MODELI MERENJA U

PSIHOMETRIJI
Modeli merenja u psihmetriji
 Psihometrijska dogma
 U odgovaranju na stavke učestvuje čitava ličnost
 Model – matematički (statistički) model koji numerički
kombinuje nezavisne varijable (latentne crte ili stumulusi) s
ciljem da se optimalno predvidi zavisna variabla (odgovor ili
ponašanje)
 Modeli nikada nisutačna deskripcija prirode
 Izomorfnost - fitovanje – predviđanja koja proističu iz modela
moraju odgovarati podacima
 Modeli podataka vs. Modeli merenja = Modeli stukture
testnih skorova vs. Modeli odnosa među činiocima merenja
Modeli merenja u psihmetriji
 Dva osnovna modela
 Klasična teorija testova (Klasični model merenja,
Teorija pravog skora) – pristup skoriranja
 Teorija ajtemskog odgovora – pristup skaliranja
 Klasični model merenja
 Model paralelnih testova
 Model uzorkovanja iz domena
 Teorija generalizabilnosti
 Image teorija
 Faktorski model merenja
Klasična teorija testova
 Osnovne karakteristike
 Fokus na ukupni testni skor
 Ukupni testni skor = suma odgovora na pojedinačne
ajteme
 Linearno dekomponovanje ukupnog skora na pravi
skor iskor greške, odnosno, na pravu i varijansu greške
 Y=T+E
Klasična teorija testova
 Još neke karakteristike
 Korelacije ukupnih i pravih skorova su jednake korelacijama
ukupnih skorova
 Kovaqrijanse pravih skorova i skorova greške su nulte
 Kovarijanse ukupnih skorova i skorova greške su nulte
 Greške merenja su nekorelirane ni međusobno, ni sa pravim ni sa
ukupnim skorovima, te ne utiču na korelacije pravih i ukupnih
skorova

 Problem klasičnog modela je što je uvek tačan!

 Platonski pravi skorovi!
 Nema nikakvih naznaka o vrednostima T i E

 Osnovni problem: kako operacionalizovati i izračunati pravi skor?

Model paralelnih indikatora
 Pretpostavka paralelnosti – paralelni indikatori (stavke, delovi
testova, testovi u celini) imaju jednaku pouzdanost, koja se
može izračunati kao korerlacija između njih!
 ‘’Pravi skor je prosečan skor koji bi osoba dobila na
beskonačnom brojuparalelnih formi testa, pod uslovom da
odgovaranje na test ne utiče na osobu’’
 Uvodi matematičku osnovu za izračunavanje pouzdanosti testa u
klasičnom modelu
 Pouzdanost –odnos prave varijanse prema ukupnoj varijansi –
omogućujeocenu prave varijanse, samim tim, i pravog skora
Teorija uzorkovanja iz domena
 Prvi uzorak i populacija – ispitanici
 Drugi uzorak i populacija – ajtemi
 Populacija (Domen, univerzum) - sva ponašanja koja
imaju zajednički uzrok - latentnu crtu; svi mogući
ajtemi koji mere ta ponašanja
 Test – uzorak ajtema iz domena mogućih ajtema
 Treći uzorak i populacija – odgovori jednog
ispitanika
Teorija uzorkovanja iz domena
 Pravi skor – suma (ili prosek) mera dobijanih iz
svih mogućih merenja svim mogućim mernim
instrumentima
 Psihološko testiranje – izvlačenje uzoraka
indikatora iz domena i utvrđivanje da li je izvučeni
uzorak reprezentativan za domen
 Greške se tretiraju jedinstveno, kao sve zajedno
Teorija generalizabilnosti
 Univerzum merenja čine sva moguća merenja koja
su jednako prihvatljiva onome ko ih primenjuje
 Skor univerzuma – prosek ili zbir svih merenja
 Skor univerzuma = pravi skor
 Ako je pojedinačan skor blizak skoru univerzuma,
on je generalizabilan
 Svaki izvod odstupanja od pravog skora izoluje i
tretira zajedno
Teorija generalizabilnosti
 Da bi nam merenja bila prihvatljiva, ona moraju biti
generalizabilna
 Generalizabilnost se uvek odnosi na jednu ili više
faceta
 Na primer, najčešća faceta su ajtemi
 To znači da mi želimo da skor dobijen na jednom skupu
ajtema bude generalizabilan u odnosu na sve ajteme iz
univerzuma
 Facete su, dakle, potencijalni izvori grešaka merenja
 Cilj G teorije je da oceni kolike su greške iz tog izvora i da
li merenje može biti generalizabilno u odnosu na tu facetu
Teorija generalizabilnosti
 U svakom univerzumu postoje sledeći izvori
varijabiliteta:
 IR - treći izvor individualnih razlika – prava varijansa
 Facete – ajtemi, procenjivači, proteklo vreme, svrha
testiranja...
 Interakcija ispitanici x facete (npr. ajtemi)
 Greške merenja
Teorija generalizabilnosti
 Univerzumi se u G teoriji razlikuju po broju faceta
 Sa jednom facetom – obično ajtemi ili procenjivači
 Sa dve facete – obično ajtemi i vremena
 Sa tri facete – npr. procenjivači, vremena, situacije
 Sa ukrštenim ili ugnježdenim facetama
 Sa slučajnim i fiksnim facetama
Teorija generalizabilnosti
 Formalni model sa jednom facetom

 Komponente varijanse:
 σp2 = procenjivači
 σ i,g2 = interakcija + greške
 σs2 = subjekti – varijansa univerzalnog skora
Teorija generalizabilnosti
 ANOVA s jednofaktorijalnim nacrtom

 Koeficijenti generalizabilnosti – intraklasni koeficijenti – ρ2

 Npr: ρ2 = σs2 /(σs2 + σg2)
Teorija generalizabilnosti
 G-studija i D-studija

 Studija generalizabilnosti (G-studija; G -

generalizability) – formiraju se tabele ANOVE i
izračunavaju koeficijenti generalizabilnosti

 Studija odlučivanja (D-studija; D - decision) – koriste

se podaci iz G-studije da bi se odabrao onaj nacrt
merenja koji je najgeneralizabilniji
Guttmanova image (imaž) teorija
 U univerzumu:
 Imaž je onaj deo varijable koji se može predvideti iz
ostalih varijabli: R2 – koeficijent multiple
determinacije
 Antiimaž je 1 – R2
 U uzorku-testu:
 Parcijalni antiimaž = specifitet + greška
 Parcijalni imaž = imaž – specifitet
Guttmanova image (imaž) teorija
 Guttmanov model merenja

 Ključna matrica je: V2 = diag(R–1) –1

 Ona sadrži parcijalne antiimaže varijabli, dakle, greške se

mogu egzaktno izračunati
 Međutim, u Guttmanovom modelu greške mogu biti
korelirane
Faktorski model merenja
 Nastao kao model podataka, a ne model merenja
 Prava varijansa se definiše kao varijansa koju
objašnjavaju zadržani faktori
 U terminima FA to je komunalitet – h2
 Neobjašnjena varijansa se naziva unikvitetom (u2) i
sadrži specifitet (s2) + grešku (e2)
 h2 + (s2 + e2) = 1
Literatura
 Fajgelj (2005): 125-173