Law of comparative judgement

Slides:



Advertisements
Ähnliche Präsentationen
Quanti Tutorium
Advertisements

Aufgabe: Wie stellt man eine for-Schleife durch eine while-Schleife dar ?
Heute 1.F – Test zur Varianzhomogenität 2.Bartlett-Test zur Varianzhomogenität 3.Chi – Quadrat Tests für Häufigkeiten 4.Chi – Quadrat Tests zur Verteilungsanpassung.
Was ist Testtheorie?.
Arbeiten mit Mittelwert- und Kovarianzstrukturmodellen
Forschungsstrategien Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Multidimensionale Skalierung (..., Shepard, 1962, ...)
Forschungsstatistik II
Heute Prüfung der Produkt-Moment Korrelation
Messung in Einheiten der Standardabweichung
Klassische Testtheorie
Forschungsstatistik I
Forschungsstatistik I
Forschungsstatistik I
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2005/2006 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Der Binomialtest Man habe einen wahren Anteil P.
Patrick Rössler Methoden der Datenerhebung und -auswertung Vorlesung BA Kommunikationswissenschaft (G21) 1.
Quantitative Methoden I
Die Seevermessung Kl.8 Reflexives Magnetthema
Deskriptive Statistik und Wahrscheinlichkeitstheorie
Das Wunder der Koordinatentransformation Das Wunder der sexuellen Fortpflanzung = Rekombination.
Statistische Methoden II
Nachholung der Vorlesung vom Freitag
Ab nächster Woche wird die Übungsgruppe Gruppe 2: Henrike Berg Di SR 222 wegen Personalmangel eingestellt.
Die Vorlesung Statistische Methoden II findet am (nächste Woche) wegen der Projektwoche nicht wegen der Projektwoche nicht statt.
SR 222 : Fleischmannstraße 6 SR : Loefflerstraße 70
TESTS. Worum es geht Man möchte testen, ob eine bestimmte Annahme (Hypothese) über Parameter der Realität entspricht oder nicht. Beobachtung (Stichprobe)
Kolmogorov-Smirnov-Test. A. N. Kolmogorov Geboren in Tambov, Russland. Begründer der modernen Wahrscheinlichkeitstheorie.
Median Merkmal Geordneter Datensatz
Klausurtermin (laut Prüfungsamt) Probeklausur Freitag, 13. Juni 2003 statt Vorlesung.
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Quantile.
Häufigkeiten Gegeben ist eine Datenliste (Urliste) (hier z. B. die Klausur-Noten von 50 Studenten)
Bedingte Wahrscheinlichkeiten
Probeklausur Die Probeklausur findet am anstelle der Vorlesung statt. 13. Juni 2003 Nächste Woche!!
Verteilungsfunktion der Normalverteilung I. Verteilungsfunktion der Normalverteilung II.
Quantile.
Approximative Konfidenzintervalle im Bernoulli-Fall II
Test auf Normalverteilung
Diskrete Wahrscheinlichkeitsmodelle
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Vorlesung: Biometrie für Studierende der Veterinärmedizin
Stetige Zufallsgrößen
Vorlesung Biometrie für Studierende der Veterinärmedizin Begriff der Zufallsgröße Ergebnisse von Zufallsexperimenten werden als Zahlen dargestellt:
Binomialverteilung: Beispiel
(Un-)sicherheiten in der Ökosystemmodellierung
Eigenschaften der OLS-Schätzer
Sensitivitätsanalyse
STATISIK LV Nr.: 1375 SS März 2005.
Kapitel 4 Annahmen des linearen Regressionsmodells
Numerische Verarbeitung digitaler Signale
Zentralabitur 2006 im Fach Mathematik.
Determinanten und Cramer‘sche Regel
Forschungsmethodik II, SS 2010 Vesna Pavlovski & Julia Pichlhöfer
Statistik Statistik I Seminar + Blockveranstaltung Statistik I
Kurzreferat über Funktionen und Prozeduren Von Alexander RothHomepage:
Veranstaltung 4.
Messen Zuordnung von Zahlen zu Objekten/Ereignissen gemäß Regeln
Mathematik für BiologInnen WS 05
Der Binomialtest Man habe einen wahren Anteil P. Kann man aufgrund von p sagen, daß in der Population tatsächlich der Anteil P zugrunde liegt? [Beispiele]
Phi-Koeffizient: Alternative Berechnungsart
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Varianzfortpflanzung
Analysen univariater Stichproben
Ökonometrie und Statistik Wiederholung
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
 Präsentation transkript:

Law of comparative judgement Thurstone Skalierung Law of comparative judgement (Beispiel für eine Skalierung einer latenten metrischen Variable)

LCJ-Skalierung (Thurstone) Man läßt Paarvergleiche für k Objekte von N Personen durchführen Man nimmt an, daß die Personen die Objekte auf einer eindimensionalen latenten Skala anordnen und darauf vergleichen, wenn sie ihr Präferenzurteil fällen Die Annahme der Normalverteilung macht es möglich, von Daten auf ordinalem Skalenniveau (Präferenzurteilen) zu metrischen Skalenwerten (Intervallskala) überzugehen

Latente Skala m m m m (Objekte I, Werte X ) Latente Variable X 1 2 3 4 Person N X1 X2 X3 X4 Person i X1 X2 X3 X4 Person 1 X1 X2 X3 X4

Differenzen-Skala m 1 2 Latente Variable X D mD= m2-m1

z-Standard-Differenzen-Skala zD z12 ist der standardisierte Abstand der Erwartungswerte der 2 Objekte

p- und z- Matrix Dominanzwahrscheinlichkeiten z- Quantile Die zij gehen aus den pij durch die inverse Verteilungsfunktion F-1(1-pij) hervor

z- Skala z- Quantile Die Zeilenmittelwerte sind eine lineare Transformation des Erwartungswertes mi. Sie sind damit eine Intervallskala, wenn die latente Skala X eine metrische Skala ist.

Annahmen der LCJ-Skalierung A1: Der Wahrnehmung von Objekteigenschaften entspricht eine Anordnung der Objekte auf einem latenten metrischen Kontinuum A2: Wenn Personen ordinale Urteile über die Objekte fällen, führen sie Vergleiche der Werte der internen Skala durch A3: Die Werte vieler Personen ergeben für jedes Objekt stets eine Normalverteilung. Die Normalverteilungen aller Objekte haben dieselbe Varianz. Aus den Differenzen der normalverteilten Werte kann eine intervallskalierte Variabilitätsskala gewonnen werden