| Abstract |
Die Itemstruktur in psychiatrischen Symptomratingbögen wird üblicherweise auf faktorenanalytischem Weg konstruiert und evaluiert. Die gefundene Gruppierung von Symptomen hat nicht nur praktische Implikationen für den Test selbst, sondern auch Auswirkungen auf die Theoriebildung (z.B. die Zusammenfassung in Syndrome). Deswegen sollte das relationale Gefüge im gemeinsamen Auftreten von Symptomen möglichst mit unterschiedlichen Auswertewerkzeugen erfolgen, um nicht a priori von den statistischen Modellannahmen eines einzelnen Verfahrens abhängig zu sein. Eine valable Alternative zur Faktorenanalyse ist hier die Nonmetrische Multidimensionale Skalierung. Die NMDS-Karten basieren dann auf Matrizen von Proximitäten zwischen je zwei Symptomen, wobei die Proximität vom gemeinsamen Auftreten / Nicht-Auftreten dieser Symptome bestimmt ist. Die Art, wie diese Proximitäten aus den zugrunde liegenden Daten errechnet werden, kann einen beträchtlichen Einfluss auf die resultierende Struktur in den Karten haben. Im vorliegenden Forschungsbericht werden deshalb ein prominentes Zusammenhangsmaß (Pearson-Korrelation) und einige der bekanntesten Differenz-/ Distanzmaße (quadriert bzw. nicht quadriert) sowie Normierungsvariationen davon (unterschiedliche Berechnung der Nenner) im Bezug auf zwei klinische Datensätze diskutiert. Die Datengrundlage konstituiert sich aus den psychiatrischen Symptomratingbögen AMDP (Arbeitsgemeinschaft für Methodik und Dokumentation in der Psychiatrie) und PSE (Present State Examination). Es wird gezeigt, dass sich für diese Datensätze mit ihrer spezifischen Werteverteilung einer großen Anzahl an Null-Werten ein darauf zugeschnittenes Differenzmaß besser eignet als andere üblicherweise verwendete Korrelations- oder Distanzmaße. |
