Samenvatting: Latent Variable Modellin
- Deze + 400k samenvattingen
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden
Lees hier de samenvatting en de meest belangrijke oefenvragen van Latent Variable Modellin
-
Tentamen
Dit is een preview. Er zijn 18 andere flashcards beschikbaar voor hoofdstuk 05/07/2017
Laat hier meer flashcards zien -
Kritiek Klassieke Test Theorie (CTT)
- Eigenschappen van de proefpersoon en eigenschappen van de test kunnen niet onderscheiden worden.
- CTT is test-georienteerd, het doet geen uitspraak over hoe een individu of groep op een bepaald item reageerd
- Een aanname van CTT is dat de standaard error van een meting hetzelfde is voor alle proefpersonen. Dit is een onwaarschijnlijke aanname
- Feit dat betrouwbaarheid is gedefinieerd als de correlatie tussen testscores op parallelle vormen van de test is lastig. Meningen verschillen over wat deze parallel tests moeten zijn.
- CTT is niet falsifiseerbaar
-
Twee aannames van IRT
- De score van een deelnemer op een testitem voorspeld kunnen worden door een onderliggende vaardigheid, θ
- De relatie tussen de itemscore van een deelnemer en zijn of haar θ moet beschreven kunnen worden door een item karakteristieke curve (ICC)
- De score van een deelnemer op een testitem voorspeld kunnen worden door een onderliggende vaardigheid, θ
-
Twee assumpties van IRT
- Assumptie van unidimensionaliteit, die stelt dat slechts één latente variabele wordt gemeten
- Assumptie van lokale onafhankelijkheid, die stelt dat de vaardigheid he enige is wat de antwoorden op de test bepaald. Dat betekent dat wanneer je controlleert voor de latente variable er geen correlatie tussen de items aanwezig zou moeten zijn.
- Assumptie van unidimensionaliteit, die stelt dat slechts één latente variabele wordt gemeten
-
Nadelen joint-maximum-likelihood-estimation
- vaardigheidschattingen met perfecte en 0-scores bestaan niet
- itemparameterschattingen voor items die allemaal correct (of incorrect) gescoord zijn door de kandidaten bestaan niet
- In het 2- en 3-parameter model levert de procedure geen consistente schattingen op voor de item- en vaardigheidsparameters
- In het 3-parameter model kan de procedure voor het vinden van de schattingen falen.
-
Hoe en met welke toets kun je de fit van een itemscore aan het Rasch model toetsen?
Je kunt dit toetsen met een chi kwadraat toets.
De geobserveerde proporties (van goed en fout/pos en neg) worden getoetst met wat het model verwacht (expected proporties).
Als een item een goede fit heeft, zal de chikwadraat toets niet significant zijn (H0=goede fit van het model). -
Je hebt een meetmodel ontwikkeld en met de IRT getoetst op overall fit. De chikwadraattoets geeft een p-waarde van 2.3. Accepteer of verwerp je dit meetmodel?
Je accepteert het meetmodel.
De H0 van de chikwadraat is dat er een goede fit is. Niet significant wil dus zeggen een goede fit. -
Op welke manier kun je de overall fit van het meetmodel toetsen?Wat wil het zeggen als de overall fit van het model goed is?
Door een chikwadraat toets te doen over alle items in het model. Wanneer de toets niet significant is kun je het model accepteren. Dit wil zeggen dat de items samen een strict unidimensionaal product zijn.
Vaardigheden zijn binnen één persoon gelijk, ongeacht het aantal en de moeilijkheid van de afgenomen items (scale free, person invariance). En de moeilijkheid binnen één vraag is gelijk, ongeacht de vaardigheid of het niveau van de steekproef die gebruikt is om deze te schatten (item free, item invariance). -
Op welke manier drukt men de betrouwbaarheid van de IRT uit?
In de item-informatie (theta) en Standard Error of Measurement: SEM (beta). -
graded response model
IRT model voor Likert schalen -
Conditional maximum likelihood
Theta wordt niet geschat, likelihood is onafhankelijk van theta. Conditional maximum likelihood is alleen mogelijk bij het 1 pl model.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden