Örnek Korelasyonda Önyargı – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Örnek Korelasyonda Önyargı
Zaman zaman, istatistiksel olarak sofistike gözlemciler, örnek korelasyonunun, “tarafsız” kelimesinin matematiksel istatistiklerin katı anlamında kullanıldığı popülasyon korelasyonunun “tarafsız” bir tahmini olmadığını kaydetti.
Bundan sonra, genellikle iki yanlış sonuca sıçradılar: (1) sapmanın görünür olacak kadar büyük olduğu ve (2) Fisher z dönüşümünün kullanılmasının önyargıyı ortadan kaldırdığı. Ancak Hunter, Schmidt ve Coggin (1996), 20’den büyük örneklem büyüklükleri için korelasyon katsayısındaki sapmanın yuvarlama hatasından daha az olduğunu göstermiştir.
Meta-analizde bile, daha küçük örneklem boyutu alanları (yani, N < 20) için önyargı, örnekleme hatasından kaynaklanan bozulmalara kıyasla önemsiz olacaktır. Ayrıca Fisher z dönüşümündeki pozitif önyargının her zaman r’deki negatif önyargıdan daha büyük olduğunu gösterdiler (özellikle popülasyon korelasyonları çalışmalar arasında farklılık gösteriyorsa). Bu nedenle Fisher z dönüşümünü kullanmak her zaman daha az doğrudur.
Bölüm 5 ve 9’da göreceğimiz gibi, Fisher z dönüşümünün kullanımı, neredeyse tüm gerçek veriler için tercih edilen meta-analiz modeli olan rastgele etkiler meta-analiz modellerinde ciddi yanlışlıklara neden olabilir. Ayrıca, korelasyon katsayısındaki yanlılığı düzeltmenin faydalı olacağı çok nadir bir durum olacaktır. Ancak okuyucunun kendi kararını vermesi için zayıflama formülünü ve düzeltmeyi buraya dahil ediyoruz.
Ortalama örnek korelasyonu, popülasyon korelasyonundan biraz daha küçüktür. Popülasyon korelasyonunun diğer tüm artefaktlar tarafından zaten zayıflatıldığını varsayın. Daha sonra örnek korelasyondaki yanlılık ile yakın bir yaklaşım verilir.
Personel seçimi araştırmasında, ortalama örneklem büyüklüğü 68’dir ve bu nedenle çarpan 1 − .006 = .994’tür, bu da 1.00’den yalnızca önemsiz ölçüde farklıdır. Tipik zayıflatılmış korelasyon değeri .25’ten az olduğu için, tipik personel seçimi araştırma çalışmasındaki yanlılık, .2486 olan ortalama örnek korelasyonu ile .25’lik popülasyon korelasyonu arasındaki farktan daha az olacaktır, bu fark yuvarlama hatasından daha azdır. .
Yalnızca ortalama örneklem büyüklüğü 10 veya daha az olan meta-analizlerde yanlılık ikinci basamakta görülebilir. Düzeltme isteniyorsa, önceki zayıflama formülü, ρ tahmini olarak ortalama çalışma korelasyonu ile kullanılabilir. Yani, ρˆ = r/a, burada r gözlemlenen korelasyondur. .50’den küçük popülasyon korelasyonları için, zayıflama faktörü lineer çarpan (2N − 2)/(2N − 1) tarafından yakından tahmin edilir ve yanlılık düzeltmesi, gözlemlenen korelasyonun (2N − 1)/( ile çarpılmasıyla gerçekleştirilir.
Örnekleme Hatası, İstatistiksel Güç ve Araştırma Bulgularının Yorumlanması
İstatistiksel Gücün Bir Resmi
Araştırma literatürlerini yorumlamanın geleneksel yöntemleri feci hatalara yol açar. Örneğin, denetim derecelendirmeleriyle ölçülen iş performansını tahmin etmek için test dışı prosedürlerin geçerliliği üzerine araştırmayı düşünün.
Ortalama gözlemlenen geçerliliği .10 olan bir iş performansı tahmincisi düşünün. Bunun popülasyon korelasyonu olduğunu ve tüm ayarlarda sabit olduğunu varsayalım. .10’luk zayıflatılmış popülasyon değeri küçük görünebilir, ancak artefaktlardan kaynaklanan aşağı yönlü sapmalar için düzeltme yapıldıktan sonra, .20’lik bir operasyonel geçerliliğe karşılık gelebilir ve dolayısıyla pratik değeri olabilir.
Nedensel çıkarım nedir
Günlük hayattan korelasyon örnekleri
Korelasyon hatası nedir
Korelasyon nedir Felsefe
Korelasyon cümleleri
Birlikte değişim nedensellik
Korelasyon kavramı Nedir
Korelasyon sosyoloji
19 çalışma gerçekleştirilmiş ve gözlenen geçerlilik sırasına göre düzenlenmiş olsaydı, sonuçlar gösterildiği gibi olurdu, üç örneklem büyüklüğüne dayalı çalışmalar için bulgular sunar: (1) klasik önerilen minimum N = 30; (2) Personel Psikolojisinde Geçerlilik Bilgi Değişiminde yayınlanan çalışmalar için Lent, Auerbach ve Levin (1971a) tarafından bulunan 68’in medyan N’si; ve (3) N = 400, birçok psikolog tarafından “büyük” olarak kabul edilen bir örneklem büyüklüğüdür.
Açıktır ki, korelasyonlar geniş bir aralıkta değişmektedir. Korelasyonun gerçek değerinin her zaman .10 olduğunu akılda tutarak, şimdi bu “bulguların” iki geleneksel yorumunu inceleyeceğiz: (1) gözlemlenen korelasyonları yüz değerinde alan ve anlamlılık testleri kullanmayan ve (2) anlamlılık testleri uygulayan “daha sofistike” gözden geçireninki.
Çalışmaların her biri 30 kişiye dayanıyorsa, saf yorumcu aşağıdaki sonuçlara varır:
1. 19 çalışmanın altısı (veya %32) olumsuz geçerlilik buluyor. Yani çalışmaların %32’si iş performansının fiili iş performansının ters sıralamasında tahmin edildiğini göstermektedir.
2. “Orta” korelasyonlar için .20’lik liberal bir standart kullanıldığında, ayarların sadece %32’sinde geçerlilik orta bir düzeye bile ulaşmaktadır.
3. Genel sonuç: Çoğu durumda, prosedür iş performansıyla ilgili değildir.
Saf bir yorumcu, her biri N = 68’e dayanan 19 çalışma ile karşı karşıya kalırsa, şu sonuca varır:
1. 19 araştırmadan dördü(veya %21)negatif geçerlilik bulmuştur.
2. Ayarların sadece %21’inde (19/4) geçerlilik orta düzeyde .20’ye ulaşıyor.
3. Genel sonuç: Çoğu durumda, prosedür iş performansıyla ilgili değildir.
Her çalışma N = 400’e dayanıyorsa, saf incelemeci aşağıdaki sonuçlara varır:
1. Araştırmalar olumsuz bir geçerlilik bulamıyor.
2. “Orta” düzeyde yüksek olsa bile hiçbir çalışma raporu geçerliliği.20.
3.Genel Sonuç:Seçim yöntemi, performansı tüm ayarlarda kötü olarak tahmin eder ve çoğu ayarda neredeyse hiç tahmin etmez.
Naif yorumcular, tipik bir çalışmanın örneklem büyüklüğü 400 veya daha fazla olmadıkça, doğru yargılara varmaya bile başlamazlar. N = 400’de bile, büyüklük olarak .18/.02 veya 9’a 1 oranında farklılık gösteren geçerlilik katsayıları üretmek için yeterli örnekleme hatası vardır.
Anlamlılık testlerinin kullanılmasının çalışma yorumlarının doğruluğunu arttırdığına dair geleneksel bir inanç olmuştur. Öyleyse çalışmalara önem testleri uygulayan bir hakemin yorumlarını inceleyelim.
Çalışmaların her biri N = 30’a dayanıyorsa, gözden geçiren kişi aşağıdaki sonuçlara ulaşır:
1. 19 araştırmadan sadece 2’si (%11) anlamlı bir geçerlilik bulmuştur.
2. Prosedür zamanın neredeyse %90’ında geçerli değildir; yani, “genel olarak geçersiz”dir.
Her çalışma N = 68’e dayandığında, gözden geçiren kişi şu sonuca varır:
1. 19 araştırmadan sadece 4’ü (%21) anlamlı bir geçerlilik bulmuştur.
2. Bu nedenle, vakaların ezici çoğunluğunda prosedür geçersizdir.
Gözden geçirenin N = 400 çalışmadan çıkardığı sonuçlar aşağıdaki gibidir:
1. 19 çalışmanın sadece 13’ü (%68) anlamlı bir geçerlilik bulmuştur.
2. Bu nedenle, ayarların %32’sinde prosedür çalışmaz.
3.Sonuç:Yöntem, bazı ayarlarda iş performansını tahmin eder, ancak diğerlerinde değil. Bazı ortamlarda neden işe yaradığını, ancak diğerlerinde neden çalışmadığını belirlemek için daha fazla araştırmaya ihtiyaç vardır.
Önem testlerine dayanan bu sonuçlar, saf yorumcularınkinden daha doğru değildir. Küçük örneklem boyutlarıyla (N < 400), anlamlılık testi kullanılarak sonuçlar artık doğru değildir ve 400 örneklem boyutunda bile, anlamlılık testlerinin geleneksel yorumlarına dayanan gözden geçirenler, kümülatif araştırmalardan doğru sonuçlara ulaşamazlar. Anlamlılık testlerinin yorum hatalarına yol açmasının nedeni, çok yüksek bir hata oranına sahip olmalarıdır. Hata, bir çalışmada .10’luk sabit temel korelasyonun saptanamamasıdır.
Bu hata oranları çok yüksektir. Anlamlılık testinin bu hatayı yapmadığı çalışmaların yüzdesine istatistiksel gücü denir. İstatistiksel güç %100 eksi hata oranıdır. Örneğin, 19 çalışmamızda tek kuyruklu testler kullanıldığında ve her çalışmada N = 68 olduğunda, hata oranı %80’dir. İstatistiksel güç %100 – %80 = %20’dir. Yani, anlamlılık testi zamanın sadece %20’sinde doğrudur. Bir sonraki bölüm istatistiksel gücü daha ayrıntılı olarak incelemektedir.
Birlikte değişim nedensellik Günlük hayattan korelasyon örnekleri Korelasyon cümleleri Korelasyon hatası nedir Korelasyon kavramı Nedir Korelasyon nedir Felsefe Korelasyon sosyoloji Nedensel çıkarım nedir