Kusurlu Yapı Geçerliliği – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Bağımlı Değişkende Kusurlu Yapı Geçerliliği
Bağımlı değişkenin ölçümünde sistematik bir hata olduğunu varsayalım; yani, amaçlanan bağımlı değişkenden bir dereceye kadar farklı olan bir bağımlı değişkeni ölçeriz. Bunun efekt boyutu üzerinde nasıl bir etkisi olacak ve düzeltilebilir mi? Bu sorunun tam olarak ele alınması, önemli bir yol analizi bilgisi ve bağımlı değişkenin doğası ve diğer değişkenlerle ilişkileri hakkında bilgi gerektirir. Bununla birlikte, nispeten basit olan bazı yaygın durumlar vardır.
En yaygın durum, istenen bağımlı değişkenin dolaylı bir ölçüsü olan bir bağımlı değişkenin kullanılmasıdır. Örneğin, bir çocuk suçluluğu tedavi programının iyi bir değerlendirmesi, danışanların sonraki davranışlarının nesnel bir değerlendirmesini gerektirir. Bunun yerine, müfettişler genellikle müteakip tutuklama kaydı gibi dolaylı önlemlere güvenmelidir. Şekil 6.2, iki davranış ölçüsü ve tedavi değişkeni arasındaki ilişkilerin varsayılan yol modelini göstermektedir.
Y müşterinin fiili suçlu davranışının ölçüsü olsun ve Y ‘ tutuklama kaydı olsun. İstenen tedavi etkisi korelasyonu, çarpım kuralına göre gözlemlenen tedavi korelasyonu ile ilgilidir.
Bu durumda, kusurlu yapı geçerliliğini düzeltmek için gözlemlenen korelasyonun üç katından fazla olması gerekir. Gözlenen d istatistiği dY ′ = .12 ise, o zaman rTY′ = .06, bu da rTY = .06/.30 = .20 ve dolayısıyla dY = .40 olarak düzeltilir.
Tedavi korelasyonu veya d istatistiği, kusurlu yapı geçerliliği tarafından üretilen korelasyondaki sistematik azalmayı ortadan kaldırmak için düzeltilebilse de, artan örnekleme hatasının etkisi düzeltilemez. Düzeltilmiş korelasyon etrafındaki güven aralığı, korelasyonun neden olduğu artan örnekleme hatasını yansıtan, düzeltilmemiş korelasyon için olanın 1/.30 = 3.33 katıdır. Düzeltilmiş etki büyüklüğü için anlamlılık testi, düzeltilmemiş etki büyüklüğü için anlamlılık testine cebirsel olarak eşdeğerdir ve dolayısıyla aynı p değerine sahiptir.
Kusurlu yapı geçerliliği, etki boyutunun boyutunu her zaman azaltmaz. Denetçiler için sosyal beceri eğitimini düşünün. Eğitim programının değerlendirilmesi ideal olarak kursiyerin programdan sonra interaktif becerilerinin ölçülmesini gerektirir. Bunun yerine, mevcut tek ölçü, kişinin eğitim programında ne kadar ustalaştığının bir ölçüsü olabilir. Bununla birlikte, malzemeye hakim olmak, davranış değişikliğinden yalnızca önce gelir; kursiyerin bu öğrenmeyi uygulamaya koyması zaman alabilir veya özel bir deneyim gerektirebilir. Bu hipotez için yol modeli Şekil 6.3’te gösterilmiştir.
İstenen tedavi korelasyonu rTY ve gözlemlenen tedavi korelasyonu rTY′, ürün kuralıyla ilişkilidir. Bilişsel öğrenme ölçüsü ile sonraki sosyal davranış arasındaki korelasyon sadece rY’Y = .30 olsaydı, o zaman arzu edilen korelasyon rTY gözlemlenen korelasyon rTY’den daha düşük olurdu.
Bu çarpım kuralının kendisi, tedavi korelasyonu için düzeltme formülüdür. d istatistiği için düzeltme, düzeltilmiş tedavi korelasyonunun bir d değerine dönüştürülmesiyle elde edilir.
Yapı geçerliliği nedir
İçerik geçerliliği nedir
Yapı geçerliliği faktör analizi
SPSS geçerlilik analizi
Madde toplam korelasyonu SPSS
Güvenilirlik Analizi Nedir
İkinci düzey doğrulayıcı faktör analizi nedir
Yapı geçerliliği için doğrulayıcı faktör analizi uygulamalı bir
Tedavi Değişkeninde Kusurlu Yapı Geçerliliği
Tedavi değişkenindeki kusurlu yapı geçerliliği, amaçlanan tedavi etkisinin başka bir nedensel etkene bağlı etkiyle karıştırılmasıdır. Bu soruna yol analizi kullanılarak saldırılabilir ve belirli koşullar altında meta-analizde kullanılabilecek bir şekilde düzeltilebilir. Karıştırıcılığın düzeltilmesi, karıştırıcı nedensel etken tarafından indüklenen süreci ölçen bir araya giren değişkenin gözlemlendiği çok sayıda bağımlı değişken tasarımının kullanılmasını gerektirir.
Arzu edilen korelasyon daha sonra tedavi değişkeni ile bağımlı değişken arasındaki kısmi korelasyon ve aradaki değişken sabit tutulur. Bu yaklaşım, eşlik eden değişken olarak kullanılan araya giren değişkenle kovaryans analizi yapmak için titiz, nicel bir ikamedir. Bu yöntemin ayrıntılı tedavisi bu çalışmanın kapsamı dışındadır.
Etki Büyüklüğünde Sapma (d İstatistik)
Etki büyüklüğü istatistiği, yasaklayıcı “yanlılık” başlığıyla bilinen istatistiksel bir olguya tabidir. 20’den büyük numune boyutları için yanlılık, büyüklük olarak önemsizdir. Bununla birlikte, meta-analiz ile ilgili büyük bir sorunun “önyargılı yöntemlerin” kullanılması olduğunu savunan makaleler bulunmaktadır. Bölümün birincil amacı önyargının önemsiz büyüklükte olduğunu göstermek olsa da, bu bölüm önyargı için bir düzeltme sunacaktır.
Tamamı aynı örneklem büyüklüğüne ve aynı popülasyon etki büyüklüğüne sahip, mükemmel şekilde kopyalanmış bir dizi çalışma düşünün. Ortalama örnek etki büyüklüğü, popülasyon etki büyüklüğünden biraz farklı olacaktır. Bu tutarsızlık, istatistiksel tahmin literatüründe “yanlılık” olarak adlandırılır. Önyargı boyutu, örnek boyutuna bağlıdır. Etki büyüklüğü istatistiği d ve tedavi korelasyonu r için sapma farklı yönlerdedir. Ortalama d, δ’den biraz daha büyükken, ortalama korelasyon ρ’dan biraz daha küçüktür.
Tedavi korelasyonunda yanlılığın tam bir tedavisi Hunter, Schmidt ve Coggin (1996) tarafından verilmiştir ve bu yanlılığın çok küçük örneklemli çalışmalarda önemsiz olduğunu ve küçük örneklemli çalışmalar için küçük olduğunu göstermiştir. Bazı yazarlar, yanlılığı azaltmak için Fisher’s z dönüşümünü kullanmayı önerdiler, ancak Fisher’s z’yi kullanan sapma, ters yönde olmasına rağmen daha da büyük çıktı. Tedavi korelasyonundaki yanlılık ile verilir.
Bu önyargı ne kadar küçük? Nüfus korelasyonu ρ = .20 ve örneklem büyüklüğü N = 100 olan mükemmel şekilde kopyalanmış çalışmaları düşünün. Ortalama gözlemlenen korelasyon çarpanı a = 1 − .00485 = .995 olacaktır. Ortalama korelasyon .200 yerine .199 olacaktır. Korelasyondaki önyargının önemsiz boyutu, önyargının geleneksel olarak göz ardı edilmesinin nedenidir. Ancak, çok küçük örneklem boyutu meta-analizleri için (ortalama örneklem boyutu 10’dan az) veya çok titiz analistler için, yanlılık için gözlenen tedavi korelasyonunu düzeltmek mümkündür. Önceki denkleme karşılık gelen doğrusal olmayan düzeltme olacaktır.
Doğrusal düzeltme, meta-analizden sonra uygulanabilmesi avantajına sahiptir. Nüfus korelasyonlarının hem tahmini ortalamasını hem de tahmini standart sapmasını, ortalama örneklem büyüklüğünde N seti ile hesaplanan çarpana bölün. Düzeltilmiş korelasyonun, düzeltilmemiş korelasyondan önemsiz derecede daha büyük olacağına dikkat edin.
d istatistiğindeki yanlılığın tam bir tedavisi Hedges ve Olkin’de (1985) verilmiştir. Önyargı, çok küçük örneklem çalışmaları hariç tümü için önemsiz olsa da, bu önyargı için rutin düzeltmeyi önerirler. Gerçekten de, d simgesini yalnızca düzeltilmiş istatistik için kullanırlar.
Bu önyargı ne kadar büyük? N = 100’lük bir örneklem büyüklüğüne dayalı olarak ders kitabı boyutunda d = .40 etkisi olan bir çalışma düşünün. Çarpan a = 1 + .0077 = 1.0077’dir. Ortalama çalışma etki büyüklüğü .400 yerine .403 olacaktır. Öte yandan, örneğin N = 10 (her grupta beş denek) gibi son derece küçük bir örneklem büyüklüğü ile yapılan bir çalışmayı düşünün. Çarpan a = 1 + .107 = 1.107 olur ve ortalama etki büyüklüğü .400 yerine .443 olur. Düzeltme basittir; sadece a’ya bölün.
Bunun doğrusal bir düzeltme olduğuna dikkat edin. Böylece meta-analizden sonra uygulanabilir. Düzeltilmiş d değerlerinin hem tahmini ortalamasını hem de tahmini standart sapmasını çarpan a’ya bölmeniz yeterlidir. Yine, kullanılan N, ortalama N olmalıdır. Düzeltilmiş efekt boyutları, düzeltilmemiş efekt boyutlarından biraz daha küçük olacaktır.
Güvenilirlik Analizi Nedir İçerik geçerliliği Nedir İkinci düzey doğrulayıcı faktör analizi nedir Madde toplam korelasyonu SPSS SPSS GEÇERLİLİK analizi Yapı geçerliliği faktör analizi Yapı geçerliliği için doğrulayıcı faktör analizi uygulamalı bir Yapı geçerliliği nedir