İki Kuyruklu İstatistiksel Anlamlılık Testi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
İki Kuyruklu İstatistiksel Anlamlılık Testi
Durum 2: N = 68
1980 öncesi literatürde personel seçimi ile ilgili çalışmaların ortanca örneklem büyüklüğü 68’dir. Bu, hem daha büyük hem de daha küçük istisnalar olmasına rağmen, diğer psikolojik çalışma alanlarındaki örneklem büyüklüklerinden uzak görünmüyor. Hamilton ve Hunter (1987) tarafından yapılan dil yoğunluğu meta-analizi için ortalama örneklem büyüklüğü N ̄ = 56’dır, bu da Tablo 6.1’de kullanılan 68 ile yaklaşık olarak aynıdır. 19 çalışmanın tümü N = 68 örneklem büyüklüğü ile yapılmış olsaydı, çalışma değerleri ikinci sütundaki gibi beklenen bir dağılıma sahip olacaktı.
Sonuçlara gerçek değerinden bakan bir gözden geçiren, artık 19 değerden 15’ini beklenen yönde ve 19 negatif değerden yalnızca 4’ünü görecektir. Bu bölme, bir binom karşılaştırması kullanan 50-50 bölmeden önemli ölçüde farklıdır. Aynı zamanda, dört büyük değer, ders kitabı örnekleri kadar büyük değildir. Bu gözden geçiren kişi muhtemelen yanlış yöndeki çalışmaların sadece sıfır etkiden örnekleme hataları olduğu sonucuna varacaktır. Bu nedenle, incelemeyi yapan kişi, muhtemelen, dil yoğunluğunun genellikle iknayı artırdığı sonucuna varacaktır, ancak bunun olmadığı durumlarda azınlıktadır. Bu sonuç yanlıştır çünkü etki aslında her durumda δ = .20’dir.
Varyans analizinin geleneksel iki kuyruklu istatistiksel anlamlılık testi, yalnızca en büyük iki değeri anlamlı olarak kaydeder. Bu nedenle, geleneksel iki kuyruklu test, 19 vakanın sadece 2’sinde, 17/19 hata oranı veya %89’da doğrudur. Önemli bulguları değerlendiren bir gözden geçiren, muhtemelen dil yoğunluğunun ikna ile alakasız olduğu sonucuna varacaktır. Bu sonuç, bu örnekte ciddi bir hata olacaktır.
Tek kuyruklu anlamlılık testi, ilk dört değeri anlamlı olarak kaydeder. Bu nedenle, tek kuyruklu test 4 kez doğrudur; bu, tek kuyruklu testin bu örnekte iki kuyruklu testin iki katı güce sahip olduğu anlamına gelir. Ancak, 19 çalışmanın 15’inde tek kuyruklu test hala yanlış, %79’luk bir hata oranı. Tek uçlu anlamlı bulguları sayan bir gözden geçiren kişi, muhtemelen 19’da 4 kez, tesadüfen beklenen 20’de 1’den belirgin şekilde daha büyük olduğu sonucuna varacaktır.
Değilse, o zaman çalışmaların sayısı 190’a yükseltilirse, gözden geçiren kişi 190’dan 40’ının şans eseri beklenen 190/20 = 9,5’ten çok daha büyük olduğunu kesinlikle fark edecektir. İncelemeyi yapan kişi muhtemelen dil yoğunluğunun ayarların yaklaşık (40 – 10)/190’ında veya %16’sında bir etkisi olduğu sonucuna varacaktır, ancak başka türlü bir etkisi yoktur. Bu, iki uçlu testlere bakan gözden geçirenin yaptığı hataya göre bir gelişmedir, ancak anlamlılık testini tamamen göz ardı eden gözden geçirenin vardığı sonuçtan daha kötüdür.
Burada sunulan meta-analiz yöntemi, N = 19(68) = 1,292 toplam örneklem büyüklüğünün bıraktığı örnekleme hatası dahilinde tedavi etkisini tahmin edecektir. 190 çalışma olsaydı, ortalama etki büyüklüğündeki hata, N = 190(68) = 12, 920 toplam örneklem büyüklüğünün bıraktığı değere inerdi. Yöntem ayrıca varyansın tamamının veya neredeyse tamamının olduğu sonucuna varırdı. çalışmalar arasında örnekleme hatasından kaynaklanmaktadır.
Hipotez testi p değeri hesaplama
Hipotez testi Türleri
Hipotez testleri nelerdir
Anlamlılık düzeyi hesaplama
H0 ve H1 hipotezi örnekleri
Hipotez testi örnekleri
Hipotez testleri PDF
Hipotez testi adımları
Durum 3: N = 400
Çoğu psikolog 400’lük bir örneklem büyüklüğünü ∞ gibi düşünür. Ancak, anketörler deneyimlerinden farklı biliyorlar. N = 400 örneklem büyüklüğüne sahip 19 çalışma için tipik çalışma sonuçları üçüncü sütunda gösterilmektedir.
Sonuçlara gerçek değerinden bakan bir gözden geçiren kişi, en küçük sonuçların gerçekten küçük olmasına rağmen, tüm sonuçların beklenen yönde olduğunu fark edecektir. En büyük sonuçlar hala orta boyuttadır. Bu nedenle, gözden geçiren kişi muhtemelen dil yoğunluğunun her zaman iknayı artırdığı (doğru bir sonuç) sonucuna varacaktır, ancak bazı ortamlarda etkinin büyüklüğü önemsizdir (yanlış bir sonuç).
İki uçlu anlamlılık testlerini sayan bir gözden geçiren, 19 çalışma değerinden 10’unun anlamlı olduğunu görecektir. Bu gözden geçiren kişi muhtemelen dil yoğunluğunun ayarların yaklaşık yarısında iknayı artırdığı, ancak diğer yarısında işe yaramadığı sonucuna varacaktır. Bu sonuç, gerçeklerden oldukça uzaktır.
Tek uçlu anlamlılık testlerini sayan bir gözden geçiren, 19 çalışma değerinden 13’ünün anlamlı olduğunu görecektir. Dolayısıyla, bu örnekte, tek kuyruklu test, iki kuyruklu testten 13/10 kat daha güçlüdür, yani yaklaşık %30 daha güçlüdür. Bu gözden geçiren kişi muhtemelen dil yoğunluğunun ayarların yaklaşık üçte ikisinde iknayı artırdığı, ancak diğer üçte birinde işe yaramadığı sonucuna varacaktır. Bu sonuç da gerçeklerden oldukça uzaktır.
400’lük bir örneklem büyüklüğüyle bile, görünen değer sonuçlarına safça bakan gözden geçiren, istatistiksel anlamlılık bulgularını sayan bir gözden geçirenden daha gerçeğe daha yakındır. Bu nedenle, 400’lük bir örneklem boyutuyla bile, anlamlılık testi hala o kadar zayıf çalışıyor ki, örnekleme hatası için hiç analiz yapmamaya kıyasla ters tepiyor.
Ortalama 400 örneklem büyüklüğü ile, meta-analiz yöntemimiz, ortalama etki büyüklüğünü, toplam örneklem büyüklüğü N = 19(400) = 7.600’ün bıraktığı örnekleme hatası dahilinde tahmin edecektir. Analiz ayrıca, çalışmalar arasındaki varyansın tamamının veya neredeyse tamamının örnekleme hatasından kaynaklandığı sonucuna varacaktır.
İnceleme çalışmalarının bakış açısından, istatistiksel anlamlılık testi örnekleme hatasıyla doğru şekilde ilgilenmez. İstatistiksel anlamlılık testi, yalnızca boş hipotezin doğru olduğunu bildiğimiz bir araştırma bağlamında çalışır. Bununla birlikte, sıfır hipotezinin doğru olduğunu biliyorsak, testi hiç yapmamız gerekmez. Bu nedenle, inceleme çalışmaları yaparken istatistiksel anlamlılık testinin kullanımından vazgeçmeliyiz.
Artık, burada sunulan yöntem de dahil olmak üzere, ortalama etki büyüklükleri için örnekleme hatasını doğru bir şekilde hesaba katan birçok matematiksel olarak eşdeğer meta-analiz formülü bulunmaktadır. Yöntemimiz, çalışmalar arasında etki büyüklüklerinde gerçek bir varyans olduğunda da işe yarayacaktır. Popülasyon etki büyüklüklerinin standart sapmasının büyüklüğünü tahmin edeceğiz. Bazı yazarlar, homojenlik için bir anlamlılık testi ile durur ve eğer anlamlılık testi standart sapmanın 0 olmadığını gösteriyorsa, standart sapmayı tahmin etmek için de hiçbir yöntem sunmaz.
Anlamlılık düzeyi hesaplama H0 ve H1 hipotezi örnekleri Hipotez testi adımları Hipotez testi örnekleri Hipotez testi p değeri hesaplama Hipotez testi Türleri Hipotez testleri nelerdir Hipotez testleri PDF