Korelasyonları Bireysel Olarak Düzeltme – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Her İki Değişkende Ölçüm Hatası: Doğrudan Aralık Kısıtlaması
Araştırma ve teori testi amaçları için, yapı düzeyinde korelasyonu bilmek istiyoruz. Böylece, hem tahmin edici hem de ölçüt ölçüsündeki rastgele ölçüm hatasının etkilerini ortadan kaldırmak istiyoruz. Zayıflama formülünün anahtarı, menzil kısıtlamasını en son olarak düşünmektir.
Menzil kısıtlaması için artifakt çarpanı burada daha da karmaşıktır. Payda sadeceρTPa init,butithasbothrXXa verYYa’ya sahip değildir. Yani, artifakt çarpanının değeri sadece kısıtlamanın boyutuna (uX ) değil, aynı zamanda gerçek etki büyüklüğüne (ρTPa ), bağımsız değişkenin güvenilirliğine (rXXa ) ve bağımlı değişkenin güvenilirliğidir (rYYa ).
Doğrudan Menzil Kısıtlamasında Meta-Analiz: Önceki Çalışma
Menzil kısıtlamasını içeren meta-analiz yöntemleri üzerinde çalışan üç araştırma ekibi vardır: kendimiz, Callender ve Osburn (1980) ve Raju ve Burke (1983). Üç takımın tümü için meta-analiz modeli, daha önce tartışılan modeldi: doğrudan menzil kısıtlaması modeli.
Menzil kısıtlaması gerçekten doğrudan kısıtlama ise, bu modelde sorun yoktur. Bu modelle ilgili sorun, menzil kısıtlamasının dolaylı olduğu alanlar için kullanılmış olmasıdır. Daha sonraki bir bölümde, daha önce verilen zayıflama formülünün dolaylı menzil kısıtlaması için geçerli olmadığını göstereceğiz.
Callender-Osburn (1980) çalışmasının en faydalı katkılarından biri, menzil kısıtlaması için artifakt çarpanını tahmin etmek için bir denklemdir.
Callender ve Osburn tarafından keşfedilen bu cebirsel özdeşlik, doğrudan menzil kısıtlaması için zayıflama modeli için geçerlidir. Ancak bu özdeşlik dolaylı menzil kısıtlaması için geçerli değildir. Ayrıca, daha sonra gösterildiği gibi dolaylı menzil kısıtlaması için çok yanlış olabilir.
Eğitim ve İstihdam Seçimi
Eğitim seçiminde, bağımlı değişken genellikle not ortalamasıdır (genellikle birinci yıl not ortalaması). Personel seçiminde, bağımlı değişken neredeyse her zaman ya iş performansı ya da eğitim performansı, kazalar, hırsızlık ya da işten ayrılma gibi bazı iş davranışlarıdır. Performans derecelendirmelerini göz önünde bulundurun. Performans derecelendirmelerine ilişkin tüm araştırmalar, zorunlu olarak görevdekiler üzerinde yürütülmüştür.
Örneğin, puanlayıcılar arası güvenilirlik bulgularının gözden geçirilmesi, çok ölçekli bir derecelendirme ölçeğinin puanlayıcılar arası ortalama güvenilirliğinin .47 olduğunu bulmuştur. Bu, yerleşik güvenilirliktir ve meta-analiz için zayıflama modeli olarak sunulan zayıflama formülünde kullanılmamalıdır. Başvuru sahibinin güvenilirliği daha yüksektir.
Prensip olarak, iki popülasyonda güvenilirliği ilişkilendiren geleneksel formül (genellikle “homojenlik formülü” olarak adlandırılır), mevcut güvenilirlikten başvuran güvenilirliğini hesaplamak için de kullanılabilir:
- uY = görevdekiSDY/başvuranSDY
- rYYi = görevdeki güvenilirlik
- rYYa = başvuru güvenilirliği
Bu formülle ilgili sorun, performans derecelendirmeleri için başvuru sahibinin standart sapması hakkında bilgi gerektirmesidir (çünkü uY = SDYi /SDYa ). Sadece görevliler için iş performansı derecelendirme verilerimiz olduğundan, bu standart sapma verilerden doğrudan tahmin edilemez. Ancak, rYYa’yı hesaplamak için kullanılabilecek başka bir formül daha vardır.
Pearson korelasyon katsayısı örnek soru
Otokorelasyon hesaplama
Çoklu korelasyon analizi
Korelasyon formülü
Korelasyon Nedir
Otokorelasyon Nedir
Pearson korelasyon katsayısı formülü
Korelasyon hesaplama
Burada XYi, mevcut örneklemde X ve Y arasında gözlenen korelasyondur. Gerçekçi bir vaka düşünün. uX = SDXi /SDXa = .70, rXYi = .25 ve rYYi = .47 olsun. Denklem (5.20) daha sonra rYYa = .50 verir. Bu nedenle, iş performansı derecelendirmelerinin güvenilirliği, aralık kısıtlaması olmadığında .03 (%6) daha da yüksek olacaktır.
Denklem (5.20), rYYa’nın bir tahminini sağlar ve bu, Denklem (5.18)’in kullanımını mümkün kılar. Ancak, yalnızca bir rYYi tahmini gerektiren bir hibrit model geliştirmek mümkündür. Bir sonraki bölümde açıklanan bu model, meta-analiz programlarındaki düzeltmelerin de dayandığı modeldir.
Hibrit Model
Çoğu araştırma alanında, bilinen kısıtlamasız gruptaki güvenilirliklerdir. Geleneksel yöntem bu alanlar için çalışır. Personel psikolojisi gibi alanlar için, bağımlı değişken güvenilirliği tipik olarak yalnızca yerleşik nüfus için bilinir. Bu durumda, aralık kısıtlamasından sonra ölçüt ölçüm yapaylığını tanıtan farklı bir model kullanarak verileri analiz edebiliriz. Bunun nedeni, bağımlı değişkendeki (Y) rastgele ölçüm hatalarının seçim sürecinden sonra ortaya çıkması ve bağımsız değişken (X) üzerindeki doğrudan seçimden de etkilenmemesidir.
Bu modelde zayıflama düzeltmesi üç adımda gerçekleşir. ρXYi ile başlıyoruz ve yerleşik güvenilirliği kullanarak kriter güvenilmezliği için düzeltiyoruz. Düzeltilmiş korelasyon ρXPi’dir. Bu korelasyon daha sonra menzil kısıtlaması için düzeltilir. Bu korelasyon ρXPa’dır. Araştırmacı gerçek puan (yapı düzeyi) korelasyonlarını isterse, ρXPa değeri daha sonra aday güvenilirliği rXXa kullanılarak tahmin edici güvenilmezliği için de düzeltilir.
Ortaya çıkan korelasyon, başvuran popülasyonda istenen ρTP tahminidir. Bu düzeltme dizisi, doğrudan aralık kısıtlaması için kullanılan ve bu çalışmanın Ekinde açıklanan artefakt dağılımı meta-analiz programı INTNL-D’de ρ ̄ hesaplamak için de kullanılır.
Korelasyonları Bireysel Olarak Düzelten Meta-Analiz: Doğrudan Aralık Kısıtlaması
Artefakt dağılımına dayalı meta-analizin yanı sıra, ölçüm hatası ve aralık kısıtlaması için gözlemlenen her bir korelasyonu ayrı ayrı düzelten meta-analiz de gerçekleştirilebilir. Açıklanan bu prosedür daha az sıklıkla kullanılır, çünkü tipik olarak gözlemlenen tüm çalışma korelasyonları, hem bağımsız hem de bağımlı değişkenler için uX değerleri ve güvenilirlik tahminleri ile de raporlanmaz.
Ancak, bu gibi durumlarda, her bir bireysel çalışma korelasyonunu düzeltme prosedürü burada açıklanan prosedürdür. Daha önce açıklanan sembolizmi kullanarak, bu üç aşamalı prosedür tek bir denklemde de birleştirilebilir.
Artefakt Dağılımı Meta-Analiz: Doğrudan Menzil Kısıtlaması
Artifakt dağılımına dayalı meta-analiz, hibrit model düzeltmesi için daha önce açıklanan üç adımda gerçekleştirilebilir. “Çıplak kemikler” meta-analizinin sonuçlarıyla, yani ρXYi’nin tahmini ortalama ve standart sapması ile başlıyoruz. Ardından, düzeltmedeki üç adıma karşılık gelen üç meta-analiz yapmak için açıklanan çarpımsal yöntemleri de kullanabiliriz.
İlk adım, ρXPi’nin ortalama ve standart sapmasını hesaplamak için ρXYi’nin ortalamasını ve standart sapmasını kullanmaktır. Bu, bağımlı değişkendeki basit güvenilmezlik artefaktını düzelten bir meta-analizdir. Bu analizde yerleşik güvenilirlik bilgileri kullanılır. Bu hesaplamalar için yöntemler, daha önceki basit yapay nesneler tartışmasında da sunuldu.
Çoklu korelasyon analizi Korelasyon formülü Korelasyon hesaplama Korelasyon nedir Otokorelasyon hesaplama Otokorelasyon Nedir Pearson korelasyon katsayısı formülü Pearson korelasyon katsayısı örnek soru