Homojenlik Hipotezi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Homojenlik Hipotezi
Hedges ve Olkin (1985), homojenlik için bir ki-kare testinin, ortalama korelasyon veya d değerinin önemi için testten önce gelmesi gerektiğini belirtti. Bu ki-kare testi hem FE hem de RE modelleri için aynıdır. Bu test anlamlı değilse ki-kare testi homojenlik hipotezini reddedemez.
Ancak, anlamlı olmayan bir homojenlik testi, ρ ve δ çalışma popülasyon değerlerinin homojenliği sonucunu desteklemez. Çalışmaların sayısı fazla olmadığı sürece, bu ki-kare testi tipik olarak çalışma popülasyon parametrelerindeki varyasyonu saptamak için düşük güce sahiptir ve sık sık Tip II hatalara neden olur.
Yani, çalışma popülasyonu parametrelerinde gerçek varyasyon varlığında ki kare genellikle önemsizdir. Sonuç olarak, FE önem testleri genellikle heterojen çalışma alanlarına uygulanır ve gerçek güven aralıklarından önemli ölçüde daha dar olan şişirilmiş Tip I hata oranlarına ve güven aralıklarına (ortalama etki büyüklükleri civarında) neden olur.
Ek olarak, ki-kare homojenlik testi anlamlı olsa bile (popülasyon etki büyüklüklerinin heterojenliğini gösterir), FE yöntemlerinin kullanıcıları yine de genellikle ortalama etki büyüklüklerinin istatistiksel önemi için FE formülleri uygularlar (veya FE standart hatasını kullanarak güven aralıklarını hesaplarlar). ortalama etki büyüklüğü). Bu uygulama çarpık sonuçlar ve sonuçlar sağlar.
Bu meta-analizlerin tümü, oldukça önemli olan önemli araştırma sorularına odaklanır. Bu uygulamalarla, FE önem testlerinin Tip I hata oranlarını önemli ölçüde şişirmesi ve bulguların kesinliğini olduğundan fazla tahmin ederek yanlış bir şekilde dar güven aralıkları bildirmesi daha da olasıdır.
Ulusal Araştırma Konseyi, meta-analizde FE modellerinin kullanımının “istisnadan ziyade kural” olduğunu ve FE modellerinin araştırma bulgularında “gerçek belirsizliği hafife alma eğiliminde olduğunu” belirtti. Ulusal Araştırma Konseyi, “FE modellerinin mevcut varsayılanlarına tercihli olarak RE modellerinin kullanımında bir artış” tavsiyesinde bulundu, ayrıca sabit modeller yerine rastgele modeller tavsiye etti.
H0 ve H1 hipotezi örnekleri
H1 hipotezi Nedir
İstatistik 2 Hipotez Testleri Soruları ve çözümleri
İstatiksel hipotez Nedir
Tek ve çift yönlü hipotez nedir
Yokluk hipotezi
H2 hipotezi
Tek ve çift yönlü hipotez örnekleri
Diğerleri ayrıca FE modellerinin kullanımının şişirilmiş Tip I hata oranlarına ve hatalı bir şekilde dar güven aralıklarına yol açabileceği konusunda uyardı. Bununla birlikte, FE modelleri, psikoloji ve diğer disiplinlerdeki yayınlanmış literatürde “istisnadan ziyade kural” olmaya devam etmiştir.
Erez, Bloom ve Wells (1996), FE modellerine tercih olarak RE modellerinin daha fazla kullanılması çağrısında bulundu. Ancak, Hedges ve Olkin’in (1985) en yaygın olarak kullanılan FE modellerini tartışmadılar. Rosenthal ve Rubin’in FE yöntemlerini de tartışmadılar. Ayrıca Hunter ve diğerlerindeki yöntemleri yanlış tanımladılar. (1982), Hunter ve Schmidt (1990a), Callender ve Osburn (1980) ve Raju ve Burke (1983) FE yöntemleri olarak; bu yöntemlerin tümü RE yöntemleridir.
FE modeli için hangi gerekçeler sunuldu? İlk mantık, bilim insanlarının bazen çalışmaların tüm alanı için ortalama etki büyüklüğü ile ilgilenmeyebilecekleri, bunun yerine yalnızca bir meta-analizde yer alan çalışmalarda temsil edilen spesifik etki büyüklükleriyle ilgilenebilecekleriydi.
Bu mantık altında, araştırmacılar meta-analizlerindeki çalışmaları, potansiyel olarak daha büyük bir çalışma popülasyonundan bir örnek olarak değil, ilgilenilen çalışmaların tüm evreni olarak görüyorlar. Bu varsayım altında, çalışma etki büyüklüklerinin bu örneklemesi nedeniyle örnekleme hatası olasılığı yoktur, çünkü olası tüm çalışma etki büyüklükleri tanım gereği meta-analize dahil edilmiştir. Overton (1998), bu varsayım altında FE modelinin uygun Tip I hata seviyesine sahip olduğunu göstermiştir. Ancak kilit soru, bu varsayımın gerçekçi veya uygun olup olmadığıdır.
Bu varsayımla ilgili en büyük sorun, bir araştırmacının yalnızca meta-analizde yer alan belirli çalışmalarla ilgileneceği ve daha geniş tahmin göreviyle ilgilenmeyeceği bir durumu tasavvur etmenin zor (ve belki de imkansız) olmasıdır. Bir bütün olarak araştırma alanı için nüfus etki büyüklüklerinin durumuna bakılır.
Örneğin, Deneyime Açıklığın kişilik özelliğini iş performansıyla ilişkilendiren 16 araştırma yapıldığını, ancak bu çalışmaların çok çeşitli dergilerde yayınlandığını varsayalım. Sonuç olarak, meta-analistin meta-analizine dahil etmek için 16 çalışmadan sadece 8’ini bulduğunu varsayalım.
Kişilik araştırmacılarına yönelik varsayımsal bir ankette bu soruyu düşünün: Bir araştırmacı olarak hangisini daha bilgilendirici bulursunuz: (a) meta-analiz araçları ve bu araştırma alanındaki çalışmaların tüm alanına genellenen güven aralıkları (RE modeli sonuçları) veya ( b) meta-analiz, yalnızca bu meta-analiz için yer alan belirli çalışmaları tanımlayan ve bir bütün olarak araştırma alanına genellenemeyen güven aralıkları ve güven aralıkları (FE modeli) yer alır.
Asli araştırmacıların (haklı olarak) rastgele etki sonuçlarını tercih edecekleri açıktır. Bilim genellemeyle ilgilidir ve araştırmanın amacı genelleştirilebilir sonuçların belirlenmesidir. Belirli bir çalışma alt kümesiyle sınırlı olan sonuçlar bilimsel olarak bilgilendirici değildir.
Daha geniş çalışma alanı düzeyinde uygulanan aynı akıl yürütmeyi düşünün. Bir araştırmacı, bir alanda yürütülen yalnızca ilk birkaç çalışmayı tanımlayan bir meta-analizin sonuçlarını mı yoksa o alanda gelecekte yapılabilecek veya yapılabilecek tüm çalışmaları genelleyen bir meta-analizin sonucunu mu tercih eder?
Yani, meta-analiz sonuçlarının ve sonuçlarının gelecekteki tekrarlama çalışmalarına genellenmesini mi tercih eder yoksa gelecekteki tekrarlama çalışmalarına genellemeyen sonuçları mı tercih eder? Çoğu araştırmacı, daha geniş çalışma alanıyla ilgili sonuçların daha bilimsel değere sahip olduğuna karar verir. Yani, RE modelleri tarafından üretilen bilgiler çoğu araştırmacının bir meta-analizin iletmesini beklediği bilgi iken, FE modelleri tarafından üretilen bilgiler çok sınırlı bilimsel değere sahiptir.
Sabit etkiler modelini destekleyen bu mantık, varyans analizinde (ANOVA) FE modelleriyle bir analojiden doğmuştur. ANOVA’da bir FE tasarımı, ilgilenilen tüm tedavi düzeylerinin tasarıma dahil edildiği bir tasarımdır, ANOVA’daki bir RE modeli ise çalışmaya yalnızca ilgilenilen tedavi düzeylerinin bir örneğinin dahil edildiği bir tasarımdır. ANOVA’daki bu ayrıma benzer şekilde, Hedges ve Olkin (1985), meta-analiz için iki farklı yaklaşımı FE ve RE modelleri olarak etiketledi.
Dolayısıyla, FE meta-analiz modellerinde, meta-analize dahil edilen çalışmaların ilgili çalışmaların tüm evrenini oluşturduğu varsayılırken, RE modellerinde çalışmalar, yapılabilecek veya yapılabilecek tüm olası çalışmaların bir örneği olarak alınır. konuda var. Ulusal Araştırma Konseyi raporu, bu benzetme ile ilgili sorunlar olduğunu belirtti. Raporun belirttiği gibi:
Meta-analiz literatüründe “sabit etkiler” ve “rastgele etkiler” terimlerinin kullanılma şekli, “sabit etkiler” terimi olan varyans analizi gibi diğer istatistik tekniklerinde kullanılan klasik tanımlardan biraz farklıdır. gerçek etkilerin dağılımı kavramını reddetmek için gerekli olan δ1, δk ve “rastgele etkiler”, δ1’lerin bir popülasyondan örneklendiğini ve dolayısıyla bir dağılıma sahip olduğunu varsayar.
H0 ve H1 hipotezi örnekleri H1 hipotezi Nedir H2 hipotezi İstatiksel hipotez Nedir İstatistik 2 hipotez testleri soruları ve çözümleri Tek ve çift yönlü hipotez nedir Tek ve çift yönlü hipotez örnekleri Yokluk hipotezi