Testscores van A tot Z

Psychometrische criteria

a. Objectiviteit

b. Betrouwbaarheid

c. Validiteit

d. Normering

Psychometrische criteria (kwaliteit van tests)

1. Objectiviteit

   • Verschillende professionals → zelfde resultaat

   • = algemene wetenschappelijke eis

2. Betrouwbaarheid

   • Hoe nauwkeurig / consistent is de meting?

3. Validiteit

   • Meet de test wat hij moet meten?

4. Normering

   • Met wie vergelijk je?

   • Normgroep moet goed aansluiten bij cliënt

Ruwe scores

eerste uitkomst van een test of basisscore

Voorbeelden:

• aantal goede antwoorden

• aantal items waarvoor de antwoorden in zelfde richting wijzen

• somscore op Likert schaal

• leestijd

Interpreteren van ruwe scores? = probleem

• Bijna altijd numeriek, bijv.

- BDI-II-NL: 12 op 63

- Figuurreeksen (CoVaT-CHC): 44 op 75

 Waarom een probleem? Op zichzelf heeft een ruwe score geen betekenis

 Vergelijking nodig

• Is score hoog of laag in vergelijking met anderen?

• Waren de vragen moeilijk of gemakkelijk? (afhankelijk van de leeftijd)

oplossing = werken met…

1) Criteriumgeoriënteerde en (2) domeingerichte tests

(3) Genormeerde tests (meeste psychologische tests)

1) Criteriumgeoriënteerde

• Vastgelegde grens (cut-off)

• Voor iedereen hetzelfde

• vb. examen (≥ 10/20 = geslaagd)

Domeingerichte tests

• Specifieke vaardigheden binnen een domein

• Ook met cut-off

• vb. selectieproeven politie

👉 Beide (criterium- & domeingericht):

• vergelijken met absolute norm ⚠

• iedereen wordt aan dezelfde standaard getoetst

(3) Genormeerde tests (meeste psychologische tests)

• betekenis door ruwe score te vergelijken met scores van de normgroep

• geen vooraf te behalen cut-off

Hierbij vergelijken we met een relatieve norm: de behaalde score moet niet over

een vooraf bepaalde cut-off maar wordt vergeleken met scores van anderen,

gebaseerd op het profiel van de testpersoon

Van ruwe score naar normscore

Ruwe scores worden afhankelijk van test, doel, gewoonte… getransformeerd tot

verschillende zgn. ‘normscores’

• Percentielen

• Stanines

• Indexen

• …

Vergelijk met verschillende vertalingen van één woord

MAAR allemaal dezelfde statistische principes aan de basis!

Frequentieverdeling

Verdelen in intervallen

• van gelijke breedte (voorkeur)

• Geen vast aantal, vaak tussen 10 à 15

Turven hoeveel scores in elk interval

vallen (frequentie)

• som = N (grootte steekproef)

Histogram/staafdiagram

= grafische representatie van een

frequentieverdeling

= Visuele samenvatting van de

geobserveerde data

Lijngrafiek van de histogram

 frequentie van de intervallen wordt weergegeven door een lijn (die de middelste punten van de staven verbindt)

Maten voor centrale tendentie

Maten voor variabiliteit

Verschillende scoreverdelingen

• hetzelfde gemiddelde

• sterk verschillen in de mate van spreiding van de scores rond het gemiddelde

Standaarddeviatie (SD of s)

mate van spreiding van scores

Als scores sterk bijeengepakt zijn rond het gemiddelde

SD ≈ 0

Naarmate scores meer gespreid zijn (meer uit elkaar)

SD wordt groter

= Meest gebruikte maat voor variabiliteit

Normaalverdeling

tatistische bewerkingen mogelijk

• Bijv. t-test verschil tussen 2 groepen

• Normaalverdeling meestal voorwaarde voor statistische bewerkingen

Wiskundige precisie: mogelijk om % te berekenen

• Bijv. 2.14% van alle scores liggen tussen 2 en 3 SD hoger dan het gemiddelde

• Bijv. 68% van alle scores vallen binnen 1 SD boven of onder het gemiddelde

Normaalverdeling komt vaak voor in de praktijk (bijv. lengte, geboortegewicht,

intelligentie, …) = “wet van de natuur”

symmetrie of asymmetrie

sitieve scheefheid = testscores dicht bij elkaar in lage zone

 te weinig gemakkelijke items, test differentieert weinig in lage zone

Negatieve scheefheid = testscores dicht bij elkaar in hoge zone

 te weinig moeilijke items, test differentieert weinig in hoge zone

Skewness/scheefheid

Oplossing:

Voorkeur (enkel door testauteurs/uitgeverijen):

• meer makkelijke items toevoegen (positieve scheefheid)

• Meer moeilijke items toevoegen (negatieve scheefheid)

Indien niet meer mogelijk:

• gebruik van statistische transformatie

• ! Opletten bij interpretatie in de zone van mindere differentiatie

Percentielen

% personen die in de normgroep/steekproef gelijk met of onder een

specifieke ruwe score scoren

Percentiel

rangorde in een groep van 100 personen, waarbij 1 = laagste plaats

(bodem) en 100 = hoogste plaats (top) (<> ranking van bijv. sport)

 Hogere percentielen komen overeen met hogere scores

(persoon met hoogste scores in de steekproef = percentiel 100 of P100)

 obv vergelijking met normgroep

≠ % correcte antwoorden (= vergelijking met totaalscore)

Bijv. bij een moeilijke test kan een score van 50% overeenkomen met percentiel

Percentielen: varianten

Percentielen: 100 gelijke delen

• Decielen: 10 gelijke delen

• Kwartielen: 4 gelijken delen

Percentielen Voordelen

Makkelijk te berekenen

Intuïtief makkelijk uit te leggen aan cliënten, collega’s

 Meest voorkomende transformatie van ruwe scores

 Bijna alle testresultaten kunnen naar percentielen vertaald worden

Bijv. IQ van 130 = P98 (score ligt boven het gemiddelde en er is maar 2% in de

steekproef die hoger scoort)

Percentielen Nadeel:

percentielen vervormen de achterliggende meetschaal, zeker aan de uiteinden

Z-score

Standaardscore = geeft de afstand van de een ruwe score tot het

gemiddelde weer in termen van de standaarddeviatie

 Basisstandaardscore = Z-score

Bijv.

ruwe score exact 1SD > M  Z-score = +1

ruwe score exact 0.5SD < M  Z-score = -0.5

lineaire Z-score

berekening met formule formule gebruiken Zx = Xi -X / Sx

Genormaliseerde Z-score

omzettingstabel gebruiken

Behoudt dezelfde verdelingskenmerken als ruwe scores:

• lineaire z-scores zijn dus niet automatisch normaal verdeeld!

bij omzetting van ruwe scores naar z-scores

• wordt de verdeling verschoven (gemiddelde wordt van elke score afgetrokken)

• wordt de afstand tussen de scores veranderd (elke score wordt gedeeld door de

standaarddeviatie)

• maar blijven andere kenmerken (bv. scheefheid) gelijk

Lineaire Z – score: belang

Deze kunnen resultaten van verschillende schalen/ (sub)tests omzetten naar een

gemeenschappelijke schaal zodat vergelijking mogelijk is

Lineaire Z – scores: Nadeel

ergelijken enkel wanneer de verdelingen van de scores dezelfde vorm

hebben (bijv. normaalverdeling).

Wanneer verdelingen van scores niet dezelfde vorm hebben, kan de vergelijking van standaardscores erg misleidend zijn!!

Genormaliseerde Z-score

Psychologisch geschoolden verkiezen normaalverdeling

• Vaststaande statistische kenmerken (wiskunde mogelijk)

• Getransformeerde scores van ruwe scores kunnen dan over subtesten e subschalen met elkaar vergeleken worden

MAAR wat als verdeling van de scores skewed/ asymmetrisch zijn? (kan je niet zomaar garanderen bij elk construct/instrument)

Transformeren of normaliseren naar een normaalverdeling

Populairste werkwijze: omzetting percentielen naar genormaliseerde z- scores

Genormaliseerde Z-score

= Niet-lineaire transformatie van ruwe scores (niet op basis van een

formule):

De verdeling van scores wordt zodanig vervormd dat er een normale verdeling

ontstaat

Afleidingen van z-scores: waarom

Z-score: veel statistische voordelen

Maar nadeel: kommagetallen (lastig om te werken) en negatieve getallen (kan

lastig zijn om uit te leggen)

Andere gestandaardiseerde scores gebruiken die eigenlijk een transformatie

van de z-score zijn. (lineair of genormaliseerd!)

Interpretatie is gelijk omdat het enkel over wiskundige bewerkingen gaat om z-

scores groter en positiever te maken. (cf. dialectwoord naar andere talen

vertalen via algemeen Nederlands)

T-score

• Vaak gebruikt in klinische tests

• Voor elke distributie van ruwe scores is M van de T-score = 50

• Meeste geobserveerde T-scores liggen tussen 20 en 80

(-3SD & +3SD van M)

• T-scores van lager dan <20 of >80 zijn mogelijk, zeker in klinische populaties

(bijv. T-score van 90 op persoonlijkheidsvragenlijst)

Fromule Z = (T − 50)/ 10

Stanines

alle ruwe scores worden omgezet op schaal van 1 tot 9

(M = 5, SD ≈ 2)

= schaal van 1 tot 9 met getalswaarden die corresponderen met gelijke

intervallen onder de normaalverdeling:

C- scores

Zelfde als stanines, maar meer klassen (11)

 Gevoeliger aan uiteinden van schaal

 Vergelijking met standaardnormale verdeling

Manieren van interpreteren 🔹 1. Via standaarddeviaties (SD)

bij zowel lineair als genormaliseerd mag dit

👉 Je vergelijkt met het gemiddelde van de normgroep

Voorbeeld:

• M = 80

• BI = [67 – 83]

Berekening:

• 67 → 1,3 SD onder gemiddelde

• 83 → 0,3 SD boven gemiddelde

👉 Interpretatie:

Ware score ligt tussen duidelijk ondergemiddeld en net boven gemiddeld

interpretaie Via percentielen

Plaats in groep

Voorbeeld:

• 95e percentiel = beter dan 95% van groep

👉 Zeer concreet en begrijpbaar voor cliënten 👌

interpretatie Via labels -

Bijvoorbeeld:

• gemiddeld

• hooggemiddeld

• hoog

👉 Enkel toegestaan als verdeling normaal is! - dus NIET lineaire !!

Methode: overlap van BI’s

Geen overlap

👉 Groot verschil → waarschijnlijk echte verschillen ✅

⚠ Wel overlap

👉 Onzeker → kan toeval zijn ❌