Aralık Düzeltme – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Aralık Düzeltme
Belirtildiği gibi, doğrudan ve dolaylı menzil kısıtlaması arasındaki en büyük hesaplama farkı, doğrudan menzil kısıtlamasında menzil düzeltmeleri yaparken uX kullanmamız ve dolaylı menzil kısıtlamasında uT kullanmamızdır. Düzeltme formülü aksi takdirde aynıdır. (Ayrıca, ölçüm hatası düzeltmelerinin yapıldığı sırada bu bölümde açıklanan bazı farklılıklar vardır.)
Hesaplamanın içerdiği ekstra adımlar, dolaylı menzil kısıtlaması için düzeltme matematiğini, doğrudan menzil kısıtlaması durumunda olduğundan biraz daha karmaşık hale getirir ve bu nedenle, sunumu matematiksel olarak biraz daha karmaşık ve uzun hale getirir. Bununla birlikte, bir kez hesaplandığında ve uX için ikame edildiğinde, düzeltme denklemi aynıdır.
Benzer şekilde, aralık düzeltmeli korelasyonlar için örnekleme hatası varyansı ve güven aralıklarının hesaplanması da form olarak aynıdır. Bu nedenle, sunumumuzu basitleştirmek için, doğrudan menzil kısıtlama düzeltmeleri açısından aşağıdaki tartışmaların çoğunu sunacağız ve bu noktada dolaylı menzil kısıtlama düzeltmeleri için sunumlardan vazgeçeceğiz.
Bu bölümde, popülasyon korelasyonlarının bilindiği tek bir çalışma bağlamında menzil farklılığını keşfetmek için doğrudan menzil kısıtlama modelini kullanacağız. Aşağıdaki bölümde, menzilden sapma için bir örnek korelasyonunu düzeltmenin etkisini ele alacağız.
Düzeltilmiş bağıntının örnekleme hatasının düzeltilmemiş bağıntıdan farklı olduğunu bulacağız ve buna uygun olarak güven aralığının nasıl ayarlanacağını göstereceğiz. Daha sonra personel seçim araştırmasında uX oranı ile “seçim oranı” arasındaki ilişkiye kısaca değineceğiz. Tekli çalışmalarda bu aralık düzeltme tedavisinden sonra, meta-analizde aralık düzeltmenin etkisini ele alacağız. Bu noktada, hem dolaylı hem de doğrudan menzil kısıtlamasını ele alacağız.
Referans noktası olarak kullanmak istediğimiz popülasyonu her zaman inceleyemeyiz. Bazen bağımsız değişkenimizin referans popülasyondakinden daha az değiştiği bir popülasyonu (aralık kısıtlaması) ve bazen de referans popülasyondan daha fazla değişkenlik gösterdiği bir popülasyonu inceleriz (aralığın artması).
Her iki durumda da, değişkenler arasındaki aynı ilişki, farklı bir korelasyon katsayısı üretir. Menzilin arttırılması durumunda, çalışma popülasyonu korelasyonu, referans popülasyon korelasyonundan sistematik olarak daha büyüktür. Bu sorun, örnekleme hatası ve ölçüm hatasıyla daha da ağırlaşır.
Personel seçimi araştırmasını düşünün. Referans popülasyon başvuran popülasyondur, ancak çalışma daha önce işe alınmış kişilerle yapılır (çünkü sadece işte olanlar için iş performans puanları alabiliyoruz). İşe alınan kişiler, başvuranların rastgele bir örneği olsaydı, tek sorun örnekleme hatası ve ölçüm hatası olurdu.
Fibonacci oranları ve katsayıları
Fibonacci yorumlama
Fibonacci indikatörü
Fib düzeltmesi ayarları
Fibonacci düzeltme seviyeleri hesaplama
Fibonacci indikatörü nasıl kullanılır
Fibonacci teknik analiz pdf
Fibonacci düzeltme seviyeleri TradingView
Bununla birlikte, üzerinde çalıştığımız testin işe alınanları seçmek için kullanıldığını varsayalım. Örneğin, işe alınanların testte ortalamanın üzerinde olanlar olduğunu varsayalım; yani, doğrudan menzil kısıtlamamız var. Daha sonra, iş görevlileri arasındaki test puanları aralığı, başvuran nüfusa kıyasla büyük ölçüde azalır. Bu nedenle, başvuran nüfusa kıyasla yerleşik nüfustaki nüfus korelasyonunun boyutunda önemli bir azalma bekleyebiliriz.
Test puanları başvuran popülasyonda normal olarak dağılıyorsa, dağılımın üst yarısındaki insanlar için standart sapma, tüm popülasyon için standart sapmanın yalnızca %60’ı kadar büyüktür. Bu nedenle, başvuran nüfusta standart sapma 20 olsaydı, işe alınanların yerleşik nüfusunda sadece .60(20) = 12 olurdu. Aralıktaki kısıtlama derecesi bu nedenle uX = 12/20 = .60 olacaktır.
Bağımsız değişkendeki dağılımda doğrudan bir seçim değişikliği tarafından üretilen bağıntı formülü, göreceğimiz gibi, artırma için de işe yarasa da, aralıktaki kısıtlama formülü olarak adlandırılır. ρ1 referans popülasyon korelasyonu ve ρ2 çalışma popülasyon korelasyonu olsun.
Yani, çalışma bağımsız değişken üzerindeki dağılımın sadece üst yarısında yapılmış olsaydı, o zaman popülasyon korelasyonu .50’den .33’e düşürülürdü. Eğer tespit edilmezse, .50 ile .33 arasındaki bu fark, ampirik çalışmaların yorumlanması için derin etkilere sahip olacaktır.
Bununla birlikte, elimizde ρ2 = .33 ve uX = .60 verisi olduğunu ve aralıktaki kısıtlamayı düzeltmek istediğimizi varsayalım. İki popülasyonun rollerini tersine çevirebiliriz. Yani, başvuran nüfusu, yerleşik nüfusun artması olarak görebiliriz. Daha sonra, ρs ters çevrilmiş, yani ters sırada standart sapmaların oranı olan öncekiyle aynı formülü kullanabiliriz. Bu formül, menzildeki kısıtlama düzeltmesi olarak adlandırılır, ancak aynı zamanda geliştirme için düzeltme için de çalışır. Personel örneğinde ρ2 = .33 ve U = 1/uX = 1/.60 = 1.67 değerini elde etmek için takıyoruz.
Bu nedenle, popülasyon korelasyonları düzeyinde (yani, N sonsuz olduğunda), farklı varyansa sahip popülasyonlar arasında mükemmel bir doğrulukla ileri geri hareket etmek için aralıktaki kısıtlama formülünü kullanabiliriz. Menzil kısıtlaması dolaylı olsaydı, sırasıyla uX ve UX için uT ve UT’yi değiştirmek, aynı şeyi yapmamıza izin verirdi.
Örnekleme hatası varsa durum daha karmaşıktır. Aralıktaki kısıtlama düzeltme formülünü bir örnek korelasyona uygularsak, referans grubu popülasyon korelasyonunun yalnızca yaklaşık bir tahminini elde ederiz. Ayrıca, düzeltilmiş korelasyon farklı miktarda örnekleme hatasına sahip olacaktır. Bu durum, ölçüm hatası nedeniyle zayıflama düzeltmesindeki duruma benzer. Bir takas var.
Menzil kısıtlamasıyla ilişkili sistematik hatayı ortadan kaldırmak için, istatistiksel düzeltme tarafından üretilen örnekleme hatasındaki artışı kabul etmeliyiz. Büyük ölçüde düzeltebilseydik, yani çalışma referans popülasyon üzerinde yapılabilirse, örnekleme hatasında bir artış olmayacaktı. Aslında, menzilde kısıtlama olması durumunda, başvuran popülasyon üzerinde yapılan çalışma (eğer yapılabilirse) daha büyük korelasyona ve dolayısıyla daha küçük güven aralığına sahip olacaktır.
Düzeltilmiş korelasyon için güven aralığının elde edilmesi kolaydır. Düzeltme formülü matematiksel bir dönüşüm olarak kabul edilebilir. Bu dönüşüm monotondur (ancak doğrusal değildir) ve dolayısıyla güven aralıklarını dönüştürür. Böylece güven aralığı, korelasyonu düzeltmek için kullanılan formülün aynısı kullanılarak güven aralığının uç noktalarının düzeltilmesiyle elde edilir. Yani, korelasyona uygulanan aynı aralık düzeltme formülü, güven aralığının uç noktalarına da uygulanır.
Nüfus korelasyonlarının başvuran nüfus için .50 ve çalışma popülasyonu için .33 olduğu doğrudan menzil kısıtlamalı personel örneğini düşünün. Örnek boyutu 100 ise, ρ = .33 korelasyonunun standart hatası σc = (1 − .332)/√99 = .09’dur. Örnek korelasyonu düşük çıktıysa, .05 gibi düşük olan .28 gibi bir şey olabilir. UX = 1.67 aralığındaki kısıtlama için düzeltildi.
Fib düzeltmesi ayarları Fibonacci düzeltme seviyeleri hesaplama Fibonacci düzeltme seviyeleri TradingView Fibonacci indikatörü Fibonacci indikatörü nasıl kullanılır Fibonacci oranları ve katsayıları Fibonacci teknik analiz pdf Fibonacci yorumlama