Blog

Verileri Gruplandırarak Analiz Edilen Moderatör Değişkenleri ve Çalışılmış Bir Örnek Moderatör değişken, diğer iki değişken arasındaki korelasyonda farklılıklara neden olan bir değişkendir. Örneğin, daha önce tartışılan polis vahşeti çalışmasında Bouchard, coğrafi bölgenin sosyoekonomik statü ile vahşet arasındaki ilişki için bir moderatör değişken olacağını öne sürdü. Çalışmalar arasında sonuçlarda gerçek bir varyasyon varsa, bu tür bir varyansı hesaba katacak böyle bir moderatör değişken (veya muhtemelen birden fazla) olmalıdır. Öte yandan, analiz sonuçlardaki farklılığın örnekleme hatasından kaynaklandığını gösteriyorsa, herhangi bir belirgin düzenleyici etki, örnekleme hatası üzerindeki büyük harf kullanımından kaynaklanmaktadır. Bouchard'ın çalışmasında durum buydu. Düzeltilmiş standart sapma, çalışmalar arasında popülasyon korelasyonlarında önemli farklılıklar olduğunu gösteriyorsa, gözlemlenen korelasyonları alt kümeler halinde gruplandırmak için bir teori veya hipotezden türetilen bir moderatör değişkeni kullanılabilir. Her alt kümede, örnekleme hatası için düzeltilmiş bir ortalama, bir varyans ve bir varyans hesaplayabiliriz. Bir moderatör değişken kendini iki şekilde gösterecektir: (1) ortalama korelasyon alt kümeden alt kümeye değişecektir ve (2) düzeltilmiş varyans, alt kümelerde bir bütün olarak veriden daha düşük ortalama olacaktır. Bu iki gerçek matematiksel olarak bağımlıdır. Varyans analizindeki bir teorem ile, toplam varyansın, alt küme varyanslarının ortalaması ile alt küme ortalamalarının varyansının toplamı olduğunu biliyoruz. Bu nedenle, ortalama düzeltilmemiş alt küme içi varyans, tam olarak alt küme ortalamalarının birbirinden farklı olduğu ölçüde azalmalıdır. Bunun anlamı, eğer ortalama korelasyon alt kümeler arasında değişiyorsa, alt kümelerin ortalama standart sapması, birleştirilmiş veri kümesindeki standart sapmadan daha az olmalıdır. .063'lük düzeltilmiş standart sapma, .175: .175/.063 = 2.78 ortalamasıyla karşılaştırılabilir. Yani, ortalama korelasyon 0'ın üzerinde yaklaşık 2,8 standart sapmadır. Dolayısıyla, çalışma popülasyonu korelasyonları normal olarak dağılmışsa, sıfır veya sıfırın altında korelasyon olasılığı neredeyse sıfırdır. Dolayısıyla ilişkinin niteliksel doğası açıktır: Tüm çalışmalarda popülasyon korelasyonu pozitiftir. Aracı değişken ve düzenleyici değişken farkı Aracı ve düzenleyici değişken örnekleri Aracı değişken ne demek Moderator değişken analizi Moderatör ve Mediator değişken Düzenleyici Değişken nedir Kontrol değişkeni Sürekli değişken örnekleri Alt kümelerin analizi, Amerika Birleşik Devletleri'nde r ̄ = .25 ve Transilvanya'da r ̄ = .10 olan ortalama korelasyonlarda önemli bir farklılık gösterir. Düzeltilmiş standart sapmalar, iki ülke arasında sonuçlarda bir değişiklik olmadığını ortaya koymaktadır. Bu durumda, sadece bir moderatör vardı. Birden fazla moderatör olduğunda, moderatörler ilişkilendirilebilir ve bu nedenle, sırayla birer birer incelenirlerse kafaları karışır. Bu durumlarda, bu tür kafa karışıklıklarından kaçınmak için moderatör analizlerini hiyerarşik olarak yürütmek önemlidir. Hackman, iki ülke arasındaki farkı, Amerika Birleşik Devletleri'ndeki vampirlerin Kızıl Haç için çalışarak sessiz, mutlu hayatlar yaşadıklarını, Transilvanya'daki vampirlerin ise canlı kurbanları takip ederek ve öldürerek kanlarını almaları gerektiğini belirterek açıkladı. Transilvanya'daki vampirler, hayattaki düşük konumlarına içerler ve çabalarını kıskandıkları yüksek statülü insanlara odaklarlar. Geceleri çalışan orta sınıf polisler özellikle savunmasızdır. Bu nedenle, Transilvanya'daki polisler arasında sosyal sınıf açısından daha az farklılık vardır ve menzildeki bu kısıtlama, korelasyonu azaltır. Bu hipoteze göre, menzil kısıtlamasının düzeltilmesi, iki ortalama korelasyonu eşit (.25'te) yapacaktır. Bu bölümün ilerleyen kısımlarında, bu hipotezi test etmek için kullanılabilecek aralık düzeltmelerini inceleyeceğiz. Academy of Management toplantısında hararetli bir tartışmadan sonra, Bouchard dişlerini açtı ve Hackman'a Amerikan vampirlerinin hâlâ baş belası olabileceğini gösterdi. Bouchard, daha sonra, sonuçlardaki farklılığın, çalışmalarının ülkenin savaşa gireceği zamanlarda yapıldığı gerçeğini yansıttığını kaydetti. Saldırgan heyecandaki bu artış, vahşetin genel düzeyini ve varyansını artırdı ve böylece ölçüm güvenilirliğini ve dolayısıyla korelasyon düzeyini artırdı. Bu hipoteze göre, gaddarlık ölçüsündeki ölçüm hatasını düzeltmek, iki ortalama korelasyonun gerçek puanlar düzeyinde gerçekten eşit olduğunu ortaya çıkaracaktır. Bu hipotez, bu bölümde daha sonra tartışılan ölçüm hatası düzeltmeleri kullanılarak test edilebilir. Örnekleme Hatası ve Çalışılmış Bir Örnek için Özellik İlişkilerini Düzeltme Bazı çalışma özelliklerinin nicel bir değişken y olarak kodlandığını varsayalım. Daha sonra bu özellik, çalışmalar arasında sonuç istatistiği ile ilişkilendirilebilir. Örneğin, bağımlılık ve okul başarısı arasındaki korelasyonlar çocuğun yaşının bir fonksiyonu olarak değişiyorsa, o zaman i çalışmasında ortalama yaşı yi olarak kodlayabiliriz. Daha sonra, çocukların yaşları ile çalışmalar arasında korelasyon boyutu arasında ilişki kurabiliriz. Bu yöntemin bir örneği Schwab, Olian-Gottlieb ve Heneman tarafından verilmiştir. Bununla birlikte, çalışmalar arasında böyle bir korelasyon, popülasyon değerlerinin y ile korelasyonunun ve örnekleme hatasının y ile korelasyonunun olmamasının karıştırılmasıdır. Bu, kusurlu ölçülen değişkenlere dayalı korelasyonları zayıflatmada ölçüm hatasının rolüne doğrudan benzer. Bu nedenle, çalışmalar arasında gözlemlenen korelasyon, korelasyonlarda örnekleme hatası olmaması durumunda olacağından daha küçük olacaktır. Bir çalışmadaki kişiler arasındaki korelasyon olan temel istatistik r ile r ve çalışma özellikleri arasındaki çalışmalar arasındaki korelasyonlar arasındaki karışıklığı önlemek için, çalışmalar üzerindeki korelasyonlar “Cor” ile gösterilecektir. Örneğin, r korelasyonu ile etütler arasındaki y etüt özelliği arasındaki korelasyon Cor(r, y) olarak gösterilecektir. Bu, çalışmalar arasında gözlemlenen korelasyondur, ancak çalışmalar arasında istenen korelasyon, popülasyon korelasyonları için ρi . Çalışmalar arasında istenen korelasyon Cor(ρ,y)'dir. ri = ρi + ei formülünden yola çıkarak, çalışmalar üzerinden bir kovaryans hesaplar ve üretmek için kovaryansların toplamsallığı ilkesini kullanırız. Çalışmalar arasındaki bu kovaryans, çalışmalar arasındaki standart sapmalara bölünürse, bu durumda, çalışmalar arasında gözlemlenen korelasyon, diğer iki korelasyonun ürünüdür, istenen korelasyon ve güvenilirliğe benzer korelasyondur. Yalnızca bir değişkende ölçüm hatası varsa, ölçüm hatasından kaynaklanan zayıflama düzeltme formülü tam olarak budur. Çalışmalar üzerinden r ve ρ arasındaki ilişki nedir? Yalnızca bu bölümün önceki bölümünde tahmin edilen ρ varyansına ihtiyacımız var. Böylece zayıflama formülünde kullanım için gerekli olan “güvenilirlik” ile verilmektedir.