Skip to ContentSkip to Navigation

Flexible regression-based norming of psychological tests

Promotie:Mw. L. (Lieke) Voncken
Wanneer:14 mei 2020
Aanvang:16:15
Promotors:prof. dr. M.E. (Marieke) Timmerman, prof. dr. C.J. (Casper) Albers
Waar:Academiegebouw RUG
Faculteit:Gedrags- en Maatschappijwetenschappen
Flexible regression-based norming of psychological tests

Normering van psychologische tests

Psychologische tests worden veel gebruikt bij diagnostiek en in selectie van personen. De scores op de test zelf zijn meestal niet informatief. De interpretatie vindt daarom plaats door deze te vergelijken met de scores van een referentiepopulatie. Bij intelligentietests, bijvoorbeeld, wordt een testscore vergeleken met de scores van personen van dezelfde leeftijd als de geteste persoon. De hiervoor benodigde normen worden geschat voor veel leeftijden. Hiervoor wordt op basis van een normeringssteekproef een statistisch normeringsmodel geschat, dat de relatie weergeeft tussen de testscoreverdeling en de leeftijd.

Flexibele modellen zijn nodig om een realistisch normeringsmodel te krijgen. In haar proefschrift onderzoekt Voncken de onderwerpen die hiermee gepaard gaan, zoals modelselectie en complexe modellen met een hogere mate van steekproeffluctuatie. Zij laat zien dat goede modelselectie mogelijk is met een geautomatiseerde modelselectieprocedure. Ook onderzoekt ze de gevolgen van het gebruik van een te strikt versus een te flexibel model en concludeert dat het meestal beter is een flexibel model te gebruiken.

Daarnaast toont Voncken aan hoe onzekerheid in normen door steekproeffluctuaties kan worden uitgedrukt in betrouwbaarheidsintervallen. Het vergroten van de normeringssteekproef kan de steekproeffluctuaties verkleinen, maar dit is kostbaar en niet altijd mogelijk in de praktijk. Zij toont aan dat het mogelijk is bij een gelijkblijvende steekproefgrootte de steekproeffluctuaties te verkleinen door bestaande normeringsinformatie van een test mee te nemen in het schatten van nieuwe normen. Dit geeft aan dat we de uitdagingen het hoofd kunnen bieden en de interpretatie van testscores kunnen verbeteren door goede modelselectie en efficiënte normering.