p Değerlerinin Kümülasyonu – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Çalışmalar Arasında p Değerlerinin Kümülasyonu
Bu prosedür, bir bütün olarak çalışmalar kümesi için genel bir p değeri (anlam düzeyi) üretmek için çalışmalar arasında anlamlılık düzeylerini toplamaya çalışır. Bu değer yeterince küçükse, incelemeyi yapan kişi, etkinin varlığının tespit edildiği sonucuna varır. Bu yöntemler Mosteller ve Bush (1954) tarafından Stouffer, Suchman, DeVinney, Star ve Williams’ın (1949) daha önceki çalışmalarından geliştirilmiştir. Bu yöntemin en son savunucuları Rosenthal ve arkadaşları olmuştur.
Bölüm 13’te tartışıldığı gibi, bu yöntemde, her çalışmadan alınan tek uçlu anlamlılık testinden elde edilen p değeri, z ile gösterilen standartlaştırılmış normal sapmaya dönüştürülür. Bu z değerleri ya doğrudan toplanır ya da z’lerin ağırlıklı toplamını hesaplamak için kullanılır. Daha sonra bu z’lerin ortalaması hesaplanır ve ortalama z değerinin anlamlılık düzeyi (p değeri) belirlenir. Bu, bir bütün olarak çalışma grubu için p değeridir.
Bu yöntemle ilgili önemli bir sorun, homojen durumu varsaymasıdır. Yani, Sρ2 = 0 (veya Sδ2 = 0) olduğunu varsayar. Bu, sabit etkiler modeli olduğu ve bu nedenle Bölüm 5 ve 9’da tartışıldığı gibi sabit etkiler meta-analiz yöntemlerinin tüm sorunlarına sahip olduğu anlamına gelir. Özellikle, sabit etkiler varsayımı geçerli değilse ve Sρ2 > 0 (veya Sδ2 > 0), ardından testin alfa seviyesi şişirilir. Örneğin, bir dizi çalışma için birleşik p değeri, aslında .10 iken, p = .01 olarak hesaplanabilir. Bölüm 5 ve 9’da belirtildiği gibi, homojenliğin sabit etkiler varsayımı, gerçek çalışmalarda nadiren karşılanır.
Bu yöntemle ilgili bir diğer önemli sorun, çoğu çalışma grubunda birleşik p değerinin anlamlı olacağı, ancak bu gerçeğin etkinin büyüklüğü hakkında hiçbir şey söylememesidir. Açıktır ki, bir etkinin pratik ve teorik sonuçları, varlığına olduğu kadar büyüklüğüne de bağlıdır. Rosenthal (1978a, s. 192) p değerleri ile birlikte etki büyüklüklerinin analizinin gerekliliğini fark etti ve daha sonraki önemli incelemelerinde p değeri ve etki büyüklüğü analizinin bir kombinasyonunu kullandı.
Bu yöntem—ortalama etki büyüklüğünün (r ̄ veya d ̄) hesaplanmasıyla birlikte p değerlerinin toplanması Bangert-Drows (1986) tarafından birleşik olasılık yöntemi olarak adlandırılmıştır. Bangert-Drowns, birleşik olasılık yönteminin en iyi meta-analizin “geçiş” biçimi olarak kabul edildiğini kaydetti.
Ortalama etki büyüklüğünün tanıtılması, Rosenthal ve meslektaşlarının, çalışma sonuçlarının büyüklüğüne ilişkin bir indekse olan ihtiyacı tanımalarından kaynaklanmıştır; Bununla birlikte, aynı zamanda, yöntem, çalışmalar arasında etki büyüklüklerinin değişkenliği hakkında hiçbir bilgi sağlamaz ve bu nedenle, diğer bazı meta-analiz biçimlerinde bulunan önemli bir bileşenden yoksundur.
Birleşik olasılık yönteminin tanıtılmasıyla birlikte, p değerlerinin tek başına toplanması yöntemi, önemli savunuculardan yoksun bırakıldı. Rosenthal (1984), çalışmalar arasında p değerlerini toplamak için kapsamlı bir yöntem tartışması sağladı. Ek bilgiler Rosenthal (1983) ve Rosenthal ve Rubin’de (1979a, 1983) bulunabilir.
Gözlem sayısı nedir
Kolmogorov Smirnov testi nedir
Kolmogorov-Smirnov ve Shapiro-Wilk farkı
kolmogorov-smirnov testi p değeri
kolmogorov-smirnov testi neden yapılır
Gözlem sayısı hesaplama
kolmogorov-smirnov testi özellikleri
Kolmogorov Smirnov testi nasıl yapılır
Rosenthal tarafından tercih edilen p değerlerinin birleştirilmesine ilişkin özel yöntemin bir tartışmasını sunuyoruz (Stouffer yöntemi), ancak az önce tartışılan problemler nedeniyle bu kitapta bu yöntemleri vurgulamıyoruz. Diğerleri, birleşik p-değeri yöntemleriyle ilgili sorunları da tartışmışlardır. Bu sorunların bir sonucu olarak, Ulusal Araştırma Konseyi (1992) raporu, p-değeri yöntemlerinin kullanımının “durdurulmasını” tavsiye etmiştir. Aslında bu yöntemler günümüzde literatürde nadiren kullanılmaktadır.
Bu arada, Rosenthal tarafından çalışmalar arasında p değerlerinin toplanması konusundaki çalışmasının bir sonucu olarak geliştirilen bir tekniği not ediyoruz. Bu teknik, “dosya çekmecesi sorunu” olarak adlandırılan sorunu çözmek için geliştirildi. Bir araştırmacının, incelenen çalışmalarda birleşik p değerinin, diyelim ki .0001 olduğunu gösterdiğini ve gerçek bir etkinin var olduğu sonucuna vardığını varsayalım.
Bir eleştirmen, daha sonra, bir etki göstermeyen çalışmaların gözden geçiren tarafından bulunmasının çok daha az olası olduğu gerekçesiyle, bu bulgunun incelenen çalışmaların temsili olmamasından kaynaklandığını iddia edebilir. Yani, olumsuz bulguları olan çalışmalar, dağıtılmak veya yayınlanmak yerine dosya çekmecelerinde saklanmaya eğilimlidir. Araştırmacı, Rosenthal’ın (1979) tekniğini kullanarak, birleşik p değerini .05, .10 veya başka herhangi bir düzeye getirmek için var olması gereken sıfır etki büyüklüğü gösteren eksik çalışmaların sayısını hesaplayabilir. Bu sayı tipik olarak çok büyük, örneğin 65.000 gibi çıkıyor.
Herhangi bir konuda 65.000 “kayıp” çalışma olması pek olası değildir. Bu dosya çekmecesi analizi formunun istatistiksel formülleri ve mantığı Bölüm 13’te verilmiştir. Bununla birlikte, birleşik p-değeri yöntemi gibi dosya çekmecesi tekniği de sabit etkiler modelidir ve bu nedenle, yalnızca aşağıdaki durumlarda doğru sonuçlar verir. temel korelasyon (veya d değeri) tüm çalışmalarda aynıdır.
ρ ve δ popülasyon değerleri çalışmalar arasında farklılık gösteriyorsa (bu genellikle Bölüm 5 ve 9’da belirtildiği gibi), birleşik p-değerini çok az anlamlı hale getirmek için gereken çalışma sayısı, çalışma tarafından sağlanan sayıdan çok daha küçüktür. dosya çekmecesi analizi. Bir başka yanlışlık kaynağı, çalışma grubu için başlangıçta hesaplanan p değerinin aynı zamanda sabit etkiler varsayımına bağlı olması ve bu nedenle de tipik olarak yanlış olmasıdır. Rosenthal dosya çekmecesi analizine yönelik diğer önemli eleştiriler Begg tarafından verilmektedir. Bu sorunlar, dosya çekmecesi analizinin kullanışlılığını azaltır.
İstatistiksel Olarak Doğru Oy Sayma Prosedürleri
Geleneksel oy sayma yöntemi istatistiksel ve mantıksal olarak yetersiz olmasına rağmen, oy sayımına dayalı çalışmalar arasında istatistiksel olarak doğru olan araştırma bulgularını toplama yöntemleri vardır. Bu yöntemler iki kategoriye ayrılır: (1) çalışmaların bütünü için yalnızca istatistiksel bir anlamlılık düzeyi verenler ve (2) ortalama etki büyüklüğünün nicel bir tahminini sağlanlar.
Yalnızca Önem Düzeyleri Getiren Oy Sayma Yöntemleri
Sıfır hipotezi doğruysa, popülasyon korelasyonu veya etki büyüklüğü aslında 0’dır. Bu nedenle, çalışma sonuçları p değerleri şeklinde verildiğinde, yarısının .50’den büyük ve yarısının .50’den küçük olması beklenir. 50. İşaret testi, pozitif ve negatif yönlerde gözlemlenen bulguların sıklıklarının sıfır hipotezi altında beklenen 50-50 bölünmeden önemli ölçüde farklı olup olmadığını test etmek için kullanılabilir.
Gözlem sayısı hesaplama Gözlem sayısı nedir Kolmogorov Smirnov testi nasıl yapılır Kolmogorov Smirnov testi nedir kolmogorov-smirnov testi neden yapılır kolmogorov-smirnov testi özellikleri kolmogorov-smirnov testi p değeri Kolmogorov-Smirnov ve Shapiro-Wilk farkı