Login
- Document type:
- Konferenzbeitrag
- Author(s):
- Heine, Jörg-Henrik; Tarnai, Christian; Hartmann, Florian G.
- Title:
- Eine Methode zur Parameterbestimmung im Rasch-Modell bei fehlenden Werten
- Abstract:
- Fehlende Werte sind bei sozialwissenschaftlichen Untersuchungen ein häufiges Problem. Insbesondere wenn eine Skalierung nach probabilistischen Testmodellen angestrebt wird, setzen die meisten Schätzalgorithmen, wie z.B. CML-Schätzung, eine vollständige Datenmatrix voraus. Sollen unvollständig vorliegende Datensätze ausgewertet werden, ergeben sich dann im Prinzip drei verschiedene Möglichkeiten um eine „vollständige“ Datenmatrix zu erzeugen: „listweise deletion“, „pairwise deletion“ oder die Vervollständigung des Datensatzes mittels geeigneter Imputationsmethoden. Während die ersten beiden Möglichkeiten meist zu einer erheblichen Reduzierung der Stichprobenumfänge führen, setzen die meisten Imputationsmethoden a-priori Annahmen über den Daten-Ausfallmechanismus voraus, welche allerdings meist nicht überprüft werden können. Die vorliegende Arbeit dokumentiert die Entwicklung eines R-Moduls, welches die explizite Itemparameterberechnung nach der Methode des paarweisen Itemvergleichs vornimmt (Choppin 1968, 1985; Zwinderman, 1995). Die Itemparameter können dabei sowohl für Items mit dichotomen Antwortformat, als auch für Items mit mehrstufigen Antwortformaten nach dem Partial Credit Modell (Masters, 1982) explizit berechnet werden (Garner & Engelhard 2009). Diese Methode hat den Vorteil, dass sie sich auch direkt auf unvollständige empirische Daten anwenden lässt. Die anschließende Schätzung der Personenparameter θ wird auf Basis der explizit berechneten Itemparameter für jede theoretisch mögliche Rohwertgruppe mittels ML-Schätzung nach der Newton-Raphson Methode vorgenommen. Es können dabei auch (theoretische) Personenparameter für zunächst nicht empirisch beobachtete Rohwertgruppen geschätzt werden. Die Ergebnisse der Parameterschätzungen nach diesem, oben beschriebenen, Vorgehen werden anhand eines empirischen Datensatzes mit den Ergebnissen aus der CML-Schätzung mit dem Programm WinMira verglichen. Zusätzlich werden unterschiedliche Anteile von fehlenden Werten im ursprünglichen Datensatz simuliert. Abschließend soll diskutiert werden, auf welche Art und Weise die Modellgeltung anhand informationstheoretischer Kriterien (AIC, BIC, CAIC) oder globaler Modellgeltungstest für Datensätze mit fehlenden Werten vorgenommen werden kann. Literatur Choppin, B. (1968). Item Bank using Sample-free Calibration. Nature, 219(5156), 870-872. Choppin, B. (1985). A fully conditional estimation procedure for Rasch model parameters. Evaluation in Education, 9, 29-42. Garner, M., & Engelhard, G., Jr. (2009). Using paired comparison matrices to estimate parameters of the partial credit Rasch measurement model for rater-mediated assessments. Journal of Applied Measurement, 10, 30-41. Masters, G. N. (1982). A Rasch model for partial credit scoring. Psychometrika, 47, 149–174. Zwinderman, A. H. (1995). Pairwise Parameter Estimation in Rasch Models. Applied Psychological Measurement, 19, 369-375.
- Book / Congress title:
- 10. Tagung der Fachgruppe Methoden & Evaluation der DGPs
- Congress (additional information):
- 21. 09. 2011 - 23. 09. 2011
- Publisher address:
- Bamberg
- Year:
- 2011
- Month:
- September
- Language:
- de
- WWW:
- https://www.uni-bamberg.de/psymethodenbf/fachgruppentagung-methoden-evaluation-2011/
BibTeX