Rosenthal’ın (1979) dosya çekmecesi analiziyle ilgili bir başka sorun, yüz değerinde kabul edilse bile, çok zayıf bir sonuç vermesidir. Birleştirilmiş çalışma sonuçları, ortalama etki büyüklüğü küçük veya hatta çok küçük olsa bile istatistiksel olarak oldukça anlamlı olabilir. Ne genel olarak birleşik olasılık yöntemi ne de özel olarak dosya çekmecesi analizi, etki büyüklüğü hakkında herhangi bir bilgi sağlamaz. d ̄ veya r ̄’yi belirli bir düzeye getirmek için sıfır bulguların ortalaması olan kaç tane eksik çalışmanın var olması gerektiğini bilmek daha bilgilendirici olacaktır.

Burada bu hesaplama için verilen formüller yazarlar tarafından 1979’da türetilmiş ve Pearlman (1982) tarafından yaygın olarak kullanılmıştır. Daha sonra Orwin’in (1983) aynı formülleri bağımsız olarak türettiğini öğrendik. Bu denklemler sabit etkiler varsayımına bağlı değildir; gerçekte, bir rastgele etkiler modelini temsil ederler.

d ̄k’yi d ̄c’ye, yani ortalama d için kritik değere (teorik veya pratik olarak anlamlı kabul edebileceğimiz en küçük ortalama değer olabilir) düşürmek için kaç tane “kayıp” çalışma (x) olması gerektiğini bilmek istiyoruz. Böylece yeni toplam çalışma sayısı yine k + x olacaktır. 􏰀dk değişmeden kalacaktır.

k = 100 ise ancak diğer sayılar aynı kalıyorsa, x = 900. Etki büyüklüğünü belirli bir düzeye indirmek için gereken boş sonuçların ortalamasını alan eksik çalışmaların sayısı, genellikle birleşik olasılık değerini 0’a düşürmek için gereken sayıdan çok daha küçüktür. p = .05.

Bununla birlikte, birçok araştırma alanında, 90 “kayıp” çalışma olması olası değildir ve 900 olması da pek olası değildir. McNatt (2000), yayınlanmış bir meta-analizde bu prosedürün kullanımına bir örnek verdi. Gözlemlenen d ̄ 1,13’ü (büyük bir etki) d ̄ = .05’e (önemsiz bir etki) düşürmek için ortalama sıfır etki büyüklüğüne sahip 367 eksik çalışmanın gerekeceğini buldu.

Kullanılabilirlik Sapmasını Tespit Etmeye Yönelik Grafik Bir Yöntem: Huni Grafiği

Light ve Pillemer (1984), yayın veya diğer kullanılabilirlik yanlılığını saptamak için basit bir grafik yöntemi tanıttı. Bu teknik, kullanılabilirlik yanlılığının yokluğunda, ortalama etki büyüklüğünün büyük ve küçük örneklemli çalışmalarda aynı olması beklenirken, daha büyük örnekleme hatası nedeniyle küçük örneklemli çalışmalarda daha geniş çapta değişiklik göstermesi gerçeğine dayanmaktadır.

Bu tekniği uygularken, bir grafik, büyüklükleri (d değerleri veya korelasyonları) çalışma örneklem büyüklüğüne (ya da örneklem büyüklüğünün ters bir fonksiyonu olan çalışma tahmininin standart hatasına) karşı etkiler. Önyargı olmaması durumunda, ortaya çıkan rakam ters çevrilmiş bir huni şeklini almalıdır. Ortalama etki büyüklüğünün, çalışma örneklem büyüklüğünden bağımsız olarak yaklaşık olarak aynı olduğuna dikkat edin.

Bununla birlikte, çalışmaların istatistiksel önemine (p değeri) dayalı yayın veya başka bir kullanılabilirlik yanlılığı varsa, küçük etki büyüklüklerini bildiren küçük örneklemli çalışmalar orantısız bir şekilde yok olacaktır, çünkü bunlar istatistiksel anlamlılığa ulaşamayacak çalışmalardır. Bunlar huni grafiğinin sol alt köşesindeki çalışmalardır. Kullanılabilirlik yanlılığının varlığını gösteren bir huni grafiği gösterir. Küçük örneklemli çalışmaların ortalama etki büyüklüğünün, büyük örneklemli çalışmalarınkinden daha büyük olduğuna dikkat edin.

Meta regresyon nedir
Funnel plot nedir
Meta analiz Nedir
Meta-sentez Nedir
Meta analiz örnekleri
CMA programı
Forest plot nedir
Sistematik derleme nedir

Huni grafiği yönteminin altında yatan kavram basit ve doğrudan olmasına rağmen sorunlu bir yönü vardır. Tüm önemsiz çalışmalar, yayın veya diğer mevcudiyet yanlılığı nedeniyle mevcut değilse, yanlılığın kanıtını görmek kolaydır. Ancak, yalnızca bazıları eksikse (örneğin %20-60), yanlılığı tespit etmek çok daha zordur.

Bu, özellikle çalışmaların sayısı fazla değilse (belki de olağan durum) geçerlidir. Tüm önemsiz çalışmaların %100’ünün eksik olması pek olası değildir. Önem testleri, huni grafiğini değerlendirmede karar vermenin yerine kullanılabilir, ancak bu testler Bölüm 1’de tartışılan tüm önemlilik testlerine ilişkin sorunlara sahiptir. Özellikle, güçleri düşüktür.

Huni grafiği kullanılabilirlik yanlılığını öne sürdüğünde, bazıları meta-analizi yalnızca büyük-N çalışmalarına dayandırmayı önerdi (örn. ) ve bu nedenle, bu çalışmalar ortalama etki büyüklüğünün tarafsız bir tahminini sağlayacaktır.

Altta yatan ortalama etki büyüklüğü büyükse ve bu parametrede çok az gerçek varyans varsa, muhtemelen durum böyledir. (Bu iki koşul birlikte daha büyük N çalışmalarda yüksek istatistiksel güce katkıda bulunur ve daha büyük N çalışmalarının yanlı bir çalışma örneği olmamasını sağlamaya yardımcı olur.) Aksi takdirde, bu reçete sorgulanabilir. Ayrıca gösterilen yanlılığın meta-analizde gerçekte olduğundan daha büyük göründüğüne dikkat edin, çünkü çalışmalar örneklem büyüklüklerine göre ağırlıklandırılır ve bu nedenle küçük-N çalışmaları (yanlı tahminlere sahip olan) meta-analizde çok az ağırlık alır. 

Huni grafiğinin uygulamaları tipik olarak kullanılabilirlik yanlılığı kanıtı önermez. Bu, bu bölümde daha önce bahsedilen iki gerçekle iyi açıklanabilir. İlk olarak, çoğu çalışma birden fazla hipotezi test eder, bu da yayının herhangi bir hipotezin test edilmesi için istatistiksel anlamlılığa bağlı olmasını zorlaştırır. İkincisi, birçok meta-analiz, birincil çalışmaların ana odak noktası olmayan ilişkileri inceleyerek, bulunabilirlik veya yayın yanlılığının meydana gelme ihtimalini ortadan kaldırır. Bu akıl yürütme çizgisi, huni grafiğinin yanlılığı tespit etmedeki başarısızlığının, genellikle hiçbir yanlılığın olmadığı yönünde doğru bir sonuca yol açtığını ileri sürer.

Kullanılabilirlik Önyargısını Düzeltme Yöntemleri

1980’lerin ortalarından günümüze kadar devam eden istatistikçiler, kullanılabilirlik yanlılığının etkileri için meta-analiz sonuçlarını düzeltmek için istatistiksel yöntemler geliştirdiler. Zamanla, bu yöntemler istatistiksel olarak giderek daha karmaşık hale geldi (ve giderek daha karmaşık hale geldi).

Ancak tüm bu yöntemler birincil çalışmaların p değerlerine dayanmaktadır; yani, hepsi yayın olasılığının (bir ağırlık fonksiyonu aracılığıyla) bu çalışmanın p değerine bağlı olduğunu varsaymaktadır. Çalışmaların diğer özelliklerinin yayınlanma olasılığını etkileme olasılığına ilişkin herhangi bir hüküm yoktur (örneğin, rapor edilen etki büyüklüğü, çalışmanın metodolojik nitelikleri, yazarların itibarı vb.).

The post Huni Grafiği – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).