Bazı yazarlar, ölçüm hatası için doğru yapmaktansa yanlı tahminlerin hatasını yapmayı tercih eder. Etki büyüklüklerinin küçümsenmesinin kabul edilebilir olduğunu söyleyerek bu seçimi savunurlar; sadece abartmak kötüdür. Yani, bazıları yalnızca olumlu hataların önemli olduğuna ve olumsuz hataların önemli olmadığına inanıyor. Ancak bilimin amacı, bilimsel olarak önemli tüm parametrelerin yansız tahminlerini elde etmek olmalıdır.

Ek olarak, teorik çalışma genellikle etki büyüklüklerinin karşılaştırılmasını gerektirir. Bazı etki büyüklükleri eksik tahmin edilmişse karşılaştırma yanlış olabilir ve dolayısıyla yanlış çıkarımlara yol açabilir. Bilim tarihinin, olumsuz hataların (olumsuz önyargıların) olumlu hatalar kadar zarar verici olduğunu gösterdiğine inanıyoruz. Bu nedenle, düzeltmenin her zaman arzu edilir olduğuna inanıyoruz.

Meta-analizdeki sorun, bazı çalışmaların kullanılan ölçümlerin güvenilirliğini bildirmemesidir. Bazen araştırma alanı dışında aynı ölçütü kullanan ve güvenilirliğini bildiren çalışmalara gidilerek bu sorun ortadan kaldırılabilir. Belirli bir ölçüyü kullanan çalışmaların hiçbiri bir güvenilirlik bildirmiyorsa (çoğunlukla davranışçı çalışmada durum böyledir), o zaman meta-analizde bile hiçbir düzeltme yapılamaz. Bununla birlikte, zayıflama düzeltmesi göz ardı edilecek olsa bile, tahminde karşılık gelen hatanın ne kadar büyük olacağına dair bir fikre sahip olmak önemlidir. Bunu yapmanın bir yolu, benzer önlemlerin güvenilirliğine bakmaktır.

Ölçüm hatasının etki büyüklükleri üzerindeki etkisini hesaplamanın anahtarı, bağımlı değişkendeki rastgele ölçüm hatasının kapsamını ölçmektir. Bu, psikometrik teoride güvenilirlik katsayısı kullanılarak yapılır. Bağımlı ölçümün güvenilirliği biliniyorsa, zayıflamanın kapsamı (aşağıya doğru sapma) tam olarak hesaplanabilir. Daha sonra zayıflamayı cebirsel olarak tersine çevirmek mümkündür; bu işleme “zayıflama için düzeltme” denir.

Gerçek popülasyon etki büyüklüğü δ ise, o zaman çalışma popülasyonu etki büyüklüğü sadece bağımlı değişken mükemmel bir şekilde ölçüldüğünde δ kadar yüksek olacaktır. Bağımlı değişkenin güvenilirliği 1,00’den küçükse, çalışma popülasyonu etki büyüklüğünde buna karşılık gelen bir azalma olacaktır. Bağımlı değişken ölçüsünün güvenilirliği rY Y ise, azaltılmış nüfus etki büyüklüğü δo ile verilir.

Yani %20 oranında azaltılmıştır. Bir sayının %20 azaltıldığını biliyorsak, orijinal sayıyı bölerek bulabiliriz. Yani, δo = .80δ olduğunu biliyorsak, δ’yi elde etmek için .80’e bölebiliriz, yani δ = δo/.80. Böylece, popülasyon etki büyüklüğü δo, denklemin her iki tarafını a’ya bölerek zayıflama için cebirsel olarak düzeltilebilir.

Meta veri Nedir
tüik’in amacı nedir
Tuik nedir
Tuik nedir ne iş yapar
Mevsimsel DÜZELTME yöntemleri
Tüik nedir Eodev
TÜİK
Meta veri ne işe yarar

Doğru türde güvenilirlik varsa, zayıflama için düzeltme formülü, popülasyon etki büyüklükleriyle mükemmel şekilde çalışır. Örnek etki boyutu, aynı formül kullanılarak zayıflama için de düzeltilebilir. Bu düzeltme, numune etkisinin sistematik zayıflamasını ortadan kaldırır. Bu nedenle, prensipte, rastgele ölçüm hatasının etkilerini ortadan kaldırmak için istatistiksel bir düzeltme formülü kullanabiliriz.

Ancak, düzeltilmiş etki büyüklüğünde hala örnekleme hatası var. Meta-analiz için en önemli gerçek, düzeltilmiş bir etki büyüklüğündeki örnekleme hatası formülünün, düzeltilmemiş bir etki büyüklüğündeki örnekleme hatası formülünden farklı olmasıdır. Bu nedenle, düzeltilmiş etki büyüklüklerine ilişkin meta-analiz, örnekleme hatası için varyansı düzeltmek için biraz farklı bir formül kullanır.

Zayıflama için düzeltme, ölçüm hatasından kaynaklanan zayıflamayı ortadan kaldırabiliyorsa, ilk etapta neden iyi bir ölçüm kullanmaya çalışmamız gerektiği sorulabilir. Cevap, düzeltilmiş etki boyutlarının örnekleme hatasında yatmaktadır. Düzeltme sürecinin dikkatli bir analizi, istatistiksel düzeltme için bir bedel ödediğimizi gösterir: İstatistiksel olarak düzeltilmiş etki büyüklüğündeki örnekleme hatası, mükemmel ölçümle yapılan bir çalışmada örnekleme hatasından daha büyüktür.

Güvenilirlik ne kadar yüksek olursa, örnekleme hatasındaki artış o kadar az olur. Böylece, orijinal ölçüm ne kadar iyi olursa, düzeltilmiş etki büyüklüğündeki örnekleme hatası o kadar az olur. Yani, çalışmalarımızda mükemmel ölçüm elde edemeden mükemmel ölçüm sonuçlarını tahmin edebiliyoruz, ancak istatistiksel düzeltmenin bedeli artan örnekleme hatasıdır.

Güvenilirlik ne kadar yüksek olursa, fiyat o kadar düşük olur. Bireysel bir çalışmada düşük güvenilirliğin bedeli çok yüksektir. Bununla birlikte, meta-analizdeki daha büyük örneklem büyüklükleri, bir alandaki bireysel çalışmaların güvenilirliği düşük olsa bile, etki büyüklüklerine ilişkin iyi tahminler elde etmeyi mümkün kılar. Bunun nedeni, ortalama düzeltilmiş etki büyüklüğü hesaplandığında bireysel çalışmalardaki örnekleme hatasının ortalamasının alınmasıdır.

Yani etki büyüklüğünü zayıflama faktörüne bölmek, standart hatayı aynı faktöre bölmek demektir. Güvenilirlik ne kadar düşükse, örnekleme hatasındaki artış o kadar büyük olur.

Örneğin, bağımlı değişkenin güvenirliği .64 ise, düzeltilmiş etki büyüklüğünün örnekleme hata varyansı:

• Var(e′) = Var(e)/.64 = (1/.64) Var(e) = 1.56 (e)

Yani çalışma güvenirliği .64 kadar düşükse, düzeltilmiş etki büyüklüğü, düzeltilmemiş etki büyüklüğünden %25 daha fazla örnekleme hatasına sahiptir. Bu nedenle, düzeltilmemiş etki büyüklüğündeki %20’lik sistematik hatayı ortadan kaldırmak için sistematik olmayan hatada %25’lik bir artışa maruz kalmalıyız. Zayıflatılmış örnek etki boyutu, ölçüm hatasının etkisi için düzeltilebilir. Düzeltilmiş efekt boyutunu dc ile belirtin:

• dc = do/a = (δo + e)/a = δo/a + e/a = δ + e′

burada e’ düzeltilmiş etki büyüklüğündeki örnekleme hatasıdır. e′’deki örnekleme hatası şu şekilde verilir:

• Var(e′) = Var(e)/a2 = Var(e)/rYY (7.47)

Bir kesre bölmek, oranı arttırmaktır. Böylece, örnekleme hata varyansındaki artış, güvenilirlik ile tam olarak orantılıdır. Düzeltilmiş etki büyüklüğünün standart hatası, varyansın kareköküdür. Standart hata için,

• SDe′ = SDe/a

Meta-analizde, yalnızca tek bir çalışmadaki güvenilirliğin kapsamı hakkında değil, aynı zamanda çalışmalar arasındaki güvenilirlik varyasyonu hakkında da endişelenmeliyiz. Bağımlı değişkenlerin ölçümlerinin güvenilirliğinde çalışmalar arasında farklılıklar varsa, farklı faktörler tarafından farklı etki büyüklükleri azaltılır.

Bu gerçek, örnekleme hatası nedeniyle gözlemlenen d değerlerinde varyasyonun ötesinde varyasyona neden olacaktır. Bu nedenle, yalın bir meta-analizde, örnekleme hatasının etkisi için varyans düzeltildiğinde çıkarılmayan etki büyüklüklerinde yapay varyans olacaktır. Bu varyasyon, her bir etki boyutu, güvenilmezlik için ayrı ayrı düzeltilirse ortadan kalkar.

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