Korrelation und Aggregation innerhalb der Klasse

8

Stell dir das vor:

Sie haben eine Stichprobe von 1000 Teams mit jeweils 10 Mitgliedern.
Sie haben die Teamfunktion gemessen, indem Sie jedes Teammitglied anhand einer zuverlässigen numerischen Skala mit mehreren Elementen gefragt haben, wie gut das Team funktioniert.
Sie möchten beschreiben, inwieweit das Maß für die Teameffektivität eine Eigenschaft der eigenwilligen Überzeugung des Teammitglieds oder eine Eigenschaft einer gemeinsamen Überzeugung über das Team ist.

In dieser und verwandten Situationen (z. B. Aggregation zu Organisationen) berichten viele Forscher über die Korrelation zwischen Klassen (z. B. Tabelle 1 in Campion & Medsker, 1993 ). Meine Fragen sind also:

Welche beschreibenden Bezeichnungen würden Sie verschiedenen Werten der klasseninternen Korrelation zuordnen? Das heißt, das Ziel besteht darin, die Werte der Korrelation innerhalb der Klasse tatsächlich mit der qualitativen Sprache in Beziehung zu setzen, z. B.: "Wenn die Korrelation innerhalb der Klasse größer als x ist, deutet dies darauf hin, dass die Einstellungen zwischen den Teammitgliedern bescheiden / mäßig / stark geteilt werden."
Denken Sie, dass die Intraclass-Korrelation die geeignete Statistik ist, oder würden Sie eine andere Strategie verwenden?

— Jeromy Anglim
quelle

Keine Unterfrage zu beginnen, aber ich habe die Nützlichkeit der Korrelation innerhalb der Klasse nie verstanden. Es fällt mir auf, dass das von Ihnen beschriebene Szenario angemessen erfasst werden kann, indem über (1) die Varianz der Teammittel und (2) die mittlere Varianz innerhalb des Teams gesprochen wird.

— Mike Lawrence

Ich habe Probleme, das abhängige Maß in Ihrer Frage zu verstehen. Wie wird die Teameffektivität gemessen? Wenn Sie "das Maß für die Teameffektivität" sagen, klingt es so, als würden Sie über Ihr Maß für die "Teamfunktion" sprechen. Wenn ja, ist die abhängige Maßnahme nicht notwendigerweise ein kontaminiertes Kriterium?

— Russellpierce

@drknexus In typischen Teamstudien wird jedes Teammitglied gefragt, ob es beispielsweise mit Aussagen wie "Mein Team arbeitet gut", "Teammitglieder verstehen sich gut miteinander", "Mein Team geht konstruktiv mit Konflikten um" einverstanden ist. Die Frage ist also, inwieweit solche Überzeugungen von Teammitgliedern geteilt werden.

— Jeromy Anglim

4

Ich denke, (1) ist keine statistische Frage, sondern eine thematische. In dem beschriebenen Beispiel wäre es beispielsweise Sache derjenigen, die Gruppenpsychologie studieren, die geeignete Sprache für die Stärke von ICCs zu bestimmen. Dies ist analog zu einer Pearson-Korrelation - was "stark" ausmacht, hängt davon ab, ob man beispielsweise in der Soziologie oder in der Physik arbeitet.

(2) ist zum Teil auch themenspezifisch - es kommt darauf an, was Forscher messen und beschreiben wollen. Aus statistischer Sicht ist ICC jedoch eine vernünftige Metrik für die Teambezogenheit. Ich stimme jedoch Mike zu, wenn Sie sagen, dass Sie möchten

"Beschreiben Sie, inwieweit das Maß für die Teameffektivität eine Eigenschaft der eigenwilligen Überzeugung des Teammitglieds oder eine Eigenschaft einer gemeinsamen Überzeugung über das Team ist."

dann ist es wahrscheinlich besser, Varianzkomponenten in ihrer Rohform zu verwenden, als sie in einen ICC umzuwandeln.

$b_i \sim N(0, \sigma^2_b)$ $\epsilon_{ij} \stackrel{\mathrm{iid}}{\sim} N(0, \sigma^2)$ $\sigma^2_b$ $\sigma^2$ $\sigma^2 \mathbf{I} + \sigma^2_b \mathbf{1}\mathbf{1}'$ $\frac{\sigma^2}{\sigma^2 + \sigma^2_b} \mathbf{I} + \frac{\sigma^2_b}{\sigma^2 + \sigma^2_b} \mathbf{1}\mathbf{1}'$ $\frac{\sigma^2_b}{\sigma^2 + \sigma^2_b} = \mathrm{ICC}$ beschreibt den Grad der Korrelation zwischen Effektivitätsreaktionen innerhalb eines Teams, aber es scheint, als ob Sie mehr an interessiert sind $\sigma^2$ $\sigma^2_b$ $\frac{\sigma^2}{\sigma^2_b}$

— Kingsford Jones
quelle

1

1) Mit Korrelationen kann man nie wirklich vernünftige Grenzwerte geben, aber die allgemeinen Regeln der normalen Korrelation gelten, würde ich sagen.

2) In Bezug auf die Angemessenheit des ICC: Abhängig von den Daten entspricht der ICC einem F-Test (siehe z. B. Commenges & Jacqmin, 1994 und Kistner & Muller, 2004 ). Im Wesentlichen kann das gemischte Modell-Framework Ihnen mindestens genauso viel über Ihre Hypothese erzählen und ermöglicht das gleichzeitige Testen von mehr Hypothesen als der ICC.

$\alpha$

— Joris Meys
quelle

1

Cronbachs Alpha ist im Wesentlichen ein Maß für die interne Konsistenz, dh für Korrelationen zwischen Elementen. Es leidet jedoch unter vielen Fallstricken, insbesondere der Tatsache, dass es mit zunehmender Anzahl von Elementen zunimmt (es kann sogar negativ sein, obwohl es ein Verhältnis von Abweichungen ist!). Ich denke, wir werden uns hier darauf konzentrieren, Variationen / Homogenität auf der Ebene von Einzelpersonen innerhalb von Teams zu beschreiben. Daher ist das Denken an Modelle mit gemischten Effekten oder hierarchische Modelle ein guter Ausgangspunkt.

— chl

1

Paul Bliese hat einen Artikel über die Korrelation zwischen Klassen in der Teamforschung. Er schreibt das

In [seiner umfangreichen] Erfahrung mit Daten der US-Armee [Teams] ... stieß er nie auf ICC (1) -Werte von mehr als 0,30 [und dass er] normalerweise Werte zwischen 0,05 und 0,20 [sieht].

Er schlägt weiter vor, dass er es sein würde

überrascht, in den meisten angewandten Feldforschungen ICC (1) -Werte von mehr als 0,30 zu finden.

Ich habe Artikel gelesen, in denen dieser Artikel wohl unangemessen zitiert wird, was darauf hindeutet, dass ein ICC (1) -Wert von mehr als 0,05 erforderlich ist, um die Aggregation zu rechtfertigen.

Verweise

Bliese, PD (2000). Gruppeninterne Vereinbarung, Nichtunabhängigkeit und Zuverlässigkeit: Auswirkungen auf die Datenaggregation und -analyse. PDF

— Jeromy Anglim
quelle