Beispielsweise m\u00f6chten wir vielleicht wissen, wie gut bestimmte Hochschulaufnahmepr\u00fcfungen den Notendurchschnitt der Studierenden im ersten Semester vorhersagen k\u00f6nnen.<\/span> <\/p>\n Um festzustellen, ob eine Vorhersagevalidit\u00e4t vorliegt, k\u00f6nnten wir den folgenden Prozess verwenden:<\/span><\/p>\n Wenn eine starke Korrelation zwischen den Ergebnissen der Aufnahmepr\u00fcfung und dem GPA im ersten Semester besteht, besteht wahrscheinlich eine pr\u00e4diktive Validit\u00e4t<\/strong> zwischen diesen beiden Variablen.<\/span><\/p>\n Mit anderen Worten: Die Note, die ein Student bei dieser College-Aufnahmepr\u00fcfung erh\u00e4lt, ist ein Hinweis<\/em> auf den Notendurchschnitt, den er oder sie im ersten Semester des Colleges voraussichtlich erreichen wird.<\/span><\/p>\n Beispielsweise erzielen Studierende, die bei der Aufnahmepr\u00fcfung gute Ergebnisse erzielen, in der Regel auch im ersten Semester gute Ergebnisse. Umgekehrt haben Studierende, die bei der Aufnahmepr\u00fcfung schlecht abschneiden, im ersten Semester tendenziell schlechte Noten.<\/span><\/p>\n Technische Hinweise:<\/strong><\/span><\/p>\n Die Vorhersagevalidit\u00e4t ist eine Art Kriteriumsvalidit\u00e4t, die sich auf die F\u00e4higkeit der Messung einer Variablen bezieht, die Reaktion einer anderen Variablen vorherzusagen.<\/span><\/p>\n Eine Variable wird als erkl\u00e4rende Variable<\/a> bezeichnet, w\u00e4hrend die andere Variable als Antwortvariable oder Kriteriumsvariable<\/a> bezeichnet wird.<\/span><\/p>\n In unserem vorherigen Beispiel w\u00e4re die erkl\u00e4rende Variable die Aufnahmepr\u00fcfung und die Kriteriumsvariable der Notendurchschnitt im ersten Semester.<\/span><\/p>\n<\/blockquote>\n Die folgenden Beispiele veranschaulichen einige zus\u00e4tzliche Szenarien, in denen wir die Vorhersagevalidit\u00e4t berechnen k\u00f6nnten.<\/span><\/p>\n Beispiel 1: Einstellungstest<\/strong><\/span><\/p>\n Ein Unternehmen kann f\u00fcr jeden, den es einstellt, einen Einstellungstest mit 40 Fragen durchf\u00fchren und ein Jahr sp\u00e4ter die Mitarbeiterproduktivit\u00e4t bewerten.<\/span><\/p>\n Wenn eine hohe Korrelation zwischen den Testergebnissen und der Mitarbeiterproduktivit\u00e4t besteht, k\u00f6nnen wir sagen, dass es zul\u00e4ssig ist, den Test zur Vorhersage der zuk\u00fcnftigen Produktivit\u00e4t des Einzelnen zu verwenden.<\/span> <\/p>\n Beispiel 2: IQ-Tests und Einkommen<\/strong><\/span><\/p>\n Forscher k\u00f6nnten bei 100 Personen einen IQ-Test durchf\u00fchren und dann zehn Jahre sp\u00e4ter das Jahreseinkommen dieser Personen verfolgen.<\/span><\/p>\n Wenn eine hohe Korrelation zwischen IQ-Testergebnissen und dem Jahreseinkommen von Einzelpersonen besteht, k\u00f6nnen Forscher sagen, dass es zul\u00e4ssig ist, den Test zur Vorhersage des zuk\u00fcnftigen Einkommens von Einzelpersonen zu verwenden.<\/span> <\/p>\n Beispiel 3: Fitness<\/strong><\/span><\/p>\n Ein Personal Trainer kann einen Fitnesstest f\u00fcr NBA-Neulinge durchf\u00fchren und dann die durchschnittlichen Punkte pro Spiel aufzeichnen, die die Spieler in den n\u00e4chsten f\u00fcnf Jahren in der Liga erzielen.<\/span><\/p>\n Wenn eine hohe Korrelation zwischen den Fitnesstestergebnissen und den durchschnittlichen Punkten pro Spiel der Spieler besteht, kann der Personal Trainer sagen, dass es zul\u00e4ssig ist, den Test zu verwenden, um zuk\u00fcnftige Punkte pro Spiel der Spieler vorherzusagen.<\/span> <\/p>\n Kein bestimmter Wert gilt als \u201ehohe\u201c Korrelation zwischen zwei Variablen. Je h\u00f6her jedoch die Korrelation zwischen einem Test und dem Konstrukt, das er messen soll, desto h\u00f6her ist die pr\u00e4diktive Validit\u00e4t des Tests.<\/span><\/p>\n Wenn beispielsweise die Korrelation zwischen einem Test vor der Einstellung und der Mitarbeiterproduktivit\u00e4t ein Jahr sp\u00e4ter 0,86<\/strong> betr\u00e4gt, ist dieser Test besser aussagekr\u00e4ftig f\u00fcr die Mitarbeiterproduktivit\u00e4t als ein Test, der nur eine Korrelation von 0,35<\/strong> aufweist.<\/span><\/p>\n Allerdings kann selbst eine scheinbar recht niedrige Korrelation (wie r = 0,35) f\u00fcr einen Arbeitgeber dennoch n\u00fctzlich sein, da sie ihm zumindest eine gewisse Vorstellung von der wahrscheinlichen Produktivit\u00e4t des Arbeitnehmers gibt.<\/span><\/p>\n Eine einfache Erkl\u00e4rung der Kriteriumsvalidit\u00e4t<\/a> In der Statistik bezieht sich der Begriff Vorhersagevalidit\u00e4t auf das Ausma\u00df, in dem es zul\u00e4ssig ist, die Punktzahl auf einer Skala oder einem Test zu verwenden, um den Wert einer anderen Variablen in der Zukunft vorherzusagen. Beispielsweise m\u00f6chten wir vielleicht wissen, wie gut bestimmte Hochschulaufnahmepr\u00fcfungen den Notendurchschnitt der Studierenden im ersten Semester vorhersagen k\u00f6nnen. Um […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/validite_predictive1.png\")
<\/p>\n\n
\n
Beispiele f\u00fcr Vorhersagevalidit\u00e4t<\/strong><\/span><\/h3>\n
![\"Beispiel](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/validite_predictive2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/validite_predictive3.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/validite_predictive4.png\")
<\/p>\n Was gilt als hohe Korrelation f\u00fcr die Vorhersagevalidit\u00e4t?<\/strong><\/span><\/h3>\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Was ist eine Kriteriumsvariable?<\/a>
Was ist gleichzeitige G\u00fcltigkeit?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"