Über die reinen Modellierungsfunktionen hinaus enthält cNORM auch Funktionen, die der Generierung von Normtabellen, dem Abruf von Normwerten zu spezifischen Rohwerten (und umgekehrt) dienen:
Die Funktion 'predictNorm' gibt zu einem bestimmten Rohwert (z. B. raw = 15) und einem spezifischen Alter (z. B. a = 4.7) den zugehörigen Normwert zurück. Die Normwerte müssen dabei auf einen Minimal- und Maximalwert begrenzt werden, um die Grenzen der Modellvalidität zu berücksichtigen.
predictNorm(15, 4.7, model, minNorm = 25, maxNorm = 75)
Die Funktion 'predictRaw' gibt zu einem bestimmten Normwert (z. B. T = 55) und einer bestimmten Altersstufe (z. B. a = 4.5) den vorhergesagten Rohwert zurück.
predictRaw(55, 4.5, model$coefficients, minRaw = 0, maxRaw = 28)
# ... oder eine Matrix ...
predictRaw(c(45, 50, 55), c(2.5, 3, 3.5, 4, 4.5), model)
Die Funktion 'normTable' gibt für ein bestimmtes Alter (z. B. a = 3) zu einer vorspezifizierten Reihe an Normwerten die zugehörigen Rohwerte aus. Der Parameter 'step' spezifiziert dabei den Abstand zwischen zwei Normwerten. Falls der Reliabilitäts- und der Konfidenzkoeffizient angegeben werden, dann generiert diese Funktion automatisch die Konfidenzintervalle:
normTable(3, model, minRaw = 0, maxRaw = 28, minNorm=30.5, maxNorm=69.5, step = 1)
Die Funktion 'rawTable' ist vergleichbar mit 'normTable', kehrt aber die Zuordnung um: Einer vorspezifizierten Reihe an Rohwerten werden für ein bestimmtes Alter die Normwerte zugeordnet. Hierfür ist eine Umkehrung der Regressionsfunktion erforderlich, die numerisch ermittelt wird.
rawTable(3.5, model, minRaw = 0, maxRaw = 28, minNorm = 25, maxNorm = 75, step = 1)
# Mehrere Tabellen auf einmal generieren
table <- rawTable(c(2.5, 3.5, 4.5), m, minRaw = 0, maxRaw = 28)
Eine solche Tabelle benötigt man, wenn man zu allen vorkommenden Rohwerten das genaue Perzentil oder den genauen Normwert bestimmen möchte.
![]() |
Modellvalidierung |
Beta-Binomiale Modelle |
![]() |