Normale verdeling van items?

Question

Hoe zat dat ook alweer. Waarom moeten scores op items eigenlijk normaal verdeeld zijn? Ik heb een verhaal in mijn achterhoofd over 'populatie, steekproef en steekproevenverdeling'. Maar ik dacht dan alleen de steekproevenverdeling normaal verdeeld moest zijn. Maar ik zie wel in een werkstuk wat ik ooit eerder heb geschreven dat ik al eerder ooit items uit een dataset heb verwijderd omdat ze te scheef/puntig waren. Dus ik heb het ooit wel begrepen haha. Is hier een kort antwoord op te geven? Of gewoon weer beginnen bij Field hoofdstuk 1.

Answer 1

Scores op items hoeven niet normaal verdeeld te zijn. Het hangt van je aannames af.

Als je een vragenlijst ontwikkelt wil je soms juist items waar de meeste mensen superlaag op scoren en maar een paar mensen hoger. Dit maakt het mogelijk om mensen die erg hoog of erg laag op een onderliggende trait scores toch goed van elkaar te onderscheiden.

Bovendien zijn sommige dingen in de populatie helemaal niet normaal verdeeld, dus dan zou je geen normale verdelingen verwachten in de items.

De verdeling van scores op een item zijn een combinatie van 1) de populatieverdeling voor dat item, en 2) de meetfout. Die eerste hoeft niet normaal te zijn. De tweede wel - tenminste, normaal wordt meetfout gedefinieerd als normaal verdeeld, met gemiddelde 0.

Als je reden hebt om aan te nemen dat de populatieverdeling van scores op een item normaal moet zijn, en de scores die je observeert zijn dat niet, dan is er dus iets vreemds aan de hand.

Als dit gebeurt terwijl je een meetinstrument ontwikkelt, kun je items verwijderen.

Als dit gebeurt met een bestaand meetinstrument wordt de vraag: waar komt dat door, dat dat item zich opeens verkeerd gedraagt? Begrijpt je doelgroep de items niet goed? Is dat alleen een probleem bij dat item, of ook bij andere items, die dan misschien wel normaal zijn verdeeld, maar misschien niet valide zijn?

In dat geval kun je dus ook niet zomaar het item verwijderen; dat is een indicatie dat je het meetsinstrument niet voldoende hebt gecheckt in je doelpopulatie, en je weet dan niet of je data wel bruikbaar zijn. Daar is geen oplossing voor, behalve teruggaan en doen wat je eerst had moeten doen; checken of je meetinstrument wel bruikbaar is, voordat je dat meetinstrument inzet.

Da's geen supergoed nieuws natuurlijk, jammer genoeg :-/