Es wird ein Datensatz analysiert und ein Messinstrument erstellt. Dabei wird darauf eingegangen, wie im Rahmen der IRT ein Fragebogen entwickelt werden kann.
Der Grunddatensatz umfasst 114 Variablen, wovon 67 zur Erstellung eines Messinstruments verwendet wurden. 49 Variablen wurden mit einer 5-stufigen Likertskala mit neutraler Mittelkategorie (1 = "nie" bis 5 = "sehr oft") und 18 dichotom ("Ja" und "Nein") erhoben. Vier Personen wurden vor der Analyse aufgrund von fehlenden Werten (682, 1164), fehlendem Einverständnis (1166) bzw. zu schnellem Ausfüllen (527) entfernt. Letztendlich umfasste die Stichprobe N = 471 (Alter M=36.9, SD=16.5, 71.97% weiblich, 27.39% männlich, 0.64% divers). Im Folgenden wird die Untersuchung der Daten mit einer Exploratorische Faktorenanalyse (EFA) und einem Rasch-Modell, mit RStudio (Version 1.3.959), beschrieben.
Inhaltsverzeichnis
1. Beschreibung des Datensatzes
2. Voraussetzungen der exploratorischen Faktorenanalyse
3. Faktorenanalyse
4. Raschanalyse
Zielsetzung & Themen
Die vorliegende Arbeit evaluiert die psychometrische Qualität eines neu erstellten Messinstruments unter Verwendung eines Datensatzes von N=471. Dabei wird das Ziel verfolgt, durch den Vergleich zweier statistischer Verfahren – der Exploratorischen Faktorenanalyse (EFA) und des Rasch-Modells – zu bestimmen, welches Modell sich besser für die Konstruktion und Validierung des Messinstruments eignet.
- Methodische Analyse und Voraussetzungsprüfung von Testdaten
- Durchführung einer Exploratorischen Faktorenanalyse zur Dimensionsbestimmung
- Anwendung des Rasch-Modells zur Überprüfung der Eindimensionalität
- Vergleichende Bewertung der Modellgüte und Eignung zur Instrumentenentwicklung
- Identifikation von Items mit Differential Item Functioning (DIF)
Auszug aus dem Buch
4. Raschanalyse
Die Rasch-Analyse wurde mittels bedingter Maximum-Likelihood vorgenommen. Die 49 polytomen Items wurden zunächst dichotomisiert, um eine Rasch-Modellierung vornehmen zu können („nie“, „selten, „gelegentlich“ = 0, „oft“, „sehr oft“ =1). Zur Schätzung der Parameter erfolgte eine Summennormierung der Itemparameter (M = 0). Zur Überprüfung der Modellgüte und der Annahme der Eindimensionalität wurde zunächst der Andersen Likelihood-Ratio-Test (LRT) mit Median-Split der Personenparameter durchgeführt. Das Ergebnis χ2(59) = 102.2, p < .001 bedeutet, dass Gruppen von Personen verschiedene Aufgabenparameter besitzen, was eine Verletzung des Rasch-Modells darstellt (Strobl, 2015). Um diejenigen Items mit Differential Item Functioning (DIF) zu identifizieren und aus der Analyse ausschließen zu können wurde der aufgabenspezifische Wald-Test (Median-Split) verwendet. Dieser identifizierte 8 Items mit signifikanten DIF (p < .05; MS01_06, MS01_13, MS01_23, MS01_33, MS01_34, MS02_01, MS02_02, MS02_11). Unter Ausschluss dieser Items und Item MS01_49 (wegen zero-score) wurde eine erneute Raschskalierung vorgenommen. Der LRT wurde nicht signifikant χ2(51) = 66, p = .07, was einen besseren Modellfit impliziert.
Zusammenfassung der Kapitel
1. Beschreibung des Datensatzes: Dieses Kapitel definiert die Stichprobenzusammensetzung von N=471 und erläutert die Datengrundlage sowie das Vorgehen bei der Vorbereitung und Bereinigung der erhobenen Items.
2. Voraussetzungen der exploratorischen Faktorenanalyse: Hier werden statistische Voraussetzungen wie Normalverteilung, Item-Stichprobenverhältnis und Korrelationsmuster geprüft, um die Eignung der Daten für eine Faktorenanalyse zu bewerten.
3. Faktorenanalyse: In diesem Teil wird die EFA durchgeführt, wobei 5 Faktoren extrahiert werden, und die Ergebnisse anhand von Kommunalitäten und Modellfit kritisch diskutiert werden.
4. Raschanalyse: Dieses Kapitel fokussiert auf die Prüfung der Eindimensionalität und Modellgüte mittels des Rasch-Modells, inklusive der Identifikation problematischer Items durch DIF-Analysen.
Schlüsselwörter
Exploratorische Faktorenanalyse, EFA, Rasch-Modell, Psychometrie, Messinstrumententwicklung, Likertskala, Modellgüte, Item-Response-Theorie, Differential Item Functioning, DIF, Konstruktvalidität, Reliabilität, Hauptachsenanalyse, Personenparameter, Teststatistik
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der methodischen Überprüfung und Validierung eines psychologischen Messinstruments anhand eines konkreten Datensatzes.
Welche zentralen Themenfelder werden behandelt?
Die zentralen Themen sind die statistische Voraussetzungsprüfung, die faktorielle Struktur von Items und die Prüfung der Eindimensionalität nach den Prinzipien der Testtheorie.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, die Eignung zweier statistischer Verfahren (EFA und Rasch-Modell) zur Erstellung eines validen Messinstruments zu vergleichen und zu bewerten.
Welche wissenschaftlichen Methoden kommen zum Einsatz?
Die Arbeit nutzt die Exploratorische Faktorenanalyse (EFA) sowie das Rasch-Modell (IRt-basierte Analyse) zur Evaluation der Datenqualität.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil liegt der Fokus auf der expliziten Durchführung der Datenanalysen, der Identifikation schwacher Items und dem Vergleich der resultierenden Modellgüten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Kernbegriffe sind Faktorenanalyse, Rasch-Modell, Psychometrie, Messinstrumententwicklung und Modellgüte.
Warum wurde Item MS01_49 aus der Raschanalyse entfernt?
Das Item wurde aufgrund eines sogenannten „zero-scores“ ausgeschlossen, da es keine notwendigen Informationen für die Skalierung lieferte.
Welches der beiden Verfahren erweist sich als besser geeignet?
Basierend auf den Ergebnissen der Arbeit wird das Rasch-Modell als geeigneter für die vorliegende Datenstruktur zur Messinstrumentenentwicklung eingestuft.
- Quote paper
- Nicolas Neef (Author), 2020, Analyse eines Datensatzes. Erstellung eines Messinstrumentes, Munich, GRIN Verlag, https://www.grin.com/document/990129
