Lehrbuch Theorien und Methoden der Skalierung

Vorwort

Inhaltsverzeichnis

1 Einleitung

1.1 Zum Begriff Skalierung

1.2 Skalenniveaus als Transformierbarkeit

1.3 Skalenniveaus in der empirischen Forschung

1.4 Übungsaufgaben

2 Skalierung als numerisches Etikettieren

2.1 Regelgeleitetes Klassifizieren und Quanti.zieren

2.2 Items: Fragen und zulässige Antworten

2.2.1 Itemformen

2.2.2 Zur Formulierung von Items

2.2.3 Qualitative Items

2.2.4 Quantitative Items

2.2.5 Likert-Items

2.2.6 Kunin-Gesichter, BARS und semantisches Di.erential

2.3 Antwortformate bei Kategorienskalen

2.3.1 Anzahl der Skalenkategorien

2.3.2 Verbale Etikettierung der Antwortskalen

2.3.3 Numerische Etikettierungen

2.3.4 Die mittlere Skalenkategorie

2.3.5 Weiß-Nicht Kategorien

2.4 Rankings

2.5 Paarvergleiche

2.6 Zur Psychologie der Beantwortung von Items

2.7 Übungsaufgaben

3 Triviale Skalierung

3.1 Ikonen

3.1.1 Standardformen von Ikonen

3.1.2 Komplexere Ikonen

3.1.3 Optimierung von Ikonen

3.2 Clusteranalyse

3.2.1 Grundprinzip der hierarchischen Clusteranalyse

3.2.2 Clusterkriterien

3.2.3 Clusteranalyse am Beispiel

3.2.4 Ähnlichkeitsmaße für Clusteranalysen

3.2.5 Weitere Clusteranalyse-Varianten

3.2.6 Anwendung und Bewertung der Clusteranalyse

3.3 Übungsaufgaben

4 Magnitude-Skalierung

4.1 Klassische Magnitude-Skalierung

4.2 Magnitude-Schätzwerte und objektive Größen

4.3 Cross-Modality Matching

4.4 Fehler und Bias

4.5 Magnitude- und Kategorien-Skalen

4.6 Magnitude- und Absolut-Skalierung

4.7 Übungsaufgaben

5 Saaty-Skalierung

5.1 Magnitude-Skalierung für vollständige Paarvergleiche

5.2 Skalen für inkonsistente Paarvergleiche

5.3 Statistische Signifikanz der Konsistenz

5.4 Hierarchische Modelle

5.5 Datenerhebung und Skalierung bei vielen Objekten

5.6 Übungsaufgaben

6 Fechner-Skalierung

6.1 Die Grundidee der Fechner-Modelle

6.2 LCJ-Skalierung

6.2.1 Wahrnehmungsverteilungen

6.2.2 Dominanzurteile bei zwei Reizen

6.2.3 Wahrscheinlichkeitsverteilung der subjektiven Di.erenzen

6.2.4 Dominanzwahrscheinlichkeiten und subjektive Di.erenzen

6.2.5 Eine Anwendung: Skalierung der Schwere von Verbrechen

6.2.6 Güte der LCJ-Skala

6.2.7 Existenz und Skalenniveau

6.2.8 Ein komplexeres Anwendungsbeispiel

6.2.9 Alternative Formen der Datenerhebung

6.2.10 Probleme der LCJ-Skalierung

6.3 BTL-Skalierung

6.3.1 Das Auswahlaxiom und seine Folgen

6.3.2 BTL-Skalenwerte

6.3.3 BTL- versus LCJ-Skala

6.3.4 Güte der BTL-Skala

6.4 Direkte Fechner-Skalierung

6.4.1 Direktes Skalieren durch Probieren

6.4.2 Skalierungs-Kriterien

6.4.3 Metrische Fechner-Modelle

6.4.4 Computerprogramme

6.4.5 Direkte Skalen versus LCJ-Skalen

6.4.6 Skalenniveaus der direkten Modelle

6.4.7 Einige Schlussbemerkungen zu Fechner-Modellen

6.5 Übungsaufgaben

7 Skalogramm-Analyse (Guttman-Skalierung)

7.1 Die perfekte Skala

7.2 Bestimmung der Fehler

7.3 Der Reproduzierbarkeitskoeffizient als Gütemaß

7.3.1 Maximal mögliche Fehler

7.3.2 Eine Anwendung: Skalierung von Symptomen der Gefechtsangst

7.3.3 Varianten bei der Fehlerbestimmung

7.4 Vorgehen bei Nicht-Skalierbarkeit

7.4.1 Halbordnung und lineare Ordnung von Pro.len

7.4.2 Skalenanalyse versus Skalenkonstruktion

7.4.3 Dominante Guttman-Skala

7.5 Einschränkungen und Erweiterungen

7.5.1 Guttman-Skalierung von Einstellungsitems

7.5.2 Mehrkategorielle Erweiterungen

7.6 Übungsaufgaben

8 Mehrdimensionale Struktupelanalyse

8.1 Halbordnungs-Struktupelanalyse (POSAC)

8.1.1 Eine kleine Batterie von Rechenaufgaben

8.1.2 Basiskoordinaten und Rollen der Facetten

8.1.3 Eine Anwendung: Kommunikation bei Geiselnahmen

8.2 Multidimensionale Struktupelanalyse (MSA)

8.2.1 Prinzipien der MSA

8.2.2 Eine Anwendung: Reaktionen auf Frustrationen

8.3 Handlösungen von Skalierungsproblemen

8.4 Übungsaufgaben

9 Multidimensionale Skalierung (MDS)

9.1 Erstellung einer MDS-Kon.guration aus Distanzen

9.1.1 Rekonstruktion einer Karte aus einer Entfernungstabelle

9.1.2 Verallgemeinerung der Karten-Rekonstruktion

9.2 MDS in der psychologischen Forschung

9.2.1 MDS als psychologisches Modell

9.2.2 MDS zur Strukturanalyse von Proximitätsstrukturen

9.3 Durchführung einer MDS

9.3.1 Güte der MDS-Darstellung

9.3.2 Bewertung des Stress

9.3.3 MDS-Modelle

9.3.4 MDS-Algorithmen und degenerierte Lösungen

9.3.5 Probleme fehlender und grob gerasterter Daten

9.4 Interpretationsansätze in der MDS

9.4.1 Dimensionen, Richtungen, Regionen und Cluster

9.4.2 MDS-Interpretation mit externen Hilfen

9.5 Prokrustische Transformationen

9.6 Individuelle Unterschiedsmodelle

9.7 Bewertung von MDS-Lösungen

9.7.1 Modellfit und Stress

9.7.2 Konfirmatorische MDS

9.8 Übungsaufgaben

10 Unfolding

10.1 Prinzipien des Unfoldings

10.1.1 Falten und Entfalten

10.1.2 I-Skalen und J-Skalen

10.2 Unfolding-Daten als Ähnlichkeitsdaten

10.2.1 Zur MDS von Unfolding-Daten

10.2.2 Unfolding verschieden verzahnter Daten

10.3 Eine Anwendung: Skalierung von Parteipräferenzen

10.4 Übungsaufgaben

11 Faktorenanalyse

11.1 Ein einfaches Beispiel zur Einführung

11.1.1 Beobachtete Scores und latente Faktoren

11.1.2 Faktorwerte, Faktorextraktion und Faktorladungen

11.1.3 Faktor-Rotation und Interpretation

11.1.4 Faktorenanalyse von fehlerbehafteten Daten

11.2 Geometrische Betrachtungen der Faktorenanalyse

11.2.1 Variablen- und Personenraum

11.2.2 Dimensionalität einer Vektorkon.guration

11.2.3 Rotation der Vektorkon.guration

11.2.4 Faktoren im Personenraum

11.2.5 Approximation komplexer Daten durch Hauptkomponenten

11.3 Algebraische Darstellung der Faktorenanalyse

11.4 Eine Anwendung: Analyse der Wortbedeutung bei Kindern

11.4.1 Festlegung der Zahl der Faktoren

11.4.2 Schiefwinklige Drehungen

11.4.3 Prokrustische Drehungen

11.5 Faktorenanalyse gemeinsamer Faktoren

11.5.1 Intelligenzmodelle

11.5.2 Bestimmung der Kommunalität

11.5.3 Hauptkomponentenanalyse versus Faktorenanalyse gemeinsamer Faktoren

11.6 Faktorenanalyse, MDS und Clusteranalyse

11.7 Explorative versus konfirmatorische Faktorenanalyse

11.8 Übungsaufgaben

12 Strukturgleichungsmodellierung (SEM)

12.1 Faktorenanalyse und Strukturgleichungsmodellierung

12.1.1 Hauptkomponentenanalyse

12.1.2 Faktorenanalyse gemeinsamer Faktoren

12.1.3 Ein einfaktorielles Modell

12.1.4 Zwei zweifaktorielle Modelle

12.2 Modelle mit endogenen Faktoren

12.3 Erstellung von Pfaddiagrammen

12.4 Rückrechnung von Korrelationen aus Pfadgewichten

12.5 SEM von Varianz-Kovarianz-Daten

12.6 Fitindizes und ihre Beurteilung

12.7 Eine Anwendung: Zum Zusammenhang von Arbeitszufriedenheit und Leistung

12.8 Strategien der Modellierung

12.9 Probleme der Strukturgleichungsmodellierung

12.10 Übungsaufgaben

13 Conjoint Measurement

13.1 Grundideen des Conjoint Measurements

13.2 Ein einfaches Beispiel zur Einführung

13.3 Eine typische Anwendung des CM

13.4 CM-Modelle und Skalenniveau

13.5 Rechentechnische Aspekte des ordinalen CM

13.5.1 Iterative Optimierung der Modellanpassung

13.5.2 Degenerierte Lösungen

13.6 Lineares Conjoint Measurement

13.7 Bedeutsamkeit einer CM-Lösung

13.8 Normierung der Teilnutzenskalen

13.9 Varianten der Datenerhebung

13.9.1 Die Trade-O. Methode

13.9.2 Reduzierte Erhebungspläne

13.9.3 Adaptives Conjoint Measurement

13.9.4 Paarvergleiche

13.10 Prüfung der CM-Skalierbarkeit ohne Skalierung

13.11 Zur Gültigkeit des CM

13.12 Erweiterungen und verwandte Methoden

13.13 Übungsaufgaben

14 Skalenkonstruktion und Klassische Testtheorie

14.1 Items und Skalen

14.2 Merkmale von Items

14.2.1 Formen von Items

14.2.2 Lösung eines Items

14.2.3 Itemcharakteristiken

14.3 Verfahren der Skalenkonstruktion

14.3.1 Methode der gleicherscheinenden Intervalle

14.3.2 Methode der sukzessiven Intervalle

14.3.3 Methode der summierten Ratings

14.3.4 Klassische Testtheorie

14.4 Schritte bei der Skalenkonstruktion

14.4.1 Festlegung des Gegenstandsbereichs

14.4.2 Konstruktion einer Testrohform

14.4.3 Erprobung der Testrohform an einer Analysestichprobe

14.4.4 Itemanalyse

14.4.5 Überprüfung der Qualität des Tests

14.4.6 Skalierung des Merkmals bei Personen

14.5 Einzelitems und sehr kurze Skalen

14.6 Übungsaufgaben

15 Probabilistische Testtheorien

15.1 Itemcharakteristiken und Itemkennwerte

15.2 Das Rasch-Modell

15.2.1 Invarianzeigenschaften des Rasch-Modells

15.2.2 Anwendung auf die Daten zur Gefechtsangst

15.2.3 Voraussetzungen des Rasch-Modells

15.3 Weitere Modelle für dichotome Daten

15.3.1 Das Birnbaum-Modell

15.3.2 Das drei-parametrische logistische Modell

15.3.3 Rasch, Birnbaum oder 3PL?

15.4 Bestimmung der Skalenwerte

15.4.1 Bestimmung der Likelihood

15.4.2 Bestimmung der Personenscores

15.4.3 Bestimmung der Itemscores

15.5 Bewertung des Modell.ts

15.5.1 Likelihoodquotiententests

15.5.2 Globale Tests von Voraussetzungen und Eigenschaften

15.5.3 Item- und Personenindizes

15.6 Weitere probabilistische Modelle

15.6.1 Modelle für Items mit geordneten Antwortkategorien

15.6.2 Erweiterungen und Spezialfälle

15.7 Informationsfunktionen

15.8 Speziellere Anwendungsfelder

15.8.1 Differential Item Functioning

15.8.2 Computeradaptives Testen

15.8.3 Itemanalyse

15.9 Probabilistische versus Klassische Testtheorie

15.10 Übungsaufgaben

16 Abschließende Anmerkungen zum Begriff Skalierung

16.1 Traditionelle Unterscheidungen

16.2 Fünf allgemeinere theoretische Perspektiven

16.2.1 Skalierung und fundamentales Messen

16.2.2 Skalierung als bedingtes Messen

16.2.3 Skalierung als Testen von Strukturhypothesen

16.2.4 Skalierung als Mittel der Exploration

16.2.5 Skalierung als Indexbildung

16.3 Empirische Gesetze und mathematische Modellierung

16.4 Übungsaufgaben

17 Lösungen zu Übungsaufgaben

18 Tabellen

18.1 Normalverteilung

18.2 ?2-Verteilung

Literaturverzeichnis

Namenverzeichnis

Stichwortverzeichnis

Mehr eBooks bei www.ciando.com