Plausible Values (PV) sind eine Möglichkeit, Kompetenzen von Personen auf Gruppenebene zu beschreiben. Sie erlauben messfehlerbereinigte (unverzerrte) Schätzungen von Effekten auf Populationsebene. Im Gegensatz zu Punktschätzern wie den Weighted Likelihood Estimates (WLE) eignen sich Plausible Values für genauere inferenzstatistische Tests bei Zusammenhangs- und Mittelwertsanalysen.
Plausible Values basieren auf den individuellen Antworten in den Kompetenztests und zusätzlichen Hintergrundmerkmalen (z. B. Geschlecht, Alter, sozioökonomischer Status). Für jede Person wird zunächst die Wahrscheinlichkeitsverteilung ihrer Kompetenz bestimmt und daraus mehrere Werte zufällig gezogen (daher Plausible Values). Hypothesentests für die eigentlich interessierende Fragestellung werden dann für jeden Plausible Value einzeln berechnet und zu einem Gesamtergebnis zusammengefasst.
NEPS Survey Paper No. 71 (2020) mit weiterführenden Informationen zu Plausible Values
Artikel von A. Scharl und E. Zink in Large-scale Assessments in Education (2022) zu Plausible Values
R-Paket NEPSscaling
Das R-Paket NEPSscaling ermöglicht es, Plausible Values mit einem für die spezifische Fragestellung angepassten Hintergrundmodell selbst zu generieren. Zudem ist das Paket in der Lage, mit fehlenden Werten im Hintergrundmodell umzugehen. Folgende Funktionen bietet NEPSscaling:
-
Schätzung von Plausible Values für Kompetenzdaten des NEPS
-
Eignung für querschnittliche und längsschnittlich verlinkte Kompetenzdaten
-
Imputation fehlender Werte
-
Speicherung der Plausible Values in den Datenformaten R, Mplus und Stata
Befehl zur Installation von NEPSscaling in R
Das Paket NEPSscaling lässt sich mit dem folgenden Befehl installieren:
install.packages("NEPSscaling",
repos=c("http://nocrypt.neps-data.de/r", getOption("repos"))
)
Dokumentation von NEPSscaling
Eine detaillierte Beschreibung des R-Pakets, der Funktionalität und Handhabung von NEPSscaling sowie den in den Scientific-Use-Files angebotenen Plausible Values findet sich im oben genannten NEPS Survey Paper No. 71 von Anna Scharl, Claus H. Carstensen und Timo Gnambs (2020).
Plausible Values in den Scientific-Use-Files
Die in den Scientific-Use-Files enthaltenen Plausible Values können für explorative Analysen herangezogen werden. Für die eigentliche Hypothesentestung empfiehlt es sich jedoch, alle Variablen, die auch Teil der interessierenden Analyse sind, als Hintergrundinformationen bei der Generierung der Plausible Values zu berücksichtigen. Dies schließt sämtliche Kovariaten und nicht-linearen Terme (z. B. quadratische Effekte, Interaktionen) ein. Aufgrund der komplexen NEPS-Datenstruktur kann die Bandbreite denkbarer Auswertungsmöglichkeiten von Kompetenzdaten nicht mit einem einzigen Hintergrundmodell abgedeckt werden. Die zur Verfügung gestellten Plausible Values beruhen auf einem stark reduzierten Hintergrundmodell, wodurch eine Unverzerrtheit der Schätzungen nicht in jedem Anwendungsfall gewährleistet ist. Daher wird empfohlen, für spezifische Fragestellungen jeweils eigene Plausible Values mit entsprechend angepasstem Hintergrundmodell über das R-Paket NEPSscaling zu generieren.
Dateiversionen von NEPSscaling und Anwendungsbeispiele