Analytical methods for measurement error estimation in survey data This dissertation aims at the domain of measurement error in social science survey data. To conceptualize and estimate measurement errors it employs the analytical and theoretical framework that stems from the analytical method of structural equation modeling (SEM) and Classical Test Theory (CTT), extended with the component of the systematic measurement error. This thesis has two goals that may contribute to development and extension of Czech social science methodology. The first goal is to illustrate methods of measurement error estimation, which has not been used for analysis of Czech data yet, and to point out to some problematical aspects of these methods. The second goal is to employ presented methods to obtain new findings regarding the quality of data from Czech surveys. The dissertation presents three empirical studies, each of which uses one of the methods defined within the presented theoretical and analytical framework. First study presents an analysis of reliability of measurement with the Quasi Simplex Model (QSM). It illustrates how to use the model and brings optimistic results regarding the reliability of the Czech EU SILC panel data. In the second study the confirmatory factor analysis model, operationally called...

El objetivo de esta tesis es predecir el rendimiento de los estudiantes de doctorado en la Universidad de Girona según características personales (background), actitudinales y de redes sociales de los estudiantes. La población estudiada son estudiantes de tercer y cuarto curso de doctorado y sus directores de tesis doctoral. Para obtener los datos se ha diseño un cuestionario web especificando sus ventajas y teniendo en cuenta algunos problemas tradicionales de no cobertura o no respuesta. El cuestionario web se hizo debido a la complejidad que comportan de las preguntas de red social. El cuestionario electrónico permite, mediante una serie de instrucciones, reducir el tiempo para responder y hacerlo menos cargado. Este cuestionario web, además es auto administrado, lo cual nos permite, según la literatura, unas respuestas mas honestas que cuestionario con encuestador.Se analiza la calidad de las preguntas de red social en cuestionario web para datos egocéntricos. Para eso se calcula la fiabilidad y la validez de este tipo de preguntas, por primera vez a través del modelo Multirasgo Multimétodo (Multitrait Multimethod). Al ser datos egocéntricos, se pueden considerar jerárquicos, y por primera vez se una un modelo Multirasgo Multimétodo Multinivel (multilevel Multitrait Multimethod). Las la fiabilidad y validez se pueden obtener a nivel individual (within group component) o a nivel de grupo (between group component) y se usan para llevar a cabo un meta-análisis con otras universidades europeas para analizar ciertas características de diseño del cuestionario. Estas características analizan si para preguntas de red social hechas en cuestionarios web son más fiables y validas hechas "by questions" o "by alters", si son presentes todas las etiquetas de frecuencia para los ítems o solo la del inicio y final, o si es mejor que el diseño del cuestionario esté en con color o blanco y negro.También se analiza la calidad de la red social en conjunto, en este caso específico son los grupos de investigación de la universidad. Se tratan los problemas de los datos ausentes en las redes completas. Se propone una nueva alternativa a la solución típica de la red egocéntrica o los respondientes proxies. Esta nueva alternativa la hemos nombrado "Nosduocentered Network" (red Nosduocentrada), se basa en dos actores centrales en una red. Estimando modelos de regresión, esta "Nosduocentered network" tiene mas poder predictivo para el rendimiento de los estudiantes de doctorado que la red egocéntrica.Además se corrigen las correlaciones de las variables actitudinales por atenuación debido al pequeño tamaño muestral. Finalmente, se hacen regresiones de los tres tipos de variables (background, actitudinales y de red social) y luego se combinan para analizar cual para predice mejor el rendimiento (según publicaciones académicas) de los estudiantes de doctorado. Los resultados nos llevan a predecir el rendimiento académico de los estudiantes de doctorado depende de variables personales (background) i actitudinales. Asimismo, se comparan los resultados obtenidos con otros estudios publicados. / The aim of this Doctoral Thesis is to predict the PhD students' academic performance in the University of Girona from characteristics of their research group understood as a social network and from background and attitudinal characteristics of the PhD student.The data collection was done through web survey, regarding the traditional problems related to coverage and response errors. Web survey was made in order to reduce the complexity of social network questions.The quality of social network questions for questionnaires with egocentered data is analyzed. For this, reliability and validity of this kind of questions are computed, for first time using a Multilevel Multitrait-Multimethod approach. Data are egocentered and thus hierarchy can be used. Reliability and validity can be obtained in an individual level (within group component) or group level (between group component), which are used for carrying out a meta analysis with other European universities. We study if social network questions asked in web questionnaires are more reliable and valid done "by questions" or "by alters", if the frequency labels are present or not and if the best questionnaire design is plane or graphical.Social network as a whole is also studied, in this case are the research groups in the University of Girona. There is a proposal for the missing data problem in complete networks, different from the egocentered network. This new network structure is called "Nosduocentered Network", which is based in two central actors in a network. Regression model estimations explain that this network has more predictive power in order to predict the academic performance for PhD students.Finally, regression models with background, attitudinal and social network variables are done. Then, we combine the regressions in order to specify the best combination which predicts the PhD student's performance (according to academic publications) best. According to the results, the academic performance depends on background and attitudinal variables. Also, a comparison of results from other published studies is done.