testkonstruktion

Antwortskala muss so transformiert werden, dass theoretisches Minimum bei Null liegt z.B. Skala von 1-5 wird um-1 korrigiert

((Mittelwert- Differenz zu Null)/ (Max-Differenz zu Null)x100

Eine durch den Vektor der spezifischen Modellparameter implizierte Kovarian zu finden, die der beobachteten Kovarianz in der Population möglichst nahe kommt

Kovarianzmatrix nach parceling und ML

frei

fix

beschränkt (Gleichheits oder Ungleichheitsbeschränkung)

1. mehr  Skalenstufen je Item

2. mehr Items zu einem Testwert aggrgiert werden

3. gleichmäßiger die Abstände zwischen Skalenstufen von Teilnehmern empfunden werden

Prüfung Konstruktvalidität

Mehrzahl Konstrukte werden mit verschiedenen Methoden erfasst

Methode können unterschiedliche Erhebungsverfahren, Beurteiler oder Messzeitpunkte sein

Sinn der Überkreuzung von Kosntruken und Messgelegenheiten ist den Einfluss des Konstruktes auf Messergebnisse (konstruktvalide Varianz) vom Einfluss der Methode (bias) zu trennen

korrelationsbasierte oder konfirmatorische Auswertung

Tucker-Lewis-Index

Typ2

cut-off.95

maximal >1

intuitiv vs. regelgeleitet

wesentlich dafür ist die Qualität der Arbeistdefinition des Merkmalbereiches

"Jedes Item sollte innerhlab des definierten Bereiches liegen und Itemmenge sollte Bereich repäsentativ erfassen"

Hilfsmittel für systematische Itemgenerierung AFA CIT

nichtlineare Transformation

-> sichert Differenzskalenniveau

Differenzen in Fähigkeits- oder Eigenschaftsausprägung lassen sich interpretieren

Zeilensumme je Item pro Faktor der quadrierte Ladung

Anteil der Varianz eines Items, der durch alle extrahierten Faktoren gemeinsam aufgeklärt wird

kann als Untergrenze Reliabilität aufgefasst werden

hoch positiv korrelierte Items

theoretisch gut aber auch mögl. Zeichen für Redunanz

neg. Bsp. 10 mal die gleiche Frage

Sie trennt die gemeinsame Varinaz der Items von der Spezifität der Items + Fehlerteilen

mehr empirische Information als  freie Parameter

Schätzung und Güteprüfung konfirmatorisch möglich

je mehr Freiheitsgerade, je strenger Modelltest

Passung jedoch nicht mehr Perfekt

Nicht-konvergenz (es kommt keine Lösung zu stande) und Hey-wood cases (unzulässige Lösungen)

Korrelationsmustervieler gemessener manifester Variablen, die auf der gleichen logischen und hierarchischen  Ebene liegen

-> Ziel: Datenstrukturierung

Rotation bei vorliegenden Annahmen über theoretischer Konstrukte und nicht Erfüllung (ungünstig) der Vorrausetzungen für CFA

Faktoren werden so rotiert, dass sie sich einer Zielmatrix (erwartete oder früher gefundene Faktorenstruktur) bestmöglichst annähern /sie diese reproduzieren

für jede Person sind in beiden Messungen wahrer Wert und Fehler gleich hoch

impliziert gleiche Trennschärfe und Itemschwierigkeit und gleiche Korrelation mit Außenkriterien

esentiell parallele Messungen (Annahme gleicher Mittelwerte wird aufgegeben- wahrer Wert kann zwischen Messungen um additive Komponente verschoben sein)

Faktoranalytisches Modell:

gleiche Faktorladung und gleiche Fehlervarianz der Indikatoren
 

alle Eigenwerte größer als Null

Grund für feheln sind strake lineare Abhängigkeit bzw Redunanz und paarweise Ausschluss

Problem bei Fehlen: Kann nicht invertiert werden und Schätzung mittels ML und GLS schlägt fehl

Signifikanztest Raschmodell

teststatistische Umsetzung des grafischen Modelltests

Kreise oder Ellipsen

griechische Buchstaben

structural equation modelling SEM

auch Kovarianzstrukturanalyse

Verfahrensgruppe zu der auch CFA gehört

Anwendung: Prüfung zuvor spezifizierter theoretischer Modelle

EFA oder multiple Regression als Spezialfälle

Modellierung sowohl der theoretischen latenten Ebene als auch der manifesten Messebene, die Verbindung beider Ebenen und die Prüfung der damit verbundenen Modellannahmen

breitgipflige Verteilung

Konzept der spezififischen Objektivität Unabhängigkiet der Messwrete von der untersuchten Item und Personenstichprobe

nur relative Berechnung

Ausprägung einer Person auf eine beobachtete Variable setzt sich aus gewichteter Kombination von Auspräguungen auf latenter Variable zusammen

KEIN Fehlerterm

z.B. PCA

-> interessiert sich nur für empirische Daten und darinliegende Information

absolute Fit-Indizes

komperative Fit-Indizes

Extrahiert werden die Faktoren, deren empirischen Eigenwerte über einem Eigenwertverlauf von Zufallswerten liegt

VORGEHEN:Matrix bzw viele Matrizen mit gleichem Rang (gleiches p) wie empirische Matrix aber auf Zufallswerten beruhen

Aus Zufallskorrelation werden Faktoren bzw Komponenten extrahiert und nach Eigenwerten geordnet

Bei PCA Korralatiosmatrix entspricht in unendlich großen Stichproben der Identitätsmatrix -> Abweichungen der Eigenwerte von 1 zufallsbedingt

Vergleich Zufallseigenwerte mit empirischen Eigenwerten Faktoren bzw komponeten aus empirischer Matrix bleiben erhalten solang empirishe Eigenwerte dieder Faktoren der Zufallsmatrix mit dem gleichen Rangplatz übersteigen Überschätzung bei großen Stichproben; je grüßer Stichprobe desto falcher Verlauf der zufälligen Eigenwerte

N gegen unendlich entspricht jede Zufallsmatrix der Identitätsmatrix ,(Eigenwerte=Elemente in der Hauptdiagonalen) Extremum entspricht Parallelaalyse entspricht KG Kriterium. In Screeplott wird Eigenwertverlauf zu Geraden

Ähnliches Verfahren Minimum Average Partial test (MAP-Test)

keine suggestive und unnötige wertende Formulierung

keine wertende Formulierung

keine Gemeinplätze

varainzanalytischer Ansatz, bei der die gesamte Testvarianz in Komponenten zu Lasten bestimmter Varainzquellen und deren Kombinationen zerlegt wird

mind. 2 Studien

nur in Ausanhemen angewendet weil Zeitaufwendig und Komplex