Hallo liebe Experten,
ich habe in 6 Tagen eine mündliche Prüfung in Testtheorie und Diagnostik (Psychologie) und noch ganz durchmischt Fragen zur Thematik.
Dieser Frageartikel wird sehr lange werden, ich hoffe aber, dass trotzdem ein paar von euch die Geduld haben ihn zu lesen 
Der Artikel ist deshalb so lange, da ich mich bemüht habe schonmal aufzuschreiben was ich weiß, das man evtl. nur noch mit „stimmt“ oder „stimmt nicht“ antworten kann.
Los gehts:
Thema 1: Messmodelle*
- Stimmt unsere Zuordung bei den Messmodell?
essentiell: Schwierigkeiten sind unterschiedlich
äquivalent: ungleiche Fehlervarianzen
Parallel: gleiche Fehlervarianzen - Bei essentiell-tau-äquivalent und seinen Spezialfällen: Sind hier die
Kovarianzen zwischen beobachteten Variablen gleich, da die
Diskriminationsparamter lamda auf 1 gesetzt sind, das heißt jedes Item in
gleicher Maße mit der latenten Dimension korreliert? Das wäre unsere
Erklärung… - Was uns noch ein bisschen fehlt, ist so ein übergeordnetes Verständnis
der Messmodelle.
Ist es so, das ich einen Test habe, dessen Items ich nach theoretischen
Annahmen zusammengestellt habe. Da die Items eines Tests ja alle einer
latenten Dimension zu Grunde liegen sollen, kann ich ein „Ein-Faktor-Modell“
formalisieren. Das sind die Messmodelle. Ich teste erst auf das strengeste (
streng tau-parallel) Modell, und immer dann wenn mein Modelltest signifikant
wird muss ich die H0, dass das Modell gilt ablehnen. Dann mache ich mit dem
weniger strengen Modell (ess.tau-parallel) weiter usw usw. Erst dann, wenn
ich ein Modell nicht verwerfen muss, weiß ich das ich homogene Items habe,
in dem Sinne das sie nur eine gemeinsame latente Dimension erfassen. Wenn
ich auch das am wenigsten strenge Modell (kongenerisch) verwerfen muss, hab
ich kein Ein-Faktor-Modell.
Das alles mache ich mit dir KFA.
Ist so ein Messmodell statistisch abgesichert, kann ich anhand von dessen
Eigenschaften und den Eigeschaften des Konstruktes die passende Methode der
Reliabilitätsschätzung auswählen. ( Retest/Paralleltest bei Tests mit
parallelen Items, wenn nicht möglich Spearman Brown,// bei allen Test mit
min. essentiell tau äquivalenten items mit chronbachs alpha, was jedoch bei
den parallelen Tests eher die Untergrenze der Reliabilität ist// bei Tests
mit kongenerischen Items mit McDonalds Omega)
Habe ich den Prozess so richtig verstanden? Gerade diese Frage ist mir
besonders wichtig, da mir immer noch nicht 100% klar ist wo die Messmodelle
praktisch relevant sind.
*2. Exploratorische FA*
- Wie komme ich denn anhand der Korrelationsmatrix auf die Faktorladungen?
Ich habe ja die zwei extraktionsmethoden (Hauptkomponentenanalyse und
Hauptachsenanalyse : PCA 100% der Varianz wird aufgeklärt, Kommunalitäten
hier auf 1 gesetzt; Hauptachsenanalyse: Fehlervarianz bleibt), aber mir ist
noch nicht klar, wie ich auf die Matrix mit den Ladungen komme, wo ich dann
die Kommunalitäten und Eigenwerte usw sehen kann.
*3. Konfirmatorische FA*
- Auch hier habe ich das gleiche Problem, das ich nicht evrstehe wie ich
auf die Parameter komme.
Alles was ich habe, ist doch eine empirische Korrelations-/Kovarianzmatrix.
An dieser kann ich die ANzahl meiner empirischen Parameter die ich habe
ablesen oder mit k*(k+1)/2 berechnen. Die zu schätzenden Parameter ergeben
sich aus meinen Modellannahmen ( Ladungen, Fehlervarianzen, Faktorvarianzen,
Korrelation zw. Faktoren). Anhand der Identifikation schaue ich jetzt, ob
ich überhaupt einen Modelltest rechnen kann.
Wenn ja, schötze ich die Paramter zB mittels der Maximum-Likelihood Methode.
Und hier stoppt es irgendwie bei mir.
- Was bedeutet es, das ich meine empirischen Korrelationen in
die Gleichung lamda1*lamda2 umforme? Was nützt mir das? - Wie funktioniert die ML-Methode? In CAG’s Folien steht nur,
das sie die Wahrscheinlichkeit maximiert, das die zu schätzenden Paramter
die manifesten Kovarianzen erklären.
-> also auch hier mein Problem, wie komme ich aus meiner Korrelationsmatrix auf die Paramter?
Wenn ich die modellkonformen Parameter dann habe, kann ich sie mit dem
Chi²-Goodness of Fot test auf signifikante Abweichungen mit der empirischen
Matrix vergleichen.
- Wachstumsanalyse
- Zur Ermittlung von Veränderungstrends. Was sind der Intercept und der Slope und wie kann ich so ein Schaubild interpretieren?
Ich dank jedem, der bis hier her durchgehalten hat und freue mich wirklich sehr über Antworten!
Liebe Grüße
Resa