Regresyon Eğimleri ve Kesişmeler – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Varyansa Dayalı Durumlar
Varyansa dayalı yorumlar, personel seçiminde de aynı tür hatalara yol açmıştır. Orada, örneğin .40’lık geçerlilik katsayılarının çok değerli olmadığı söylendi, çünkü iş performansı varyansının sadece %16’sı açıklanıyordu.
Bununla birlikte, .40’lık bir geçerlilik katsayısı, seçim prosedüründeki ortalama puandaki her 1 SD artış için, iş performansında .40 SD’lik bir artış bekleyebileceğimiz anlamına gelir. Aslında, .40’lık bir geçerlilik katsayısı, bir işveren için 1.00’lık bir geçerlilik katsayısının pratik değerinin %40’ına sahiptir.
Etki büyüklüğünün varyansa dayalı indeksleri neredeyse her zaman yanıltıcıdır ve yanıltıcıdır ve ister meta-analizde ister birincil araştırmada olsun, bundan kaçınılmalıdır. Meta-analizde bu tür indekslerin bir dezavantajı daha vardır: Etki yönünü belirsizleştirirler. Yönsüz olduklarından, r değeri .50 ile r değeri −.50 arasında ayrım yapmazlar; her ikisi de meta-analize r2 = .25 olarak girer.
Etki büyüklüğünün uygun indeksinin r2 değil r2 olduğunu göstermek ve “küçük” rs’nin (örn., .20–.30) önemli ilişkileri gösterdiğini göstermek için Rosenthal ve Rubin (1979b, 1982c) iki terimli etki büyüklüğünü sundu. (BESD) görüntüleyin. Bu teknik, her iki değişkenin de ikili olmasını gerektirse de (örneğin, tedaviye karşı kontrol veya “hayatta kaldı” veya “öldü”) ve her ikiliğin her iki tarafında da %50 gerektirse de, “küçük” bağıntıların pratik önemini güçlü bir şekilde göstermektedir.
Örneğin, belirli bir ilaçla tedavi ile hastanın hayatta kalması arasındaki .32 (r2 = .10) korelasyon, ölüm oranında %66’dan %34’e bir azalmaya karşılık gelir. Bu nedenle, varyansın sadece %10’unu oluşturan bir ilişki, ölüm oranında neredeyse %50’lik bir azalma anlamına gelir. Küçük korelasyonlar büyük etkileri gösterebilir. BESD, daha genel regresyon analizi yöntemini kullanarak sunduğumuz aynı ilkeyi göstermek için gerçekten ikili değişkenlerden oluşan özel bir durum kullanır.
r Meta-Analizde Regresyon Eğimleri ve Kesişmeler
Yüzeyde, genellikle bazı hipotezlerin veya teorilerin, korelasyonlardan ziyade ham puan eğimleri ve kesişimleri toplanarak etkili veya daha etkili bir şekilde test edilebileceği görülür. Örneğin, Hackman ve Oldham (1975) tarafından geliştirilen bir teori, basitçe, bir işin “motive edici potansiyeli” ile yerleşiklerin iş tatmini arasındaki ilişkinin, “büyüme ihtiyacı gücü” (GNS) yüksek olan yerleşikler için daha güçlü olacağını belirtmektedir.
Teori açık olmadığı için, regresyon eğimlerinin veya korelasyonların kümülasyonu ile test edilebileceği a priori makul görünüyor. Bazı hipotezler veya teoriler korelasyona veya regresyona dayalı ilişkiler belirtse de, çoğu Hackman-Oldham teorisi gibidir.
Bazıları, bu tür tüm teorilerin (ham puan) regresyon analizleri kullanılarak test edilmesi gerektiğini savundu. Eğimlere ve kesişmelere karşı korelasyonlara dayalı meta-analizin göreceli uygulanabilirliği ve kullanışlılığı nedir? Daha sonra, korelasyonlardan ziyade ham puan regresyon eğimlerini ve kesişimlerini kullanmanın dezavantajlarının avantajlardan daha ağır bastığını göstereceğiz.
Regresyon analizi yorumlama
Regresyon Analizi ders notları
Basit doğrusal regresyon analizi
Regresyon istatistik
Regresyon analizi makale
Regresyon analizi PDF
Regresyon Türleri
Doğrusal regresyon analizi
Menzil Kısıtlaması
Korelasyonlar, menzil kısıtlamasından etkilenir ve bu nedenle, ortaya çıkan farklılıkları ve genel zayıflamayı ortadan kaldırmak için bağımsız değişken için ortak bir SD’ye düzeltilmesi gerekir. Bağımsız değişken üzerindeki aralık kısıtlaması doğrudan olduğunda, ham puan eğimlerinin ve kesişimlerinin tahminleri üzerinde hiçbir etkisi yoktur ve bu nedenle aralık düzeltmelerine gerek yoktur.
Bu önemli bir avantaj gibi görünüyor, ancak ne yazık ki menzil kısıtlaması neredeyse her zaman dolaylıdır ve bu nedenle eğimler ve kesişimler etkilenir. Bölüm 3 ve 4’te belirtildiği ve bu bölümün ilerleyen kısımlarında ayrıntılı olarak tartışıldığı gibi, doğrudan menzil kısıtlaması nadirdir; çoğu menzil kısıtlaması dolaylıdır.
Ölçüm Hatası
Korelasyonlar, hem bağımsız hem de bağımlı değişkenlerin ölçümlerinde güvenilmezlik nedeniyle zayıflar ve her ikisinde de güvenilmezlik için düzeltilmeleri gerekir. Bu düzeltmeler Bölüm 3’te açıklanmıştır. Ham puan regresyon eğimleri ve kesişimleri de ölçüm hatasıyla zayıflatılır, ancak yalnızca bağımsız değişkendeki ölçüm hatası. Bağımlı değişkendeki güvenilmezlikten etkilenmezler ve bu nedenle ne güvenilirliğin bilinmesine ne de düzeltme yapılmasına ihtiyaç vardır. Bağımsız değişkende güvenilmezlik düzeltmesi ise şöyledir.
Burada BˆT tahmin edilen gerçek puan eğimi, CˆT tahmin edilen gerçek puan kesişimi ve rXX bağımsız değişkenin güvenilirliğidir. Bu denklemlerden, ölçüm hatasının gözlemlenen eğimi azalttığı ve gözlemlenen kesişimi arttırdığı açıktır; bu düzeltmeler bu etkileri tersine çevirir.
Bu nedenle, düzeltilmemiş eğimler ve kesişimler, doğru ilişkileri hafife alarak, düzeltilmemiş korelasyonlar kadar aldatıcı olabilir. Ek olarak, örnekleme hatasındaki karşılık gelen artışla birlikte düzeltmeler, genellikle yaklaşık olarak aynı büyüklüktedir. B sadece bağımsız değişkendeki ölçüm hatası için düzeltilse de bölme √rXX ile değil rXX ile yapılır ve bu nedenle düzeltme daha büyüktür.
Hem menzil kısıtlaması hem de güvenilirlik düzeltmeleri örnekleme hatasını artırır; bu nedenle, bu tür düzeltmelerin gereksiz olması daha iyi olurdu. Ancak, bu ifade meta-analizlerden ziyade tekil çalışmalar için çok daha önemlidir; Meta-analizin önemli bir gücü, tekil çalışmalardan farklı olarak, örnekleme hatasının etkilerini düzeltmesidir. Bu nedenle, bazen eğim ve kesişim üzerinde daha az veya daha küçük düzeltmeler yapılması gerekse bile, meta-analiz bu avantajı ortadan kaldırır.
Birimlerin Çalışmalar Arasında Karşılaştırılabilirliği
Regresyon eğimlerinin ve kesişimlerinin önemli bir dezavantajı, genellikle çalışmalar arasında karşılaştırılabilir olmamaları ve bu nedenle bir meta-analizde anlamlı bir şekilde toplulaştırılamamalarıdır. İki değişkenli regresyon eğimi (B) ve kesişme noktası (C) için formülleri vardır.
B değerleri, yalnızca tüm çalışmalar X ve Y’yi ölçmek için tam olarak aynı ölçekleri kullandığında, çalışmalar arasında karşılaştırılabilir. Örneğin, X iş tatminiyse, her çalışmada aynı iş tatmini ölçeği, örneğin JDI kullanılmış olmalıdır. Y yaşam doyumu ise tüm çalışmalarda yine aynı ölçekler kullanılmış olmalıdır. Farklı ölçekler kullanılıyorsa, bu ölçekler güvenilmezlik için düzeltilmiş 1.00 ile ilişkilendirilse bile, eğimler karşılaştırılabilir değildir.
Örneğin, bir çalışmanın başka bir çalışma tarafından kullanılan aynı iş tatmini ölçeğinin kısaltılmış bir formunu kullandığını varsayalım. İki ölçek aynı yapıyı ölçse bile, kısa form daha küçük bir SD’ye sahip olacak ve tek başına bu ölçek farkı gözlemlenen eğimi büyük ölçüde artıracaktır.
Basit doğrusal regresyon analizi Doğrusal regresyon analizi Regresyon Analizi ders notları Regresyon analizi makale Regresyon analizi PDF Regresyon analizi yorumlama Regresyon istatistik Regresyon Türleri