Bağımsız Değişkende Ölçüm Hatası – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Doğrudan Aralık Kısıtlamasında Bağımsız Değişkende Ölçüm Hatası
Tahmin edicinin standart sapması iki popülasyon arasında farklılık gösterdiğinden, X’in güvenilirliği iki popülasyon arasında farklılık gösterecektir. Ancak burada daha ciddi bir sorun var. Doğrudan seçim sürecinin asli doğası, mevcut veriler için “güvenilirlik” anlamını belirsiz hale getirir.
Başvuru sahibi nüfusu düşünün. Başvuru sahibi verilerini analiz edersek, tüm olağan varsayımları yapabiliriz. Özellikle, gerçek puanların ve hataların ilişkisiz olacağı kritik varsayımını güvenle yapabiliriz. Bu varsayım, tüm güvenilirlik tahminleri için gereklidir. Yayınlanmış testler için, genellikle test kılavuzunda listelenen başvuran popülasyon güvenilirliğini bulabiliriz; yani, sınırsız bir örnek üzerinde hesaplanan güvenilirlik.
Mevcut nüfus için işler çok farklı. Çoğu araştırmacı, yerleşik gruptaki güvenilirliği hesaplamak için yerleşik verileri analiz edebileceklerini varsayar. Ancak, bunu yaparken ciddi bir sorun var: Gerçek puanlar ve ölçüm hataları, yerleşiklerin seçildiği puanlar için görevli verilerinde ilişkilendirilir. Mevcut verilerde gerçek puanlar ve hatalar arasında güçlü bir negatif korelasyon olduğunu örneklerle göstereceğiz. Bu nedenle, seçimde kullanılan puanlar için görevdeki grupta güvenilirlik tahmin edilemez.
Örneği sunmadan önce, yerleşik test verilerini oluşturmak için çok farklı iki tasarımı düşünmeye değer. Olağan tasarım, dosyadan test verilerini alır, yani seçim sürecinde kullanılan test puanlarını kullanır. Sorunların ortaya çıktığı yer burasıdır. Başlangıçta zaman kaybı gibi görünebilecek alternatif bir tasarım düşünün: Performans verileri toplandığında testi tekrar uygulayın. Test tekrar verilirse, yeni puanlar yeni ölçüm hatalarına sahip olacaktır.
Bu yeni hatalar gerçek puanlarla ilişkisiz olacaktır ve bu nedenle güvenilirliği tahmin etmenin olağan yöntemleri uygun olacaktır. Ayrıca, başvuru sahibi popülasyondaki güvenilirlikten yerleşik popülasyondaki güvenilirliği tahmin etmek için iyi bilinen istatistiksel formül kullanılırsa, tahmin edilen bu güvenilirlik, yani yeni test verilerindeki güvenilirliktir. Bu güvenilirlik tahmini, seçimde kullanılan orijinal puanlar için doğru olmayacaktır.
Testin ilk uygulaması için mevcut verileri göz önünde bulundurun. Başvuru sahibi popülasyonda, gerçek puanlar ve hatalar korelasyonsuzdur. Şimdi, yerleşik popülasyonda, bu test puanlarındaki ölçüm hatalarının gerçek puanlarla negatif ilişkili olduğunu göstermek için bir örnek kullanacağız.
Basit olması için, başvuru sahibinin güvenilirliğini .50 olarak kabul ediyoruz. Bu, ölçüm hatası varyansını (Ve) gerçek puan varyansı (VT) ile aynı boyutta yapar. Yani, gösterim için klasik X = T + e denklemini kullanırsak, Ve = VT .
Seçim kesme puanını başvuran popülasyonun medyanına ayarladığımızı varsayalım. Yani, başvuranların ilk yarısını terfi ettirdiğimizi varsayalım. Normal dağılımın alt yarısını silersek, kısıtlı gruptaki (üst yarı) standart sapma, orijinal standart sapmanın sadece %60’ı kadar büyüktür. Diğer bir deyişle, başvuran standart sapma SD = 10 olsaydı, geçerli standart sapma SD = 6 olurdu. Varyans, .60 veya .36’nın karesi kadar küçüktür. Yani, başvuran varyans 100 ise, yerleşik varyans 36’dır.
Bu noktada, hiçbir maddi anlamı olmayan yeni bir değişken eklersek, matematik çok daha kolay hale gelir. Bu yeni değişken, yalnızca matematiksel kolaylığı için tanıtılmıştır. B ile gösteriniz. Daha sonra varyansını ve X ile korelasyonunu hesaplayacağız.
Hata terimi formülü
Hata terimi hesaplama
1 bağımlı 2 bağımsız değişken örnekleri
En Küçük Kareler Yöntemi ile doğrusal regresyon Modeli oluşturmanın Temel Prensipleri
Y şapka nasıl bulunur
En Küçük Kareler yöntemi varsayımları
Hata terimi varsayımları
Hata terimi nedir
Başvuru sahibi popülasyonda, her iki değişken de normal olarak dağılmıştır ve bağımsızdır (çünkü ilintisizdirler). Seçimi düşünün. B, X’ten bağımsızdır. Dolayısıyla, X’i seçtiğimizde, B’de seçim olmayacaktır. Böylece, yerleşik popülasyonda, B’nin varyansı değişmeyecektir. Şimdi, yerleşik popülasyonda T ve e arasındaki korelasyonu hesaplamamızı sağlayan bir hile kullanıyoruz. X üzerindeki başvuran standart sapmanın 10 olduğunu varsayın. Örneğimizde VT ve Ve’nin seçimden önce eşit olduğuna ve dolayısıyla seçimin bunlar üzerinde simetrik olarak işlediğine dikkat edin. Bu, seçimden sonra iki varyansın hala eşit olacağı anlamına gelir.
Örneği özetlemek gerekirse, başvuran popülasyonun tamamında, ölçüm hataları gerçek puanlarla ilişkisizdir. Ancak, görevdekilerin seçilen alt popülasyonunda, hatalar −.47 ile ilişkilidir. Bu büyük negatif korelasyon, yerleşik veriler üzerinde hesaplanan herhangi bir güvenilirlik hesaplamasını imkansız hale getirir, çünkü güvenilirliği tahmin etmeye yönelik tüm prosedürler, rT e = 0 olduğunu varsaymaktadır. Aslında, güvenilirliği bu bağlamda tanımlamak bile bir sorundur.
Örneğin, rXT sayısı artık gerçek puan varyansının yanı sıra rastgele ölçüm hatalarına da bağlıdır. Güvenilirliğin geleneksel tanımı rX2T’nin karesi olarak bu bağlamda hatalıdır.
.50 dışındaki güvenilirlik değerleri için genel prensip aynıdır. B hile değişkeni diğer değerler için daha karmaşıktır, ancak güvenilirliğin her değeri için bir hile değişkeni vardır. Sorun, yalnızca hiçbir ölçüm hatasının olmadığı varsayımsal mükemmel bir ölçü için ortadan kalkar.
Çözüm. Bu sorunun çözümü, menzil kısıtlamasını dikkate almadan önce bağımsız değişken üzerindeki ölçüm hatası nedeniyle zayıflamayı ortaya koymaktır. Yani, menzil kısıtlaması basit bir yapaylık olmadığı için, menzil kısıtlamasının zayıflama sürecine dahil edildiği sırayı dikkate almak çok önemlidir.
Menzil kısıtlaması için artifakt çarpanı karmaşıktır. Payda sadece ρTPa’yı değil, aynı zamanda rXXa’yı da içerir. Yani artifakt çarpanının değeri sadece kısıtlamanın boyutuna (uX) değil, aynı zamanda gerçek etki büyüklüğüne (ρTPa ) ve kısıtlamasız gruptaki bağımsız değişkenin güvenilirliğine de bağlıdır.
Doğrudan Aralık Kısıtlamasında Bağımlı Değişkende Ölçüm Hatası
Pratik bir bakış açısından, kilit soru, testin eğitim veya iş performansını ne kadar iyi tahmin ettiğidir. Hiçbir çalışma performansı mükemmel bir şekilde ölçmez. Yapı geçerliliği yüksek olan ölçümler için, araştırmacılar iş performansını değerlendirmek için nesnel olarak puanlanmış bir iş örneği ölçümü kullanmalıdır. Ancak bu son derece pahalıdır ve çok az çalışma bunu yapmaktadır.
Bu nedenle çoğu çalışma, hem sistematik hatadan hem de önemli rastgele ölçüm hatasından muzdarip olan iş performansının süpervizör derecelendirmelerini kullanır. Mevcut amaçlarımız için sistematik hatayı görmezden geliyoruz ve yalnızca rastgele ölçüm hatasına odaklanıyoruz. Yani, örneğimizde “performans”ı iş performansı derecelendirmesi gerçek puanı olarak tanımlıyoruz.
İş performansı derecelendirmelerinin iki güvenilirliği olacaktır: biri başvuran nüfus için, diğeri ise yerleşik nüfus için. Seçim dışındaki araştırma alanlarında, güvenilirlik genellikle popülasyonun tamamında tahmin edilir. Bu nedenle, kısıtlamasız popülasyondaki bağımlı değişkenin güvenilirliğini genellikle bilirdik. Eğer öyleyse, bağımsız değişken için sıra ilkesine bağlı kalarak korelasyonun zayıflamasını hesaplayabiliriz: Aralık kısıtlamasını en son tanıtın.
1 bağımlı 2 bağımsız değişken örnekleri En Küçük Kareler Yöntemi ile doğrusal regresyon En Küçük Kareler yöntemi varsayımları Hata terimi formülü Hata terimi hesaplama Hata terimi nedir Hata terimi varsayımları Modeli oluşturmanın Temel Prensipleri Y şapka nasıl bulunur