1 / 19

Übung zur Vorlesung Theorien Psychometrischer Tests I

Übung zur Vorlesung Theorien Psychometrischer Tests I . Ulf Kröhne Norman Rose Session 6. Agenda. Lösung der Aufgaben Fragen zur Vorlesung Üben zu Mplus Aufgaben. Aufgabe. Aufschreiben, wie folgende Matrizen für die Modelle aus der Vorlesung aussehen:  (Lambda)  (Theta)  (Psi)

ailani
Download Presentation

Übung zur Vorlesung Theorien Psychometrischer Tests I

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Übung zur Vorlesung Theorien Psychometrischer Tests I Ulf KröhneNorman Rose Session 6

  2. Agenda • Lösung der Aufgaben • Fragen zur Vorlesung • Üben zu Mplus • Aufgaben

  3. Aufgabe • Aufschreiben, wie folgende Matrizen für die Modelle aus der Vorlesung aussehen: •  (Lambda) •  (Theta) •  (Psi) • Modelle: •  - kongenerisch, essentiell  - äquivalent, parallel • Befindlichkeitsmessung (1. Zeitpunkt) • Datensatz: GES7 (4 Indikatoren) ges7_GS_4Ind.dat

  4. Aufgabe • Lambda-Matrix • Paralleltest-Modell und essentiell-τ-äquivalentes Modell: • τ-kongenerisches Modell:

  5. Aufgabe • Theta-Matrix • Paralleltest-Modell • essentiell-τ-äquivalentes Modell und τ-kongenerisches Modell:

  6. Aufgabe • Psi-Matrix • Paralleltest-Modell: • essentiell-τ-äquivalentes Modell: • τ-kongenerisches Modell:

  7. Fragestellung • Unter Verwendung des GES7-Datensatzes: • Wie hoch ist der Zusammenhang zwischen guter/schlechter Stimmung und dem Grad der Wachheit/Müdigkeit?

  8. Schritte zur Bearbeitung der Fragestellung • Präzisieren der Fragestellung • Prüfen des Messmodells für beide Skalen (guter/schlechter Stimmung und Wachheit/Müdigkeit) • Simultane Analyse beider Messmodelle mit Schätzung der Korrelation zwischen den latenten Variablen

  9. Präzisieren der Fragestellung Wie hoch korrelieren die beiden latenten Variablen gute/schlechte Stimmung und der Grad der Wachheit/Müdigkeit?

  10. Prüfen des Messmodells • Bildung von Testwertvariablen GES7 • Erstellung von 4 Indikatoren für eine gemeinsame Skala „Gute-Schlechte Stimmung“ (siehe letzte Sitzung) • Erstellung von 4 Indikatoren für eine gemeinsame Skala „Wachheit/Müdigkeit“

  11. Übung „Datensatz“ GES7 • http://www.metheval.uni-jena.de/ • gut_wach_uebung.sav herunterladen • gut_wach_uebung.sav in SPSS öffnen • „Umpolen/Gleichrichten“ der Items (Datei: „Umkodieren.SPS“) • Summenscores berechnen (Datei: „Sumscores.SPS “) • Summenscores als Tab-File speichern • Variablennamen entfernen (Reihenfolge prüfen!) • Mplus verwenden

  12. Umpolen weil ... Korrelationen der Summenscores ohne vorheriges Gleichrichten der Items !!!! Korrelationen der Summenscores mit vorherigem Gleichrichten der Items !!!!

  13. Prüfen des Messmodells • SPSS: Bildung von Indikatoren durch Summation von Items (Summenscores) • Vorbereitung: Umpolen der Items „Gleichrichten“ (SPSS-Menü: Transformieren => Umkodieren) • Oder: Syntax 

  14. Prüfen des Messmodells • Zuordnung/Summation der Items nach Trennschärfe oder Rangfolge der Item-Faktor-Interkorrelation (Ladungen z. B. aus der EFA) • Relevante Variablen zur Modelltestung auswählen (ggf. Gruppenvariablen erzeugen)

  15. Prüfen des Messmodells Exploratorische Faktorenanalyse (SPSS)

  16. Prüfen des Messmodells • Berechen der 4 Indikatoren als Summenscores

  17. Daten für Mplus vorbereiten GES7 • Relevante Variablen zum Modelltest auswählen (z. B. Geschlecht, Alter, andere Gruppenvariable) • Variablen auswählen, die in Mplus analysiert werden sollen. (gut1 gut2 gut3 gut4 wach1 wach2 wach3 wach4 group) • Datei als Tabulator getrennt (*.dat) abspeichern. • Variablennamen löschen (1. Zeile). • Mplus-Editor öffnen

  18. Datensatz: „wach_gut.dat“ • Variablen: gut1 gut2 gut3 gut4 wach1 wach2 wach3 wach4 group gut1 = t1st09 + t1st32 + t1st29. gut2 = t1st05 + t1st39 + t1st45. gut3 = t1st17 + t1st13 + t1st20. gut4 = t1st62 + t1st36 + t1st25. wach1 = t1st38 + t1st55u + t1st48u. wach2 = t1st41 + t1st12 + t1st42u. wach3 = t1st31 + t1st60 + t1st01u. wach4 = t1st40 + t1st21 + t1st07. • „group“: 1 = weiblich+ <25J., 2 = weiblich+ <25J., 3=männlich+ >25J., 4 = männlich+ >25J.

  19. 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(guti,wachj) • Kor(Sgut,Swach), wobei • Kor(ηgut,ηwach)  Berechnen Sie die jeweiligen Korrelationen (SPSS) (für Kor(guti,wachj) nur ein Bsp.) und vergleichen Sie diese.

More Related