I ricercatori spesso utilizzano campioni divisi in prove di validazione valutazione. Un campione di divisione si forma quando un ricercatore si divide in modo casuale un campione completo in due sottocampioni . Quando analisi statistiche conformi su entrambi i sottocampioni così come l’intero campione , la generalizzabilità dei risultati è più probabile . Anche se i tre campioni dovrebbero essere simili , ci sarà variabilità tra di loro. Il punto è vedere come esista molta variabilità. I ricercatori sperano che in generale vi è una bassa variabilità , dal momento che questo sostiene la validità delle assessment.Instructions

1

Segnala le variabili indipendenti e dipendenti . La variabile dipendente è la variabile che la valutazione valuta . Le variabili indipendenti sono quelli che sono sospettati di influenzare il valore della variabile dipendente per un dato soggetto . Ad esempio, se si sta valutando come la personalità di una persona influenza la quantità di tempo che trascorre su Internet , le variabili indipendenti sono quelle legate alla sua personalità ( estroversione , nevrosi , coscienziosità , ecc ), mentre la variabile dipendente è la quantità di tempo trascorre su Internet .

2

Segnala la significatività statistica della relazione tra ogni variabile indipendente e la variabile dipendente . Il significato è mostrato in forma di valori di p ricevuti da esecuzione di un test statistico del vostro studio . Segnala i significati statistici per l’intero campione , il primo sottocampione e il secondo sottocampione separatamente .

3

Interpretare la variazione di significatività statistica per i vostri campioni. Per questo è necessario scegliere un alfa -valore. Il alpha valore indica la probabilità di un risultato falso positivo . Il valore di alfa – standard è 0.05 . Se c’è un singolo campione in cui il valore p è maggiore di 0,05 , poi la convalida con suddivisione fallisce . Se questo è il caso , dichiararlo . In caso contrario , riferiscono che la significatività statistica analisi sono a favore della convalida .

4

i valori di R – squared Stato separatamente per tutti e tre i campioni . I valori di R – squared sono date automaticamente quando si esegue una regressione per i dati di valutazione .

5

Interpretare i valori di R -squared . Confronta ogni sotto-campione al campione completo in termini di R -squared . Per la convalida , si desidera il valore di ogni sottocampione R – squared sia entro 0,05 del valore del campione completo R -squared . Se questo criterio non è soddisfatto , stato questo . In caso contrario , segnalare il supporto per la convalida.