Lehrbuch Theorien und Methoden der Skalierung

von: Ingwer Borg, Thomas Staufenbiel

Hogrefe AG, 2007

ISBN: 9783456944470 , 480 Seiten

4. Auflage

Format: PDF, OL

Kopierschutz: Wasserzeichen

Windows PC,Mac OSX für alle DRM-fähigen eReader Apple iPad, Android Tablet PC's Online-Lesen für: Windows PC,Mac OSX,Linux

Preis: 52,99 EUR

Mehr zum Inhalt

Lehrbuch Theorien und Methoden der Skalierung


 

Vorwort

4

Inhaltsverzeichnis

6

1 Einleitung

13

1.1 Zum Begriff Skalierung

13

1.2 Skalenniveaus als Transformierbarkeit

15

1.3 Skalenniveaus in der empirischen Forschung

19

1.4 Übungsaufgaben

20

2 Skalierung als numerisches Etikettieren

23

2.1 Regelgeleitetes Klassifizieren und Quanti.zieren

23

2.2 Items: Fragen und zulässige Antworten

25

2.2.1 Itemformen

27

2.2.2 Zur Formulierung von Items

27

2.2.3 Qualitative Items

29

2.2.4 Quantitative Items

32

2.2.5 Likert-Items

33

2.2.6 Kunin-Gesichter, BARS und semantisches Di.erential

34

2.3 Antwortformate bei Kategorienskalen

37

2.3.1 Anzahl der Skalenkategorien

38

2.3.2 Verbale Etikettierung der Antwortskalen

38

2.3.3 Numerische Etikettierungen

42

2.3.4 Die mittlere Skalenkategorie

44

2.3.5 Weiß-Nicht Kategorien

45

2.4 Rankings

45

2.5 Paarvergleiche

48

2.6 Zur Psychologie der Beantwortung von Items

49

2.7 Übungsaufgaben

51

3 Triviale Skalierung

53

3.1 Ikonen

53

3.1.1 Standardformen von Ikonen

54

3.1.2 Komplexere Ikonen

58

3.1.3 Optimierung von Ikonen

61

3.2 Clusteranalyse

62

3.2.1 Grundprinzip der hierarchischen Clusteranalyse

62

3.2.2 Clusterkriterien

65

3.2.3 Clusteranalyse am Beispiel

67

3.2.4 Ähnlichkeitsmaße für Clusteranalysen

69

3.2.5 Weitere Clusteranalyse-Varianten

72

3.2.6 Anwendung und Bewertung der Clusteranalyse

72

3.3 Übungsaufgaben

73

4 Magnitude-Skalierung

75

4.1 Klassische Magnitude-Skalierung

75

4.2 Magnitude-Schätzwerte und objektive Größen

76

4.3 Cross-Modality Matching

79

4.4 Fehler und Bias

80

4.5 Magnitude- und Kategorien-Skalen

81

4.6 Magnitude- und Absolut-Skalierung

84

4.7 Übungsaufgaben

85

5 Saaty-Skalierung

87

5.1 Magnitude-Skalierung für vollständige Paarvergleiche

87

5.2 Skalen für inkonsistente Paarvergleiche

89

5.3 Statistische Signifikanz der Konsistenz

92

5.4 Hierarchische Modelle

94

5.5 Datenerhebung und Skalierung bei vielen Objekten

98

5.6 Übungsaufgaben

101

6 Fechner-Skalierung

103

6.1 Die Grundidee der Fechner-Modelle

103

6.2 LCJ-Skalierung

105

6.2.1 Wahrnehmungsverteilungen

105

6.2.2 Dominanzurteile bei zwei Reizen

106

6.2.3 Wahrscheinlichkeitsverteilung der subjektiven Di.erenzen

108

6.2.4 Dominanzwahrscheinlichkeiten und subjektive Di.erenzen

109

6.2.5 Eine Anwendung: Skalierung der Schwere von Verbrechen

111

6.2.6 Güte der LCJ-Skala

113

6.2.7 Existenz und Skalenniveau

115

6.2.8 Ein komplexeres Anwendungsbeispiel

117

6.2.9 Alternative Formen der Datenerhebung

118

6.2.10 Probleme der LCJ-Skalierung

118

6.3 BTL-Skalierung

119

6.3.1 Das Auswahlaxiom und seine Folgen

119

6.3.2 BTL-Skalenwerte

120

6.3.3 BTL- versus LCJ-Skala

121

6.3.4 Güte der BTL-Skala

122

6.4 Direkte Fechner-Skalierung

123

6.4.1 Direktes Skalieren durch Probieren

124

6.4.2 Skalierungs-Kriterien

126

6.4.3 Metrische Fechner-Modelle

127

6.4.4 Computerprogramme

128

6.4.5 Direkte Skalen versus LCJ-Skalen

128

6.4.6 Skalenniveaus der direkten Modelle

130

6.4.7 Einige Schlussbemerkungen zu Fechner-Modellen

131

6.5 Übungsaufgaben

132

7 Skalogramm-Analyse (Guttman-Skalierung)

135

7.1 Die perfekte Skala

135

7.2 Bestimmung der Fehler

137

7.3 Der Reproduzierbarkeitskoeffizient als Gütemaß

139

7.3.1 Maximal mögliche Fehler

140

7.3.2 Eine Anwendung: Skalierung von Symptomen der Gefechtsangst

141

7.3.3 Varianten bei der Fehlerbestimmung

141

7.4 Vorgehen bei Nicht-Skalierbarkeit

142

7.4.1 Halbordnung und lineare Ordnung von Pro.len

142

7.4.2 Skalenanalyse versus Skalenkonstruktion

144

7.4.3 Dominante Guttman-Skala

144

7.5 Einschränkungen und Erweiterungen

145

7.5.1 Guttman-Skalierung von Einstellungsitems

145

7.5.2 Mehrkategorielle Erweiterungen

146

7.6 Übungsaufgaben

148

8 Mehrdimensionale Struktupelanalyse

151

8.1 Halbordnungs-Struktupelanalyse (POSAC)

151

8.1.1 Eine kleine Batterie von Rechenaufgaben

151

8.1.2 Basiskoordinaten und Rollen der Facetten

153

8.1.3 Eine Anwendung: Kommunikation bei Geiselnahmen

155

8.2 Multidimensionale Struktupelanalyse (MSA)

157

8.2.1 Prinzipien der MSA

158

8.2.2 Eine Anwendung: Reaktionen auf Frustrationen

159

8.3 Handlösungen von Skalierungsproblemen

162

8.4 Übungsaufgaben

163

9 Multidimensionale Skalierung (MDS)

165

9.1 Erstellung einer MDS-Kon.guration aus Distanzen

165

9.1.1 Rekonstruktion einer Karte aus einer Entfernungstabelle

165

9.1.2 Verallgemeinerung der Karten-Rekonstruktion

167

9.2 MDS in der psychologischen Forschung

168

9.2.1 MDS als psychologisches Modell

169

9.2.2 MDS zur Strukturanalyse von Proximitätsstrukturen

171

9.3 Durchführung einer MDS

173

9.3.1 Güte der MDS-Darstellung

173

9.3.2 Bewertung des Stress

175

9.3.3 MDS-Modelle

177

9.3.4 MDS-Algorithmen und degenerierte Lösungen

179

9.3.5 Probleme fehlender und grob gerasterter Daten

181

9.4 Interpretationsansätze in der MDS

182

9.4.1 Dimensionen, Richtungen, Regionen und Cluster

182

9.4.2 MDS-Interpretation mit externen Hilfen

186

9.5 Prokrustische Transformationen

187

9.6 Individuelle Unterschiedsmodelle

189

9.7 Bewertung von MDS-Lösungen

190

9.7.1 Modellfit und Stress

190

9.7.2 Konfirmatorische MDS

192

9.8 Übungsaufgaben

194

10 Unfolding

197

10.1 Prinzipien des Unfoldings

197

10.1.1 Falten und Entfalten

198

10.1.2 I-Skalen und J-Skalen

201

10.2 Unfolding-Daten als Ähnlichkeitsdaten

202

10.2.1 Zur MDS von Unfolding-Daten

203

10.2.2 Unfolding verschieden verzahnter Daten

204

10.3 Eine Anwendung: Skalierung von Parteipräferenzen

207

10.4 Übungsaufgaben

210

11 Faktorenanalyse

213

11.1 Ein einfaches Beispiel zur Einführung

213

11.1.1 Beobachtete Scores und latente Faktoren

213

11.1.2 Faktorwerte, Faktorextraktion und Faktorladungen

214

11.1.3 Faktor-Rotation und Interpretation

217

11.1.4 Faktorenanalyse von fehlerbehafteten Daten

218

11.2 Geometrische Betrachtungen der Faktorenanalyse

219

11.2.1 Variablen- und Personenraum

220

11.2.2 Dimensionalität einer Vektorkon.guration

222

11.2.3 Rotation der Vektorkon.guration

224

11.2.4 Faktoren im Personenraum

225

11.2.5 Approximation komplexer Daten durch Hauptkomponenten

226

11.3 Algebraische Darstellung der Faktorenanalyse

230

11.4 Eine Anwendung: Analyse der Wortbedeutung bei Kindern

231

11.4.1 Festlegung der Zahl der Faktoren

231

11.4.2 Schiefwinklige Drehungen

236

11.4.3 Prokrustische Drehungen

239

11.5 Faktorenanalyse gemeinsamer Faktoren

241

11.5.1 Intelligenzmodelle

242

11.5.2 Bestimmung der Kommunalität

243

11.5.3 Hauptkomponentenanalyse versus Faktorenanalyse gemeinsamer Faktoren

244

11.6 Faktorenanalyse, MDS und Clusteranalyse

245

11.7 Explorative versus konfirmatorische Faktorenanalyse

246

11.8 Übungsaufgaben

248

12 Strukturgleichungsmodellierung (SEM)

251

12.1 Faktorenanalyse und Strukturgleichungsmodellierung

251

12.1.1 Hauptkomponentenanalyse

252

12.1.2 Faktorenanalyse gemeinsamer Faktoren

253

12.1.3 Ein einfaktorielles Modell

255

12.1.4 Zwei zweifaktorielle Modelle

257

12.2 Modelle mit endogenen Faktoren

259

12.3 Erstellung von Pfaddiagrammen

261

12.4 Rückrechnung von Korrelationen aus Pfadgewichten

263

12.5 SEM von Varianz-Kovarianz-Daten

264

12.6 Fitindizes und ihre Beurteilung

265

12.7 Eine Anwendung: Zum Zusammenhang von Arbeitszufriedenheit und Leistung

268

12.8 Strategien der Modellierung

274

12.9 Probleme der Strukturgleichungsmodellierung

276

12.10 Übungsaufgaben

279

13 Conjoint Measurement

283

13.1 Grundideen des Conjoint Measurements

283

13.2 Ein einfaches Beispiel zur Einführung

284

13.3 Eine typische Anwendung des CM

287

13.4 CM-Modelle und Skalenniveau

290

13.5 Rechentechnische Aspekte des ordinalen CM

292

13.5.1 Iterative Optimierung der Modellanpassung

292

13.5.2 Degenerierte Lösungen

293

13.6 Lineares Conjoint Measurement

294

13.7 Bedeutsamkeit einer CM-Lösung

298

13.8 Normierung der Teilnutzenskalen

299

13.9 Varianten der Datenerhebung

300

13.9.1 Die Trade-O. Methode

300

13.9.2 Reduzierte Erhebungspläne

303

13.9.3 Adaptives Conjoint Measurement

305

13.9.4 Paarvergleiche

307

13.10 Prüfung der CM-Skalierbarkeit ohne Skalierung

307

13.11 Zur Gültigkeit des CM

310

13.12 Erweiterungen und verwandte Methoden

311

13.13 Übungsaufgaben

312

14 Skalenkonstruktion und Klassische Testtheorie

315

14.1 Items und Skalen

315

14.2 Merkmale von Items

318

14.2.1 Formen von Items

318

14.2.2 Lösung eines Items

319

14.2.3 Itemcharakteristiken

319

14.3 Verfahren der Skalenkonstruktion

320

14.3.1 Methode der gleicherscheinenden Intervalle

321

14.3.2 Methode der sukzessiven Intervalle

323

14.3.3 Methode der summierten Ratings

325

14.3.4 Klassische Testtheorie

325

14.4 Schritte bei der Skalenkonstruktion

327

14.4.1 Festlegung des Gegenstandsbereichs

328

14.4.2 Konstruktion einer Testrohform

329

14.4.3 Erprobung der Testrohform an einer Analysestichprobe

331

14.4.4 Itemanalyse

332

14.4.5 Überprüfung der Qualität des Tests

336

14.4.6 Skalierung des Merkmals bei Personen

351

14.5 Einzelitems und sehr kurze Skalen

353

14.6 Übungsaufgaben

354

15 Probabilistische Testtheorien

357

15.1 Itemcharakteristiken und Itemkennwerte

357

15.2 Das Rasch-Modell

360

15.2.1 Invarianzeigenschaften des Rasch-Modells

362

15.2.2 Anwendung auf die Daten zur Gefechtsangst

363

15.2.3 Voraussetzungen des Rasch-Modells

365

15.3 Weitere Modelle für dichotome Daten

366

15.3.1 Das Birnbaum-Modell

367

15.3.2 Das drei-parametrische logistische Modell

368

15.3.3 Rasch, Birnbaum oder 3PL?

369

15.4 Bestimmung der Skalenwerte

370

15.4.1 Bestimmung der Likelihood

370

15.4.2 Bestimmung der Personenscores

372

15.4.3 Bestimmung der Itemscores

374

15.5 Bewertung des Modell.ts

374

15.5.1 Likelihoodquotiententests

375

15.5.2 Globale Tests von Voraussetzungen und Eigenschaften

377

15.5.3 Item- und Personenindizes

380

15.6 Weitere probabilistische Modelle

383

15.6.1 Modelle für Items mit geordneten Antwortkategorien

383

15.6.2 Erweiterungen und Spezialfälle

387

15.7 Informationsfunktionen

389

15.8 Speziellere Anwendungsfelder

390

15.8.1 Differential Item Functioning

390

15.8.2 Computeradaptives Testen

393

15.8.3 Itemanalyse

396

15.9 Probabilistische versus Klassische Testtheorie

397

15.10 Übungsaufgaben

398

16 Abschließende Anmerkungen zum Begriff Skalierung

401

16.1 Traditionelle Unterscheidungen

401

16.2 Fünf allgemeinere theoretische Perspektiven

403

16.2.1 Skalierung und fundamentales Messen

403

16.2.2 Skalierung als bedingtes Messen

404

16.2.3 Skalierung als Testen von Strukturhypothesen

405

16.2.4 Skalierung als Mittel der Exploration

406

16.2.5 Skalierung als Indexbildung

407

16.3 Empirische Gesetze und mathematische Modellierung

408

16.4 Übungsaufgaben

410

17 Lösungen zu Übungsaufgaben

411

18 Tabellen

441

18.1 Normalverteilung

442

18.2 .2-Verteilung

444

Literaturverzeichnis

445

Namenverzeichnis

467

Stichwortverzeichnis

473