Klasyczna Teoria Testów

Co to jest?

Głównym celem Klasycznej Teorii Testów pośród psychometrycznych badań jest rozpoznanie i rozwój rzetelności psychologicznych testów i szacunków; to jest mierzących wynik jednostki biorącej udział w teście i poziomu trudności pytań albo zadań w teście. Rzetelność jest wyliczana przez wynik jednostki w teście (zaobserwowany wynik) i ilość błędów w samym teście (błąd). Razem wskazują one jaki byłby prawdziwy wynik jednostki wyłączając błędy w pomiarach testu. Błędy mogą pojawić przez pomyłki w procesie przeprowadzania testu jak i przez codzienne niedogodności takie jak zmęczenie, głód itd.; ale jeśli standardowy błąd może być odnaleziony, wtedy łatwiej jest wykluczyć go z bilansu.

Jak się tego używa? 

Charles Spearman był jednym z twórców klasycznej teorii testów, rozumiejąc że generalnie nie da się uniknąć błędów podczas pomiarów, że te błędy są losowymi zmiennymi, i w końcu, że mogą być współzależne i zindeksowane. Jest nadzieja, że przez te skorelowane błędy, można zrobić postęp, poprzez redukcję ilości błędów i zwiększenie rzetelności testów. Wyższa rzetelność testów może przynieść jeszcze prawdziwsze wyniki, co jest w istocie głównym celem klasycznej teorii.

Klasyczna teoria testu – Jest to najbardziej popularny model psychometryczny testu, stanowiący podstawę większości liczących się w świecie testów psychologicznych. Model ten został rozpracowany w 1950 r. przez psychologa z ameryki, Harolda Gulliksena. Klasyczna teoria testu zakłada następujące parametry testu, że wszystkie pozycje testowe kwestionariusza:

1) mierzą ten sam stopień natężenia cechy (pozycje testowe są ekwiwalentne [w praktyce często osiągalne]

2) charakteryzują się taką samą jakością (np. mają podobną liczbę słów [w praktyce nieosiągalne])

Statystyka opisowa

Od czego najlepiej zacząć analizę danych, gdy już wszystkie pracowicie wprowadzimy do programu i nie mamy pojęcia co dalej? Musimy się zaznajomić z naszymi danymi i zobaczyć co tak naprawdę udało nam się zebrać i jakie analizy będzie można na tych danych przeprowadzić. Do tego służą nam statystyki opisowe. Statystyka opisowa pozwala nam obiektywnie zobrazować różne aspekty naszych danych liczbowych.

Statystyki opisowe najczęściej dotyczą jednej zmiennej czyli wybranej właściwości z naszego zbioru danych, która przyjmuje co najmniej dwie różne wartości (np. płeć osoby badanej). Zmienne dzielimy na grupy ze względu na ich różne własności. Najpopularniejszym i najbardziej praktycznym podziałem jest podział Stevensa.

Stevens wyróżnił:

1. Skalę nominalną – mamy tylko kategorię dla osoby badanej
2. Skalę porządkową – kategorie mogą zostać ułożone od najmniejszej do największej
3. Skalę interwałową – posiada jednostkę, wiemy o ile obserwacje się od siebie różnią
4. Skalę ilorazową – posiada zero bezwzględne, wiemy ile razy obserwacje się różnią

Skale interwałowe i ilorazowe nazywamy często łącznie skalą ilościową.

Do podstawowego opisu statystycznego zmiennych stosujemy miary tendencji centralnej i miary rozproszenia.

Miary tendencji centralnej:

DOMINANTA – określa wartość najczęstszą w danym zbiorze, może być stosowana dla każdej skali

MEDIANA – jest to wartość środkowa w uporządkowanym wg wielkości zbiorze, może być stosowana dla skal porządkowych i ilościowych.

KWARTYL – kwartyle dzielą uporządkowaną grupę na cztery równe części

ŚREDNIA ARYTMETYCZNA – wartość przeciętna, ma zastosowanie tylko dla skal ilościowych

Miary rozproszenia:

ROZSTĘP – różnica między maksymalną a minimalną wartością w grupie

ODCHYLENIE ĆWIARTKOWE – jest to różnica między trzecim i pierwszym kwartylem podzielona przez dwa

ODCHYLENIE ŚREDNIE – jest to średnia arytmetyczna bezwzględnych odchyleń pomiarów od średniej arytmetycznej w próbie

ODCHYLENIE STANDARDOWE – jest to pierwiastek z sumy kwadratów odchyleń od średniej poszczególnych obserwacji podzielonej przez liczbę obserwacji. Kwadrat odchylenia standardowego to WARIANCJA – najszerzej stosowana miara zmienności zmiennej

WSPÓŁCZYNNIK ZMIENNOŚCI – jest równy ilorazowi odchylenia standardowego i średniej arytmetycznej. Dla danych porządkowych stosowany jest pozycyjny współczynnik zmienności oparty na medianie i odchyleniu ćwiartkowym. Wartość współczynnika zmienności poniżej 0,5 świadczy o niewielkim zróżnicowaniu, wartości z przedziału 0,5-1 wskazują na umiarkowane zróżnicowanie, a wartości powyżej 1 świadczą o bardzo dużym zróżnicowaniu.

Autorem tekstu jest Marta Mrozek.

Potrzebujesz wsparcia lub usług statystyczno-metodologicznych? Napisz do nas lub zadzwoń. Oferujemy niskie ceny przy badaniach korelacyjnych i prostych eksperymentach!

 Alfa Cronbacha jest statystyką. Używa się jej zwykle do mierzenia wewnętrznej spójności albo rzetelności psychometrycznego narzędzia.

Innymi słowy, mierzy jak dobrze zestaw zmiennych albo pozycji mierzy pojedynczy, jednowymiarowy ukryty aspekt jednostki. Generalnie, niejedna wielkość zainteresowania medycznego, jak lęk albo poziom niepełnosprawności, są niemożliwe do jednoznacznego zmierzenia. W takich przypadkach, zadajemy szereg pytań i łączymy odpowiedzi w jedną, liczbową wartość.

Co to jest?

Na przykład, załóżmy, że chcemy się dowiedzieć jaki jest stopień niepełnosprawności pacjentów cierpiących na mielopatię szyjki macicy.

Najpierw przygotujemy tabelę z 10 pozycjami rejestrującymi poziom trudności napotykanych przy wykonywaniu codziennych czynności. Każda pozycja jest oceniana od 1 co znaczy „bezproblemowo” do 4 co oznacza „niewykonalne”. Zsumowany wynik z tych 10 pozycji da nam ostateczny rezultat.

Jednakże, kiedy pozycje są użyte by stworzyć skalę, muszą być wewnętrznie spójne. Każda z pozycji powinna mierzyć tę samą rzecz, więc powinny być one ze sobą skorelowane. Alfa Cronbacha generalnie wrasta gdy korelacje pomiędzy pozycjami wzrastają. Z tego powodu, współczynnik jest także nazywany spójnością wewnętrzną albo wewnętrzną spójnością rzetelności dla testu.

Zakres

Wartość alfa (α) może się znajdować pomiędzy minus nieskończonością a 1. Jednak, tylko dodatnia wartość (α) ma sens. Generalnie, współczynnik alfa ma zakres od 0 do 1 i może zostać wykorzystany do opisania rzetelności czynników wydobytych dychotomicznie (czyli pytań z dwoma możliwymi odpowiedziami) i/albo kwestionariuszy lub skali sformatowanych wielopunktowo (np. skala oceny 1=biedny, 5=wyśmienity).

Niektórzy znawcy nalegają by wynik rzetelności wynosił 0,7 albo więcej w czasie używania psychometrycznego narzędzia. Ta zasada powinna być stosowana ostrożnie gdy (α) ma być liczona z pozycji, które nie są skorelowane.

Zastrzeżenia

Pomimo, że Alfa Cronbacha jest dzisiaj szeroko stosowana, jest związanych z nią kilka problemów.

Pierwszym problemem jest to, że alfa jest zależna nie tylko od wielkości korelacji pomiędzy pozycjami, ale także od liczby pozycji na skali. Skala może sprawiać wrażenie „homogenicznej” poprzez zwykłe dublowanie liczby pozycji, nawet jeżeli średnie korelacji pozostaną niezmienne.

To prowadzi prosto do drugiego problemu. Jeżeli mamy dwie skale z których każda mierzy odrębny aspekt, i połączymy je by stworzyć jedną długą skalę, alfa prawdopodobnie będzie wysoka, chociaż połączona skala w oczywisty sposób dotyka dwóch różnych atrybutów.

Po trzecie, jeśli alfa jest zbyt wysoka, może to sugerować nadmierną ilość pozycji, to znaczy, pozycji zadających to samo pytanie w odrobinę inny sposób. 

Więcej informacji na:

Analiza rzetelności

Analiza statystyczna danych do pracy doktorskiej

Rzetelność Pomiaru

Psychometria 2

Model połówkowy – Analiza rzetelności

Analiza danych statystycznych opracowanie statystyczne badania ankiety danych historycznych

Wprowadzenie do analizy równań strukturalnych. Analiza ścieżek / SEM / SEPATH

Statystyczna analiza danych w psychologii

Usługi statystyczne pomoc statystyczna

Pomoc statystyczna dla doktorantów. Czy taka pomoc jest niezbędna?

Obliczenia i usługi statystyczne w pracach magisterskich.

Każdy magister nauk empirycznych ma przed sobą (chyba, że ma bardzo teoretyczną pracę magisterską (co jest rzadkością)) do wykonania obliczenia statystyczne wyników badań własnych oraz napisanie wniosków i dyskusji wyników w oparciu o ich rezultaty.

Jest to potrzebne ze względu na wymagania dotyczące formalnej weryfikacji zebranych danych z przeprowadzonych badań. Wynika to z natury nauk empirycznych. Tam gdzie nie ma matematyki lub logiki nie ma wnioskowania naukowego.

Zwyczaj analiza statystyczna ankiet, obliczenia statystyczne związane z analizą kwestionariuszy, eksperymentów lub obserwacji przeciętnie wymaga użycia około 3-4 testów statystycznych, a czasem (przy bardziej wyśrubowanej metodologii lub schemacie badawczym) nawet ich większej ilości.

Wiąże za tym trochę bardziej zaawansowana wiedza ze statystyki i praktyka wykorzystywania procedur statystycznych w odpowiedni sposób i prawidłowa interpretacja ich wyników.

Podsumowując wszystko, to przed przyszłym magistrem stoi wykonanie analiz statystycznych (statystyki) weryfikujących postawione hipotezy w kontekście własnej pracy empirycznej. Jest to niebywała gratka dla kogoś kto nie zna się na statystyce lub matematyce.

Trochę o nas i tym czym zespół Metodolog.pl zajmuje się na co dzień.

Specjalizujemy się w usługach statystycznych i analizach w biostatystyce, psychometrii, biometrii, ekonometrii i weryfikacji hipotez i budowie modeli statystycznych. Przetwarzamy każde dane, które są wyrażone w postaci liczb i symboli.

Do współpracy przy usługach statystycznych  z naszą firmą zachęcamy wszystkich naukowców, studentów i doktorantów nie znających się na statystyce i obliczeniach, a mających potrzebę kontynuowania niezachwianego postępu teoretycznego i praktycznego w swojej dziedzinie nauki.

Nie każdy w końcu może się nauczyć analizy i skupiać się na niej kiedy ma na głowie skomplikowane badania i napięte terminy realizacji.

Wykonujemy obliczenia statystyczne i usługi  dla:

• psychologów
• socjologów
• pedagogów
• lekarzy
• dietetyków
• inżynierów
• ekonomistów
• firm i instytucji

Zajmujemy się szerokim spektrum analiz danych,  obliczeń statystycznych, usług i pomocy naukowej.

Zawsze wykonujemy pracę najwyższej jakości.

Jeśli masz trudności z opisem wyników w magisterce lub doktoracie to zadzwoń do nas lub napisz ( 798 30 95 31 Metodolog @).

Podpowiemy Ci jak ma wyglądać opracowanie statystyczne, co zawrzeć w pracy, jak przygotować metodologię, co pominąć i na czym się skupić by mieć doskonałe obliczenia statystyczne w projekcie.

Wiedz, że to od analiz zależą Twoje wnioski, a to one są najważniejsze z perspektywy dowodzenia prawdy naukowej.

Jeśli szukasz pomocy statystycznej to zapoznaj się z naszym tekstem dotyczącym tego KOMU NIE POWIERZAĆ OBLICZEŃ DO PRAC MAGISTRSKICH

Skoro tu wszedłeś to prawdopodobnie szukasz informacji o tym jak zrobić analizę statystyczną do pracy magisterskiej lub doktorskiej nie wychodząc z domu. Piszemy ten post po to by uchronić Cię przed oddaniem Twoich danych w nieodpowiednie ręce.

Jeśli borykasz się z analizą danych w magisterce lub doktoracie i nie potrafisz tego wykonać sam,  musisz wiedzieć, że obliczenia statystyczne wypływają na jakość Twojej pracy. To od prawidłowo wykonanej statystyki zależy wartość naukowa Twojej magisterki i doktoratu.

Na rynku polskim istnieje wiele firm oferujących pomoc i usługi statystyczne, ale wiele z tych firm to krzaki, które nie realizują rzetelnie swojej pracy. Często dzwonią do nas osoby, które zostały oszukane lub odesłane z kwitkiem z jakieś firmy lub osoby znalezionej w internecie „ogarniającej statystykę w pracach magisterskich i doktorskich”.

Zazwyczaj takie osoby (ogarniacze) zajmują się analizą ankiet np. analizują odsetki odpowiedzi dla 40 itemowego testu psychologicznego, albo liczą statystyki opisowe dla zmiennych porządkowych np. liczą średnią dla wykształcenia (ogólnie celem tego typu osób jest zrobienie „czegoś” i wzięcie pieniędzy. Przykładów źle zrealizowanej analizy statystycznej w pracach naukowych mamy całą szufladę.

Nasza długoletnia praktyka zmusza nas do pisania o tych nieciekawych zdarzeniach. Osoby nie znające się na obliczeniach statystycznych i metodologii badań wyrządzają ogromne szkody, poczynając od finansowych, a kończąc na tych naukowych (zła analiza prowadzi do błędów podczas weryfikacji hipotez badawczych i niepoprawnych oszacowań).