrelation Kor(η gut,η wach ) t-Test über „MODEL CONSTRAINT“ und „NEW (...)“ Statement

17 Korrelation Kor(η gut,η wach ) t-Test über „MODEL CONSTRAINT“ und „NEW (...)“ Statement Nullhypothese: Kor(η gut,η wach ) = -1 t-Test in Mplus

18 Korrelation Kor(η gut,η wach ) am Beispiel, Hypothesentestung in Mplus: –WALD-Test über „MODEL TEST“ und der Form „0 =...“ WALD-Test allgemein: Am Bsp.: Constraint = Cov + 1 = 0

19 Korrelation Kor(η gut,η wach ) WALD-Test über „MODEL TEST“ und der Form „0 =...“ Nullhypothese: Kor(η gut,η wach ) = -1

20 Zusammenfassung Es gibt 4 Varianten der Modelltestung in Mplus: 1.χ 2 -Differenzen Test, restringiertes Modell vs. unrestringiertes Modell (sog. Likelihood Ratio Test) 2.T-Test in der Standardversion mit der Nullhypothese: Modellparameter = 0 3.T-Test über Definition eines neuen Modellparameters der als Gleichung formuliert wird 4.WALD-TEST !! Option 3 – 4 nicht auf POOL-Rechnern möglich!!

21 Aufgaben Testhälften bilden für die Ruhe/Unruhe-Skala des MDBF- Datensatzes (Kodierung beachten, Summenscores bilden). Messmodell prüfen! nur implizierte Kovarianzstruktur Mit Kovarianz- und Erwartungswertstruktur  2 -Wert τ-kongenerisch  2 = df =  2 = df =  2 – Differenz τ-kongenerisch vs. essentiell τ-äquivalentes Modell  2 diff = df =  2 diff = df =  2 – Differenz essentiell τ-äquivalentes Modell vs. Paralleltestmodell  2 diff = df =  2 diff = df =

22 Zusätzliches Material zur Klärung mancher Fragen der Übung!

23 Warum sind Summenscores reliabler?? Bei Summierung verfierfacht sich die True-score-Varianz. Die Fehlervarianz verdoppelt sich lediglich! Die Reliabilität steigt!

24 Korrelationen manifest - latent Korrelation der True scores ist mindestens so groß wie die Korrelation der manifesten Variablen.

25 Anwendung: „Minderungkorrektur“


Herunterladen ppt "Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 7."

Ähnliche Präsentationen


Google-Anzeigen