Ειδικά Θέματα Στατιστικής Αθανάσιος Κατσής Πανεπιστήμιο Πελοποννήσου Τμήμα Κοινωνικής και Εκπαιδευτικής Πολιτικής http://dsep.uop.gr

Θέματα που θα μας απασχολήσουν Πολυεπίπεδα μοντέλα (HLM) Μοντέλα Δομικών Εξισώσεων (SEM) Στάθμιση ερωτηματολογίου

Ερευνητικά ερωτήματα Πώς επιδρά η ψυχολογία του μαθητή στην μελλοντική συμπεριφορά του αναφορικά με τις σχέσεις του με συνομίλικους; Η προσωπικότητα του εκπαιδευτικού στη συμπεριφορά του μαθητή; Τα χαρακτηριστικά του σχολείου, του διευθυντή, της γεωγραφικής περιοχής που βρίσκεται προβλέπουν τις επιδόσεις των μαθητών στο σχολείο; Την προσαρμογή τους στο σχολικό περιβάλλον; Μπορεί η οικογένεια να καθορίσει τα κρούσματα επιθετικότητας από την πλευρά των παιδιών τους;

Different names in different disciplines : 1 Different names in different disciplines : 1.Multilevel model: statistics, psychology, sociology, social sciences 2.Hierarchical linear model (HLM): education, psychology 3.Mixed-effects model: Statistics Incorrect (inflated) Type I error : 1.Data structure in educational settings is usually nested. 2.If we ignore the nested structure and apply a regression analysis, the Type I error is likely inflated (too small).

Η ανάλυση πολυεπίπεδων δεδομένων στοχεύει στην ανάλυση στοιχείων τα οποία βρίσκονται σε διαφορετικά επίπεδα αναφοράς (π.χ., ενδοατομικό, ατομικό, συλογικό, κλπ). Ως τέτοιο παράδειγμα αναφέρουμε την επίδοση των μαθητών (εξαρτημένη μεταβλητή) σε σχέση με ατομικά χαρακτηριστικά του μαθητή (ανεξάρτητη μεταβλητή - πρώτο επίπεδο αναφοράς), χαρακτηριστικά της σχολικής μονάδας (ανεξάρτητη μεταβλητή - δεύτερο επίπεδο αναφοράς) αλλά και χαρακτηριστικά του νομού που ανήκει το σχολείο (ανεξάρτητη μεταβλητή - τρίτο επίπεδο αναφοράς).

HLM data Students nested within schools Children nested within families Respondents nested within interviewers Repeated measures nested within individuals (longitudinal data)

Παρόμοια προσέγγιση με την τεχνική γραμμικής παλινδρόμησης αλλά με περισσότερες από μια εξισώσεις Αν δεν εφαρμόσουμε HLM τότε υπάρχει το πρόβλημα του ecological fallacy, δηλαδή συμπεράσματα σε aggregate data χωρίς να λαμβάνεται υπόψη οι διαφοροποιήσεις ανά ομάδα που ανήκει η κάθε παρατήρηση

Η διαφορά είναι ότι οι παράμετροι της γραμμικής παλινδρόμησης (intercept and slope) χρησιμοποιούνται στα επόμενα επίπεδα ανάλυσης ως εξαρτημένες μεταβλητές

Structural Equation Modeling Το μοντέλο αυτό έχει σαν κύριο σκοπό την δημιουργία απλών δομών (simple structures) από μετρήσιμα στοιχεία. Με άλλα λόγια προσπαθεί να ομαδοποιήσει τις ατομικές, μετρήσιμες πληροφορίες όπως αυτές προκύπτουν από τα ατομικά στοιχεία σε μικρότερες σε αριθμό μονάδες. Για παράδειγμα ας υποθέσουμε ότι έχουμε προτάσεις/ερωτήσεις ενός ερωτηματολογίου και θέλουμε να δούμε αν όλες μαζί μετρούν ένα γενικευμένο «λανθάνoν» χαρακτηριστικό

Επιβεβαιωτική Ανάλυση ενός Μοντέλου Δύο Παραγόντων

Επιβεβαιωτική Ανάλυση ενός Μοντέλου Δύο Παραγόντων

Στάθμιση ερωτηματολογίου Μεταφορά ενός δοκιμασμένου ερευνητικού εργαλείου σε άλλη γλώσσα Εκτός από το θέμα της μετάφρασης υπάρχουν και άλλα ζητήματα όπως η πολιτιστική προσαρμογή, η κατανόηση των όρων καθώς και ζητήματα εγκυρότητα και αξιοπιστίας του νέου εργαλείου

Γενική προσέγγιση Αρχική μετάφραση του ερωτηματολογίου Αξιολόγηση του (1) Πιλοτική εφαρμογή της μεταφρασμένης έκδοσης Back-translation της μεταφρασμένης έκδοσης στην αρχική γλώσσα Αξιολόγηση του (4) Εκτίμηση εγκυρότητας και αξιοπιστίας της τελικής μεταφρασμένης έκδοσης

Εκγυρότητα-αξιοπιστία Για την εγκυρότητα χρησιμοποιούμε κυρίως Cronbach’s alpha and ICC (Intraclass Correlation Coef.) Για construct validity χρησιμοποιούμε συντελεστές συσχέτισης Για discriminant validity μπορούμε να εξετάσουμε διαφορές μέσων τιμών.