Übung zur Vorlesung Theorien Psychometrischer Tests I

Slides:



Advertisements
Ähnliche Präsentationen
Übung zur Vorlesung Theorien Psychometrischer Tests I
Advertisements

Berg-Schlosser : VL : Vergleichende Politikwissenschaft Vergleichende Methoden Ausgangsbasis : Fälle: begrenzte Auswahl auf der Makro-Ebene, abhängig.
Selbstbezogene Implizite Einstellungen - IAT und GNAT im Vergleich Anna-Konstanze Schröder, Kati Dorsch, Kristina Geue, Friederike Lipka, Anja Pörschmann,
Theorie psychometrischer Tests, III
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
EmPra Der Einfluss und die Verarbeitung von emotionalen Reizen
Das Allgemeine lineare Modell (ALM) - Varianz als Schlüsselkonzept
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (19 - Analyse natürlicher Bäume) Prof. Th. Ottmann.
Übung zur Vorlesung Theorien Psychometrischer Tests I
Mehrdeutigkeit eines positiven Effekts bei Querschnittsdaten
Aufgabe Der Zusammenhang zwischen einem traumatischen Erlebnis und der Entstehung einer PTBS wird von mehreren Variablen …………….: Copingstrategien, Kontrollüberzeigung,
Strukturgleichungsmodelle
Statistische Methoden II SS 2007 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Statistische Methoden I SS 2005 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Tutorium
Unser letztes Tutorium
Tutorium
Tutorium
Unser letztes Tutorium Output – das Modell gut11 gut12 gut21 gut22 gut31 gut32 state1 state2 state3 XI MF
Unser zehntes Tutorium Materialien unter:
Tutorium Aufgabe 1 Informationen in Designmatrix in: - Darin sind die Prädiktoren enthalten - Aber sagt uns noch mehr! Untersuchungsdesign darin.
Unser schönstes Tutorium Materialien unter:
Vorlesung Biometrie für Studierende der Veterinärmedizin Begriff der Zufallsgröße Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt:
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Regionalisierte Variablen und Kriging
Phasen einer empirischen Untersuchung
Kann man Originalität trainieren ?
Framing Effekt: Der getrennte Einfluss von Wahrscheinlichkeiten und Utilities Ralf Stork, E. H. Witte Universität Hamburg, Fachbereich Psychologie, Von-Melle-Park.
Theorie psychometrischer Tests, IV
Theorie psychometrischer Tests, II
Multivariate Statistische Verfahren
Methodeneffekte als individuelle Kausale Effekte am Beispiel GES7
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Vorschlag zur Abfassung einer PPT-Präsentation des Planungsreferats
Übung zur Vorlesung Theorien Psychometrischer Tests I
Testtheorie (Vorlesung 6: ) Zusammenfassung: Matrizen
Testtheorie (Vorlesung 7: ) Rekapitulation: Modellierungsansatz
Testtheorie (Vorlesung 4: ) Wiederholung/Zusammenfassung
Testtheorie (Vorlesung 5: ) Wiederholung/Zusammenfassung  Reduktion von Gleichungen:
setzt Linearität des Zusammenhangs voraus
Tutorium zur Datenanalyse mit SPSS
Überblick Statistik Deskriptive Statistik=beschreibende Statistik
Varianzanalyse und Eta²
C.Abig, J.Suhrke, C.Gebhardt1 Methodeneffekte als individuelle kausale Effekte Existentielle Schuld. Primärdatensatz der Längsschnitterhebung Leo.
Überblick empirische Forschung
Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 6.
1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke.
Die Faktorenanalyse.
Sozialpsychologie - Vertiefung im SS 2011 Willkommen zur Theoretischen und Empirischen Vertiefung im Fach Sozialpsychologie! Meine Kontaktdaten: Dr. Nicole.
Faktorenanalyse Tamara Katschnig.
Reliabilität.
Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 8.
Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 8.
Übung zur Vorlesung Theorien Psychometrischer Tests I
Übung zur Vorlesung Theorien Psychometrischer Tests I
Übung zur Vorlesung Theorien Psychometrischer Tests I
Testtheorie (Vorlesung 13: ) Wiederholung: Richtigstellung
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
 Gegenstandsbereich der Testtheorie: Analyse der Charakteristika von Tests:  Güte von Tests.  Struktur von Tests.  Schwierigkeit von Tests.  Gruppenunterschiede.
Grafische Darstellung von Gruppenunterschieden.
Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode.
Testtheorie (Vorlesung 14: ) Testtheorie allgemein:  Ziele und Inhalte der Testtheorie:  Beurteilung der Eigenschaften von Tests  Speziell: Güte.
Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode.
Ihr Name.  Übersicht  Ziele des Brainstormings  Regeln  Durchführung des Brainstormings  Zusammenfassung  Nächste Schritte.
Reliabilität.
Brainstorming Name des Vortragenden.
Kapitel 2: Testtheorie / Testmodelle
Brainstorming Name des Vortragenden.
 Präsentation transkript:

Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf Kröhne Norman Rose Session 11

Nulltens Wegen Krankheit des damit betrauten Mitarbeiters sind die Videos nicht im Netz.

Agenda Fragen zur Übung vergangener Woche Fragen zur Vorlesung vergangener Woche Methodenfaktor Übersicht über die Modelle Anwendung

Inhaltliche Fragestellungen (1) Positiv formulierte Items der GS Skala vs. negativ formulierte Items Gibt es einen Mittelwerts-effekt für die Formulierung, d.h. antworten die VPn auf positiv vs. negativ formulierte Items unterschiedlich? Kenngröße: Erwartungswert des Methodenfaktors

Inhaltliche Fragestellungen (2) Positiv formulierte Items der GS Skala vs. negativ formulierte Items Ist dieser Effekt für alle Versuchspersonen gleich oder gibt es interindividuelle Unterschiede in dem Methodeneffekt? Kenngröße: Varianz des Methodenfaktors Gibt es Zusammenhänge des Effekts der Itemformulierung mit der zu messenden Eigenschaft? Kenngröße: Kovarianzen des Methodenfaktors mit State- und Traitvariablen Lässt sich der Effekt der Itemformulierung durch Variablen erklären? Kenngröße: Regression des Methoenfaktors auf Drittvariablen

Grundmodell e11 Y11 1 e21 Y21 e12 Y12 2 e22 Y22 e13 Y13 3 e23 Y23 211 Fragebogen: MDBF Struktur: 3 oder 4 Messzeitpunkte Skala: Gute-Schlechte Stimmung Aufteilung in Testwertvariablen entsprechend der Formulierung mit e12 Y12 1 2 e22 Y22 221 e13 Y13 1 Y1i als positiv formulierte Items zu Zeitpunkt i 3 e23 Y23 231 Y2i als nagativ formulierte Items zu Zeitpunkt i e14 Y14 1 4 e24 Y24 241

Idee e11 e21 e12 e22 e13 e23 MF e14 e24 1 211 1 221 1 1 1 231 1 Gut (positiv) 1 1 Zeitpkt. 1 211 e21 Schlecht (negativ) 1 e12 Gut (positiv) 2 1 Zeitpkt. 2 221 e22 Schlecht (negativ) 2 1 e13 Gut (positiv) 3 1 Zeitpkt. 3 1 231 MF e23 Schelcht (negativ) 3 1 1 e14 Gut (positiv) 4 1 Zeitpkt. 4 241 e24 Schlecht (negativ) 4

CTCM (Historisch) e11 Y11 1 e21 Y21 MF1 e12 Y12 2 e22 Y22 MF2 e13 211 E(MF1) = 0 1 MF1 e12 Y12 1 1 2 1 e22 Y22 221 E(MF2) = 0 1 MF2 e13 Y13 1 1 3 e23 Y23 231 1 e14 Y14 1 4 e24 Y24 241

CTC(M-1) e11 Y11 1 e21 Y21 e12 Y12 2 MF e22 Y22 e13 Y13 3 e23 Y23 211 e12 Y12 1 E(MF) = 0 1 2 MF e22 Y22 221 1 1 e13 Y13 1 3 1 e23 Y23 231 e14 Y14 1 4 e24 Y24 241

Method Effects e11 Y11 1 e21 Y21 e12 Y12 2 MF e22 Y22 e13 Y13 3 e23 211 e12 Y12 1 E(MF) =  1 2 MF e22 Y22 221   e13 Y13 1 3  e23 Y23 231 e14 Y14 1 4 e24 Y24 241

Vergleich der Modelle + ++ - Eigenschaften des Modells CTC(M-1) ME Model Theoriegeleitete Definition des Methodenfaktors + ++ Erwartungswert des Methodenfaktors definiert - Varianz des Methodenfaktors definiert Cov(ME,Trait) Addidivität der Varianzen Symmetrisch

Agenda Fragen zur Vorlesung Methodenfaktor Übersicht über die Modelle Anwendung

Simple Model e12 Y12 2 e22 Y22 e13 Y13 3 e23 Y23 e14 Y14 4 e24 Y24 Anwendung e12 Y12 Zur Erinnerung: Messmodelle der KTT (je Zeitpunkt) Parallel Essentiell tau-äqui. tau-kongenerisch Zusammenfassung der Zeitpunkte (LST): „Multistate Modell“ 1 2 1 e22 Y22 e13 Y13 1 3 1 e23 Y23 e14 Y14 1 4 1 e24 Y24

Praxisteil 1 3t_SimpleModel_kongenerisch  zu Parallel umbauen. Los geht‘s mit: www.metheval.uni-jena.de/ usw. - 3t_SimpleModel_kongenerisch.inp - MDBF_GS_4t.dat;

CTC(M-1) e12 Y12 2 e22 Y22 e13 Y13 MF 3 e23 Y23 e14 Y14 4 e24 Y24 1 Anwendung Alle Intercepts () fixiert auf 0 Alle Ladungen () fixiert auf 1 Erwartungswerte der Etas frei geschätzt e12 Y12 1 2 1 e22 Y22 e13 Y13 1 MF E(MF) = 0 3 1 1 e23 Y23 1 1 e14 Y14 1 4 1 e24 Y24

Praxisteil 2 3t_SimpleModel_Parallel aus Schritt 1  zu CTC(M-1) Modell umbauen. Los geht‘s mit dem Modell „von eben“. - 3t_SimpleModel_parallel.inp

Method Effects e12 Y12 2 e22 Y22 e13 Y13 MF 3 e23 Y23 e14 Y14 4 e24 Anwendung Alle Intercepts () fixiert auf 0 Alle Ladungen () fixiert auf 1 Erwartungswerte aller latenten Variablen frei geschätzt e12 Y12 1 2 1 e22 Y22 e13 Y13 1 MF E(MF) =  3 1 1 e23 Y23 1 1 e14 Y14 1 4 1 e24 Y24

Praxisteil 3 3t_CTC_M-1_Parallel aus Schritt 2  zu-Method Effects-Modell umbauen. Los geht‘s mit dem Modell „von eben“. - 3t_CTC_M-1_Parallel.inp

Freiwillige Hausaufgabe Erweitern Sie die Modelle um den 1. Zeitpunkt. Warum verschlechtert sich der Modellfit (explorativ). Probieren Sie andere Modelle der KTT für das Method-Effects-Modell aus und finden Sie für 3 und 4 Zeitpunkte heraus, welches Meßmodell am besten paßt. Unterscheiden sich beim Method-Effects-Modell die Ergebnisse, in Abhängigkeit davon welche Methode als Referenz gewählt wird?