Beschreibung

Diese Fähigkeit prüft Rohdaten aus einer im Rahmen einer Skalenentwicklungsstudie durchgeführten Umfrage systematisch auf fehlende Werte, Ausreißer, careless responding (Straightlining, Longstring, Random Responding), Verzerrungen in den itembezogenen Verteilungen sowie Voraussetzungen für Reliabilität und Faktorenanalysierbarkeit. Sie erstellt keine abschließenden EFA-/CFA-Ergebnisse, sondern liefert eine evidenzbasierte „Go/No-Go“-Entscheidung dazu, ob die Daten für die nächsten Analyseschritte bereit sind, und empfiehlt eine stratifizierte Aufteilung der Stichprobe (EFA/CFA-Split). Alle Berechnungen erfolgen durch die Ausführung echten Codes (Python: pandas, scipy, factor_analyzer, pingouin); es werden keine hypothetischen Zahlen erzeugt.