Bağımsız ve Bağımlı Değişkenler – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Aralık Düzeltme ve Örnekleme Hatası
Aralık düzeltme formülünü kullanarak düzeltilmiş bir korelasyon için bir güven aralığı elde etmede hiçbir zorluk yoktur; biz sadece düzeltilmemiş korelasyon için güven aralığının iki uç noktasını düzeltiriz. Ancak, düzeltilmiş korelasyonun standart hatasını hesaplamak o kadar kolay değildir. Ölçüm hatasından kaynaklanan zayıflamanın düzeltilmesi doğrusal bir işlemdir; düzeltilmemiş korelasyon sadece bir sabit ile çarpılır.
Böylece örnekleme hatası ve hata standart sapması aynı sabitle çarpılır. Ancak, aralık düzeltme formülü doğrusal değildir ve elde edilen standart hata için kesin bir formül yoktur. (Doğrusal olmayanlığın doğası, aynı uX değeri için, düzeltmenin daha küçük korelasyonları, daha büyük korelasyonları artırdığından daha büyük bir yüzde artışıyla artırmasıdır.)
Doğrusal olmamanın kapsamı, ilgili sayıların boyutuna, yani UX’in 1’den ne kadar farklı olduğuna ve düzeltilmemiş korelasyonun 0’dan çok daha büyük bir kareye sahip olma derecesine bağlıdır. Doğrusal olmama durumu çok büyük değilse, o zaman düzeltilmemiş korelasyonu sabitle çarptığımızı varsayarak örnekleme hatasına yaklaşabiliriz.
Bu yaklaşımın kapsamını görmek için personel araştırması örneğimizi ele alalım. Düzeltilmiş bağıntının kendisi hakkındaki düzeltilmiş bağıntı için güven aralığımızı, yani rc = .44 civarında ortalarız. Düzeltilmemiş bağıntı için hata standart sapması (1−.282)/√99 = .093 ve düzeltilmiş bağıntıların düzeltilmemiş bağıntılara oranı .44/.28 = 1.57’dir. Bu nedenle, düzeltilmiş korelasyon için tahmini standart hata (1.57)(.093) = .146’dır. Karşılık gelen güven aralığı .15 ≤ ρc ≤ .73’tür. Bu ima edilen güven aralığı, uç noktaların düzeltilmesiyle elde edilen güven aralığından yalnızca biraz farklıdır, yani .16 ≤ ρc ≤ .65.
Raju ve Brand (2003) ve Raju, Burke ve Normand (1983) tarafından önerilen Taylor serisi kullanılarak elde edilebilecek standart hatanın daha doğru bir tahmini vardır. Büyük örneklem boyutu için, düzeltilmemiş korelasyondaki örnekleme hatasının neden olduğu düzeltilmiş korelasyondaki örnekleme hatası, düzeltme fonksiyonunun türeviyle orantılıdır. Korelasyon α sabiti ile çarpılırken, standart sapma aα sayısı ile çarpılır.
Standart sapmanın bu geliştirilmiş tahmini, bilgisayar programlarına dahil edilmesi kolay olmasına rağmen, el hesaplamaları için zahmete değmez ve biz bunu yaptık. Windows tabanlı meta-analiz programı VG6 (açıklama için Ek’e bakın) bu iyileştirmeyi içerir. Yine, aralık kısıtlaması dolaylı olsaydı, önceki formülde UX yerine UT kullanılacaktı.
Bir Örnek: Güven Aralıkları
Doğrudan aralık kısıtlaması olan ve tek bir süpervizör tarafından iş performansı derecelendirmelerinin kullanıldığı bir personel seçimi doğrulama çalışması düşünün. 100’lük bir örneklem büyüklüğü ile .30’luk bir gözlemlenen korelasyon verildiğinde, düzeltilmemiş geçerlilik katsayısı için güven aralığı P [.12 ≤ ρ ≤ .48] = .95’tir. King, Hunter ve Schmidt’ten (1980), başvuran havuzundaki süpervizör derecelendirmelerinin güvenilirliğinin en fazla .60 olduğunu biliyoruz. Seçim oranı %50 ise, o zaman Schmidt, Hunter ve Urry’deki (1976) (bu bölümün ilerleyen kısımlarında sunulmuştur) formüller, başvuran grubun standart sapmasının yerleşik popülasyonun (UX) standart sapmasına oranının olduğunu gösterir.
Bağımlı bağımsız değişken örnekleri
Bağımsız değişken örnekleri
Bağımlı Bağımsız değişken araştırma Yöntemleri
10 tane bağımlı değişken örnek
Kontrol değişkeni
bağımlı bağımsız değişken örnekleri fen 8. sınıf
Bağımsız değişken nedir eodev
bağımlı bağımsız değişken örnekleri fen 5. sınıf
Doğrudan Menzil Kısıtlaması ve Seçim Oranı
Personel içi araştırma, menzil kısıtlaması bazen çok özel bir şekilde ortaya çıkar: İnsanlar, doğrulanacak test kullanılarak yukarıdan aşağıya doğru işe alınır. Doğrulama çalışmasında yalnızca işe alınanlar görünür. Böylece, çalışmada görünenler, test puanlarının referans popülasyon dağılımının en üst kısmından seçilir (doğrudan aralık kısıtlaması). Başvuru sahibi popülasyonlarındaki test puanı dağılımı tipik olarak normal veya normale yakın bir dağılım olduğundan, aralık kısıtlama parametresi uX, seçim oranından dolaylı olarak hesaplanabilir.
Seçim oranı, test tarafından seçilen adayların oranı olarak tanımlanır. Örneğin, dağılımın ilk onda birindeki tüm başvuru sahiplerine iş teklif edilirse, seçim oranı %10’dur. İşe alım yalnızca yukarıdan aşağıya doğru test puanlarına dayanıyorsa, test seçim oranı, iş teklifinde bulunan adayların yüzdesine eşit olacaktır.
Bir oran olarak seçim oranı p olsun (yani, yüzde yerine 0,10 gibi bir kesir olarak). Normal bir dağılımın tepesinden işe alıyorsak, herhangi bir p seçim oranına karşılık gelen, öyle bir kesme puanı C vardır.
Bu kesme puanı standart puan formunda verilmişse, herhangi bir normal dağılım tablosu kullanılarak aranabilir. Kesme puanı bilindikten sonra, aşağıdaki formülleri kullanarak standart puan formunda seçilenler arasındaki test puanlarındaki ortalama ve varyansı hesaplayabiliriz.
Standart sapma – ve dolayısıyla uX parametresi – .1552’nin karekökü, yani .39’dur. Yani, %10’luk bir seçim oranıyla, çalışma popülasyonundaki standart sapma, başvuran popülasyondaki standart sapma kadar yalnızca %39 büyük olacaktır. Bu özel bölümde açıklanan prosedürlerin yalnızca doğrudan menzil kısıtlaması için geçerli olduğuna dikkat etmek önemlidir. Menzil kısıtlaması dolaylı ise, uX tahminleri biraz yanlış olacaktır.
Bağımsız ve Bağımlı Değişkenlerin İkiye Ayrılması
İkiye ayırmanın matematiği, zayıflama için düzeltmeninkine çok benzer ve bu nedenle kısa ve öz bir şekilde geliştirilecektir. İkiye ayırmanın bazı yönleri Bölüm 2’de tartışıldı; daha detaylı bir tedavi Hunter ve Schmidt (1990b) ve MacCallum, Zhang, Preacher ve Rucker (2002)’de sunulmaktadır. Anahtar gerçek, sürekli bir değişkeni ikiye ayırmanın etkisinin, popülasyon korelasyonunu bir zayıflatıcı faktörle çarpmak olmasıdır.
Bu sistematik zayıflama, zayıflatılmış korelasyonun aynı faktöre bölünmesiyle düzeltilebilir. Yani, çalışma korelasyonunun zayıflatıldığı faktörü biliyorsak, o zaman aynı zayıflama faktörüne bölerek çalışma korelasyonunu orijinal değerine geri yükleyebiliriz. Bir değişkeni bir sabite bölersek, ortalama ve standart sapma aynı sabite bölünür.
Böylece, düzeltilmiş korelasyon katsayısı, zayıflama faktörüne bölünen bir ortalamaya ve zayıflama faktörüne bölünen bir örnekleme hatasına sahiptir. Böylece, düzeltilmiş korelasyondaki örnekleme hatası, düzeltilmemiş korelasyondaki örnekleme hatasından daha büyüktür. Ancak, dikotomizasyonun getirdiği sistematik hatayı ortadan kaldırmanın başka bir yolu yoktur.
Bir örnek düşünün. Bağımsız değişkenin ortancada bölündüğünü varsayalım. O zaman zayıflama faktörü .80 olur ve böylece popülasyon korelasyonu %20 azalır. Eğer ρ gerçek popülasyon korelasyonuysa ve ρo zayıflatılmış popülasyon korelasyonudur.
10 tane bağımlı değişken örnek Bağımlı Bağımsız değişken araştırma Yöntemleri Bağımlı bağımsız değişken örnekleri bağımlı bağımsız değişken örnekleri fen 5. sınıf bağımlı bağımsız değişken örnekleri fen 8. sınıf Bağımsız değişken nedir eodev Bağımsız değişken örnekleri Kontrol değişkeni