Site menu:

Switch to English language

cNORM - 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 Normierungsdaten zu glätten und die Lücken zu schließen, die durch fehlende Rohwerte zustande kommen, wird der funktionale Zusammenhang zwischen Rohwerten und Normwerten 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 zugehörige 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 werden niedrigen Rohwerten hohe Normwerte zugeordnet und umgekehrt.
    • Type of norm scale: Sie können T-, IQ- oder z-Werte sowie 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 mittels RankIt berücksichtigt).
  2. Output
    • Result plot: Stellt entweder die Normwerte oder Perzentile (kumulative Verteilung) als Diagramm dar.
    • Model summary: Liefert einen Bericht über das Regressionsmodell.
    • Norm table range: Schränkt den Bereich der Normwerte auf das angegebene Vielfache einer Standardabweichung ein. Achtung: Es ist normalerweise nicht ratsam, eine Bandbreite der Normwerte von mehr als +/- 3 SD zu überschreiten, es sei denn, es liegt ein sehr großer Datensatz vor.
    • Minimum raw score und Maximum raw score: Legt die Grenzen der Normwerttabelle fest. 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 hoher Varianzaufklärung R2. Vermeiden Sie überschneidende 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 werden niedrigen Rohwerten hohe Normwerte zugeordnet und umgekehrt.
    • Type of norm scale: Sie können T-, IQ- oder z-Werte sowie 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. In der Regel ist es hier sinnvoll, für die Lokation 5 und für das Alter 3 zu wählen. Falls nicht viele Altersgruppen zur Verfügung stehen, kann es auch sinnvoll sein, den Grad für das Alter niedriger als 3 zu wählen.
    • Number of terms: cNORM versucht, selbstständig eine optimale Lösung zu finden. Eventuell ist jedoch eine nachträgliche Feinabstimmung der verfügbaren Parameter notwendig. Bitte variieren Sie hierfür die Anzahl der Terme und prüfen Sie mittels visueller Inspektion des Perzentildiagramms, ob es sich um ein gut passendes Modell handelt.
  2. Output
    • Model summary: Liefert eine Zusammenfassung des Regressionsmodells. 'A' bezieht sich in der Funktion auf die Gruppierungsvariable (z. B. Alter, 'L' auf die Personenlokation (d. h. 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 das Alter, für das Sie eine Normwerttabelle erzeugen möchten, explizit angeben. Wenn Sie Normen für Kinder von 10 Jahren 0 Monaten bis 10 Jahre 3 Monate erzeugen möchten, dann geben Sie hierfür die Intervallmitte an, also 10.125.
    • 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 Analysefunktionen ausprobieren. Um den Datensatz zu laden, klicken Sie bitte auf das Burger-Menü oben links und wählen Sie 'Öffnen'. Sie finden die Datensätze anschließend 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
 Rarely Asked Questions