<html>
Jason:<br><br>
The variances needed to compute a Rasch-based equivalent to a
Generalizability Coefficient (G) are in Facets Tables 5 and 7.&nbsp;
<br><br>
My apologies that the &quot;explained variance&quot; computations at
<a href="http://www.winsteps.com/facetman/table5.htm" eudora="autourl">www.winsteps.com/facetman/table5.htm</a>
do not show the last step in the computation. It is: <br><br>
G = (Explained variance% by target facet) / 100<br><br>
Please verify this value of G makes sense for your data. A more specific Generalizability Coefficient may be more meaningful to your audience. Variance terms similar to <a href="http://www.stanford.edu/dept/SUSE/SEAL/Reports_Papers/ReliabCoefsGTheoryHdbk.pdf" eudora="autourl">http://www.stanford.edu/dept/SUSE/SEAL/Reports_Papers/ReliabCoefsGTheoryHdbk.pdf</a> page 20 can be extracted from Facets output. These can be used to compute a more focused Generalizability Coefficient.<br><br>
Mike L.<br><br>
<br>
At 4/10/2012, you wrote:<br>
<blockquote type=cite class=cite cite>can anyone direct me to a paper which explains how to use Rasch measured reported by Facets to compare the results with G-theory estimates? For example, I can read in the Facets output the sd of item measures, the sd of rater measures and the sd of person measures. How can I produce an index which is similar to the variance attributed to markers as computed in generalizability theory? Or maybe this is not possible? A good search on the internet did not help me a lot, although I reached a paper by Macmillan (2000) which, unfortunately, I cannot have access.</blockquote>
<x-sigsep><p></x-sigsep>
Mike Linacre<br>
Editor, Rasch Measurement Transactions<br>
rmt@rasch.org <a href="http://www.rasch.org/rmt/" eudora="autourl"><font color="#0000FF"><u>www.rasch.org/rmt/</a></u></font> Latest RMT: 25:4 Spring 2012</html>