Site menu:

Switch to English language

cNORMj - Continuous Norming mit cNORM für Jamovi


Jamovi ist eine sehr intuitive und kostenlose Statistikplattform, die auf R aufsetzt. Wir haben das Modul "cNORMj" zur Jamovi-Softwarebibliothek beigesteuert, das Ihnen die wesentliche cNORM-Funktionen bietet, um Normwerte für einzelne Gruppen zu generieren oder eine regressionsbasierte kontinuierliche Normierung durchzuführen.


Generierung von Normwerten für einzelne Gruppen


Dieses Modul ermittelt Normwerte für einzelne Gruppen und stellt Normtabellen zusammen. Um die Normwertdaten zu glätten und die Lücken zu schließen, wird der funktionale Zusammenhang zwischen Rohwert und Normwert mittels polynomialer Regression bis zur 5. Potenz unter Verwendung des cNORM-Pakets modelliert (W. Lenhard, Lenhard & Gary, 2018).

Bitte geben Sie die Variable für den Rohwert an, um die Normtabelle zu erhalten. Zusätzliche Optionen:

  1. Data Preparation
    • Invert ranking order: Bitte aktivieren Sie diese Option, um die Rangfolge auf 'absteigend' zu setzen. In diesem Fall erhalten die höchsten Rohwerte die niedrigsten Normwerte.
    • Type of norm scale: Sie können T-, IQ-, z-, PISA- (m = 500, sd = 100) und Wechsler-Skalen (m = 10, sd = 3) berechnen.
    • Use regression: Standardmäßig verwendet das Modul Regression, um die Beziehung zwischen Roh- und Normwert zu modellieren. Wenn diese Option deaktiviert ist, werden die manifesten Perzentile und Normwerte auf der Grundlage einer inversen Normalrangtransformation ermittelt (Bindungen werden über RankIt adressiert).
  2. Output
    • Result plot: Das Diagramm stellt entweder die Normwerte oder Perzentile (kumulative Verteilung) dar.
    • Model summary: Hier erhalten Sie einen Bericht über das Regressionsmodell.
    • Norm table range: Schränkt den Bereich der Normwerte auf +/- SD ein. Normalerweise ist es nicht ratsam, eine Bandbreite der Normwerte von mehr als - 3 SD bis + 3 SD zu überschreiten, es sei denn, Sie haben einen wirklich großen Datensatz. Für IQ-Scores würde dies einem Intervall von IQ 55 bis 145 entsprechen.
    • Minimum raw score und Maximum raw score: Sie können die Grenzen der Normwerttabelle einstellen. Die Werte werden in den Analysen berücksichtig, sofern der angegebene maximale Rohwert über der Angabe zum minimalen Rohwert liegt. Andernfalls werden die in den Daten auftretenden minimalen und maximalen Rohwerte verwendet.
    • Stepping: Legt die Granularität der Normwerttabelle fest.


Kontinuierliche Normierung (Continuous Regression-Based Norming)


Das Modul schätzt kontinuierliche Normwerte durch Modellierung des funktionalen Zusammenhangs zwischen Rohwerten (raw), Normwerten (L) und der Gruppierungsvariablen (A; z. B. Alter, Beschulungsdauer ...) unter Verwendung des cNORM-Pakets (W. Lenhard, Lenhard & Gary, 2018). Durch das Modellierungsverfahren wird die in den Normwerten enthaltene Fehlervarianz minimiert (W. Lenhard & Lenhard, 2020). Die Methode erfordert im Vergleich zur konventionellen Normierung kleinere Stichprobengrößen, schließt Lücken innerhalb und zwischen den Normtabellen und glättet Stichprobenfehler.

Wählen Sie ein Modell mit einer niedrigen Anzahl an Termen bei gleichzeitiger Erzielung eines hohen R2. Vermeiden Sie überscheidende Perzentillinien. Das Modul bietet Ihnen die folgenden Optionen:

  1. Data Preparation
    • Invert ranking order: Bitte aktivieren Sie diese Option, um die Rangfolge auf 'absteigend' zu setzen. In diesem Fall erhalten die höchsten Rohwerte die niedrigsten Normwerte.
    • Type of norm scale: Sie können T-, IQ-, z-, PISA- (m = 500, sd = 100) und Wechsler-Skalen (m = 10, sd = 3) berechnen.
    • Degree of polynomial: cNORM greift auf polynomiale Regression mittels Taylorpolynomen zurück, um statistische die Modelle für den Zusammenhang zwischen Gruppierungsvariablen, Normwerten und Rohwerten zu bestimmen. Der Grad der Polynome gibt an, welche Zusammenhänge höherer Ordnung modelliert werden. Quartäre Polynome (Potenzparameter 4) erfassen normalerweise den größten Teil der Varianz in psychometrischen Daten, aber es ist ratsam, den Parameter in kleineren Datensätzen zu reduzieren, um eine Überanpassung zu vermeiden.
    • Number of terms: cNORM versucht, eine optimale Lösung zu finden, aber es kann notwendig sein, manuell das Modell abzustimmen. Bitte variieren Sie die Anzahl der Terme und prüfen Sie mittels visueller Inspektion des Perzentildiagramms, ob es sich um eine gute Modelllösungen handelt.
  2. Output
    • Model summary: Hier erhalten Sie eine Zusammenfassung der Passung des Regressionsmodells. 'A' bezieht sich in der Funktion auf die Gruppierungsvariable, 'L' auf den Normwert. raw ~ L2 + L2A4 würde also beispielsweise bedeuten, dass der Rohwert durch das Quadrat des Normwertes und einen Interaktionsterm aus Normwert (Potenz 2) und Gruppierungsvariable (Potenz 4) vorhergesagt wird.
    • Value for norm score table: Da die Modelle kontinuierlich sind, müssen Sie den Wert für die Erstellung einer bestimmten Normwerttabelle explizit angeben. Im obigen Beispiel wurden Daten eines Schulleistungstests für Ende Klassestufe 2 bis Ende Klassenstufe 5 verwendet. Um beispielsweise eine Tabelle für das erste Quartal der 3. Klasse (Gruppierungsvariable 2.0 bis 2.25) zu erstellen, könnten Sie die Intervallmitte angeben, also den Wert 2.125.
    • Norm table range: Schränkt den Bereich der Normwerte auf +/- SD ein. Normalerweise ist es nicht ratsam, eine Bandbreite der Normwerte von mehr als - 3 SD bis + 3 SD zu überschreiten, es sei denn, Sie haben einen wirklich großen Datensatz. Für IQ-Scores würde dies einem Intervall von IQ 55 bis 145 entsprechen.
    • Minimum raw score und Maximum raw score: Sie können die Grenzen der Normwerttabelle einstellen. Die Werte werden in den Analysen berücksichtig, sofern der angegebene maximale Rohwert über der Angabe zum minimalen Rohwert liegt. Andernfalls werden die in den Daten auftretenden minimalen und maximalen Rohwerte verwendet.
    • Stepping: Legt die Granularität der Normwerttabelle fest.


Übungsdatensätze


Das Modul enthält die Datensätze des cNORM-Pakets. Mit diesen können Sie die Analysenfunktionen ausprobieren. Um den Datensatz zu laden, klicken Sie bitte auf das Burger-Menü oben links, wählen Sie 'Öffnen' und anschließend finden Sie die Datensätze unter 'Data Library' im Ordner 'cNORMj'.



Installation


Das Modul 'cNORMj' ist über die Jamovi-Bibliothek für alle Plattformen verfügbar. Bitte klicken Sie oben rechts auf die Option 'Module'. Dort finden Sie eine Bibliothek für die Installation und Verwaltung der Module. Sie können das Modul auch für Win64 herunterladen und manuell über 'Sideload' installieren.

Version Name Datum
Binary Package (Windows, 64 Bit) cNORMj Module (v. 1.0.3) 12/07/2020


Grafische Oberfläche
 Häufige Fragen