97 Dokumente gefunden
14. Vorlesung (31.01.2017): Latente Klassenanalyse
Vorlesungsinhalte: Latent Class Analyse: Grundidee - Anwendungsbereich, Modellgleichung und Parameterschätzung (Genauigkeit der Schätzung), Anwendung in Winmira
13. Vorlesung (24.01.2017): Graded Response Modell
Vorlesungsinhalte: Die theoretischen Grundlagen zum Graded Response Modell: Modellgleichung und Bedeutung der Modellparameter, Beziehung zum 2 PL Modell, Anwendung in Mplus
12. Vorlesung (10.01.2017): LST Theorie
Vorlesungsinhalte: 1. Latent State Trait Theory (Eigenschaften der Variablen, Modellannahmen, Anwendung)
11. Vorlesung (03.01.2017): 2 PL in Mplus und LST Theorie
Vorlesungsinhalte: 1. Latent Response Variablen Yi* (Grundidee, Multiple Choice), 2. Latent State Trait Theory (Grundidee und Definitionen)
10. Vorlesung (20.12.2016): 2 PL in Mplus
Vorlesungsinhalte: 1. IRT: Linkfunktionen (Logit und Probit), 2. 2PL Modell in Mplus - WLSMV Schätzer, 2.1. Multiple Choice, 2.2 Vergleich WLSMV und MLR Schätzer, 3 Ausblick - Latent Response Variablen Yi*
9. Vorlesung (13.12.2016): 2 PL in Mplus
1. IRT: Linkfunktionen (Logit und Probit), 2. 2PL Modell in Mplus - WLSMV Schätzer, 2.1. Multiple Choice, 2.2. Vergleich WLSMV und MLR Schätzer, 3. Ausblick - Latent Response Variablen Yi*
8. Vorlesung (06.12.2016): 2 PL in Mplus
Vorlesungsinhalte: 1 Das Birnbaum Modell (2 PL Modell) in Mplus,
1.1 Noch offen vom letzten Ü-zettel - Anwendung 2PL Modell in Mplus, 1.2 Anwendung 2PL Modell in Mplus - Erweiterung, 1.3 Anwendung 2PL Modell in Mplus - Multiple Choice, 1.4 Genauigkeit der Schätzung der Personenparameter
7. Vorlesung (29.11.2016): 2 PL Modell und Mplus
Vorlesungsinhalte: 1 Das Birnbaum Modell (2 PL Modell), 1.1 Unterschiede zum Rasch-Modell, 2 Mplus, 2.1 Mplus Input, 2.2 Anwendung 2PL Modell in Mplus
6. Vorlesung (22.11.2016): Rasch Modell - Überblick
Vorlesungsinhalte:
1 Basiswissen - Subpopulationen, 2 Item-Response-Theorie, 2.1 Rasch Modell - Parameterschätzung, 2.2 Rasch Modell - Implikationen
5. Vorlesung (15.11.2016): Rasch Modell - Winmira
Vorlesungsinhalte: 1. Basiswissen: Prüfgröße und p-Wert, 2. Item-Response-Theorie, 2.1. Modellgeltungskontrolle Winmira, 2.2. Geschätzte Parameter Winmira, 2.3. Genauigkeit der Personenparameterschätzung