3.5 Samenvatting theorie Assessment Wellbeing
Assessment Wellbeing (1 - 3) → niks qua theorie
Assessment wellbeing (4-8)
➔ Simple structure: een item heeft grote loading op 1 factor en kleine loading op andere factor
➔ Non-orthogonaal is het beste voor gedragswetenschappen, want hier mogen constructen wél
correleren met elkaar
➔ Factor matrix: zonder rotatie (varimax) → item correleert hoog met eerste factor
➔ Structure matrix: met rotatie (promax) → correlaties van items en de factor
➔ Pattern matrix: met rotatie (promax) → unieke toevoeging van item op de factor
Nadelen van test-retest betrouwbaarheid → assumpties van CTT worden geschonden
Assumptie CTT Geschonden bij test-retest, want
Echte scores van deelnemers moeten stabiel zijn Lang interval → deelnemers veranderen (leeftijd, kennis) dus hun echte
score kan veranderen
Errorvariantie over de twee meetmomenten moeten Situatie is nooit identiek → meer kans op andere errorvariantie
gelijk zijn
Regels Cronbach’s alpha
➔ Gelijk of groter dan .7 voor groepen
➔ Gelijk of groter dan .8 voor individuen
Vergroten van betrouwbaarheid
➔ Toevoegen van parallelle items aan de test → echte score variantie zal dan sneller toenemen
dan errorvariantie waardoor je betrouwbaarheid omhoog zal gaan
➔ Item moeten consistent zijn met elkaar → ze reflecteren dan beter het gemeten construct
Nadelen van interne consistentie als schatting van echte betrouwbaarheid
➔ 1 meetmoment: interne consistentie overschat de betrouwbaarheid → errorvariantie wordt
vaak onderschat waardoor je de betrouwbaarheidheid gaat overschatten
➔ Echte scores zijn lastig te achterhalen → onderschatten van betrouwbaarheid
Betrouwbaarheid kan je niet generaliseren naar een andere populatie!
➔ Betrouwbaarheid is een kenmerk van een testscore en niet van de test zelf
◆ Heterogene groep → hoge betrouwbaarheid (je ziet veel verschillen/variantie)
◆ Homogene groep → lage betrouwbaarheid (je ziet geen verschillen/variantie)
➔ Andere populatie geven andere true scores en dus andere true score variantie
➔ Het is dus niet mogelijk om betrouwbaarheid te generaliseren naar een andere steekproef
Interpretatie van Confidence Interval
➔ Al zou je deze participant oneindig veel testen, dan zal zijn echte score in 95% van de
gevallen in dit interval vallen
➔ Het CI geeft een range van plausibele waardes waar zijn echte score in zal vallen, gebaseerd
op zijn geobserveerde score
Let op! Hoe groter dit interval, hoe minder goed je dit kan gebruiken want dan wordt het minder
betrouwbaar
Assessment Wellbeing (1 - 3) → niks qua theorie
Assessment wellbeing (4-8)
➔ Simple structure: een item heeft grote loading op 1 factor en kleine loading op andere factor
➔ Non-orthogonaal is het beste voor gedragswetenschappen, want hier mogen constructen wél
correleren met elkaar
➔ Factor matrix: zonder rotatie (varimax) → item correleert hoog met eerste factor
➔ Structure matrix: met rotatie (promax) → correlaties van items en de factor
➔ Pattern matrix: met rotatie (promax) → unieke toevoeging van item op de factor
Nadelen van test-retest betrouwbaarheid → assumpties van CTT worden geschonden
Assumptie CTT Geschonden bij test-retest, want
Echte scores van deelnemers moeten stabiel zijn Lang interval → deelnemers veranderen (leeftijd, kennis) dus hun echte
score kan veranderen
Errorvariantie over de twee meetmomenten moeten Situatie is nooit identiek → meer kans op andere errorvariantie
gelijk zijn
Regels Cronbach’s alpha
➔ Gelijk of groter dan .7 voor groepen
➔ Gelijk of groter dan .8 voor individuen
Vergroten van betrouwbaarheid
➔ Toevoegen van parallelle items aan de test → echte score variantie zal dan sneller toenemen
dan errorvariantie waardoor je betrouwbaarheid omhoog zal gaan
➔ Item moeten consistent zijn met elkaar → ze reflecteren dan beter het gemeten construct
Nadelen van interne consistentie als schatting van echte betrouwbaarheid
➔ 1 meetmoment: interne consistentie overschat de betrouwbaarheid → errorvariantie wordt
vaak onderschat waardoor je de betrouwbaarheidheid gaat overschatten
➔ Echte scores zijn lastig te achterhalen → onderschatten van betrouwbaarheid
Betrouwbaarheid kan je niet generaliseren naar een andere populatie!
➔ Betrouwbaarheid is een kenmerk van een testscore en niet van de test zelf
◆ Heterogene groep → hoge betrouwbaarheid (je ziet veel verschillen/variantie)
◆ Homogene groep → lage betrouwbaarheid (je ziet geen verschillen/variantie)
➔ Andere populatie geven andere true scores en dus andere true score variantie
➔ Het is dus niet mogelijk om betrouwbaarheid te generaliseren naar een andere steekproef
Interpretatie van Confidence Interval
➔ Al zou je deze participant oneindig veel testen, dan zal zijn echte score in 95% van de
gevallen in dit interval vallen
➔ Het CI geeft een range van plausibele waardes waar zijn echte score in zal vallen, gebaseerd
op zijn geobserveerde score
Let op! Hoe groter dit interval, hoe minder goed je dit kan gebruiken want dan wordt het minder
betrouwbaar
