Homojenlik için ki-kare testini kullanan herkes (ki bunu önermiyoruz) aşağıdakileri hesaplayacaktır:

• Q = KVar(d)/Var(e) = 4[.058854/.059143] = 3.98

3 serbestlik derecesi ile. Bu, istatistiksel anlamlılık için gereken değerin çok altındadır. Bu nedenle (burada bu testin düşük istatistiksel gücü göz ardı edilerek), bu test araştırma alanının homojen olmasını önerir. 

Alanın homojen olduğu kabul edilirse, etki büyüklüklerinin standart sapması 0’dır ve tahmin edilmesine gerek yoktur. Yani araştırmacı, sabit etkiler meta-analiz modelini uygulayacaktır (bkz. Bölüm 5 ve bu bölümün başlarındaki tartışma). Bu nedenle, yalnızca ikinci dereceden örnekleme hatası, ortalama etki büyüklüğündeki ikincil örnekleme hatası olacaktır. Daha önce açıklandığı gibi, homojen durum için, çıplak kemikli bir meta-analiz için ortalamadaki örnekleme hatası şu şekilde verilir:

• Var[Ave(d)] = Var(e)/K = .059143/4 = .014786

Bu nedenle, bu meta-analizdeki örnekleme hatası önemlidir. Etki boyutunun gerçekten pozitif olduğundan emin olamayız. Önceki meta-analizdeki problem toplam örneklem büyüklüğüdür. Toplam 280 örneklem büyüklüğü, tek bir çalışma için bile küçük bir örneklem büyüklüğü olacaktır. Bu nedenle, bu meta-analizin önemli bir örnekleme hatasına sahip olması beklenebilir. Bunu çok açık hale getirmek için, çalışmaların sayısının K = 4 yerine K = 40 olduğunu varsayalım. O zaman toplam örneklem büyüklüğü T = 2,800 olacaktır, bu sonsuz olmaktan uzaktır, ancak yine de önemlidir. Örnekleme hatası varyansı olacaktır.

Böylece, sabit etkiler modeli varsayıldığında ve ortalama örneklem büyüklüğü 70 olan 40 çalışma verildiğinde, δ’nin ortalama değerinin pozitif olduğu bilinir ve %95 belirsizlik aralığının genişliği .48’den .16’ya düşer. Çalışma sayısı 400 olsaydı, toplam örneklem büyüklüğü 28.000 olacak ve güven aralığı daralacaktı.

Bu nedenle, bu varsayımlar altında, meta-analiz sonunda tüm araştırma alanlarında etki büyüklüklerinin çok doğru tahminlerini verecektir. Bununla birlikte, birincil çalışmalarda ortalama örneklem büyüklüğü çok küçükse, gereken çalışma sayısı oldukça fazla olabilir.

Uzmanlardan Liderlik Eğitimi Örneği

Liderlik çıplak kemikleri meta-analizini düşünün. Bu tahminlerle ilgili güven aralıklarının hesaplanmasını gösterelim. Burada homojen durumu varsayamayız, bu nedenle ortalama tahminimizin örnekleme hatası varyansını hesaplamak için Denklem (9.12) kullanmalıyız. Ortalama etki büyüklüğündeki örnekleme hatası varyansıdır.

Bu, rastgele etkiler standart hatası ve rastgele etkiler güven aralığıdır. Bu nedenle, toplam örneklem büyüklüğü sadece 200 olduğunda, ortalama etki büyüklüğü için güven aralığı çok geniştir. Ancak bu, örneklem büyüklüğü sadece 200 olan tek bir çalışma için de doğru olacaktır. Örnek büyüklüğü 200 ve gözlemlenen d değeri .20 olan tek bir çalışma için, örnekleme hatası varyansı olacaktır.

Beceri analizi örnekleri
Diş fırçalama beceri analizi
El Yıkama Beceri Analizi
Özel eğitim beceri analizi örnekleri
Beceri analizi nedir
Düğme ilikleme beceri analizi
AYRAN YAPMA beceri analizi
Sosyal beceri analizi örnekleri

Ortalama etki büyüklüğü tahmininde doğruluğun anahtarı, büyük bir toplam örneklem büyüklüğü oluşturmak için yeterli araştırmayı toplamaktır. Toplam örneklem büyüklüğü 200 olan bu örnek için, ortalama etki büyüklüğü için güven aralığı −.09 < Ort(δ) < .49’dur. Özellikle güven aralığı 0’ın altına uzandığı için ortalama etki büyüklüğünün pozitif olduğundan emin olamayız.

Öte yandan, diğer yönde kapalı olması da aynı derecede muhtemeldir. Ortalama etki büyüklüğünün, gözlemlenen ortalama .20 yerine .00 olabileceği gibi, eşit olasılıkla, gözlemlenen .20 değerinden ziyade .40 olabilir. Etki büyüklüğündeki tahmini varyasyon çok küçüktür. Homojenlik testini kullanan herkes, homojenlik için ki-kare testinin sonuç verdiğini görecektir.

4 derece serbestlik ile. Bu değer anlamlı olmaktan uzaktır. Bu nedenle, test, popülasyon etki büyüklüklerinde hiç bir fark olmadığını göstermektedir. Ancak, sadece beş çalışma ile gücü düşüktür.

Şimdi, 5 çalışma için değil, 500 çalışma için benzer sonuçlar elde ettiğimizi varsayalım. Ortalama örneklem büyüklüğü 40 olan 500 çalışma için toplam örneklem büyüklüğü 500(40) = 20.000 olacaktır. Meta-analiz tahminlerinde çok az örnekleme hatası olacaktır. Ortalama etki büyüklüğündeki örnekleme hatası olacaktır.

Beceri Eğitimi Moderatör Örneği

Etki büyüklüklerinin tahmini standart sapması .097’dir ve bu, .30 ortalamaya göre büyüktür. Ancak toplam örnek büyüklüğü sadece 400’dür. Homojenlik için ki-kare testidir.

9 serbestlik derecesi ile. Bu değer önemli değildir. Bu nedenle, ki-kare testi bu meta-analizde bulunan moderatör değişkeni tespit edemedi. Her alt kümede 5 çalışma ile toplam örneklem büyüklüğünün her bir alt küme meta-analizinde yalnızca 200 olduğunu unutmayın. Bu nedenle, ki-kare testinin istatistiksel gücü normalden bile daha düşüktür.

Toplam örneklem büyüklüğü sadece 400 olduğundan, ortalama etki büyüklüğündeki örnekleme hatası hakkında endişelenmeliyiz. Bu kadar küçük bir toplam örneklem büyüklüğü ile homojenlik testi güvenilmez olduğundan, ki-kare testinin sonuçlarını görmezden geliyoruz ve heterojen (rastgele etkiler) durumu varsayıyoruz. Ortalama etki büyüklüğündeki örnekleme hatası bu şekildedir.

Yani toplam örneklem büyüklüğü 400 olduğunda, ortalama etki büyüklüğünde büyük miktarda örnekleme hatası vardır. Öte yandan, bu sonuçları 10 çalışma ile değil, 1000 çalışma ile elde ettiğimizi varsayalım. Toplam örnek büyüklüğü 1.000(40) = 40.000 olacaktır ve ortalama etki büyüklüğünde çok az örnekleme hatası olacaktır. Ortalama etki büyüklüğü için güven aralığı şöyle olacaktır.

Ki-kare testinin anlamlı olması için gereken minimum çalışma sayısı nedir? Bu örnekte minimum çalışma sayısı K = 671’dir. Bu, ki-kare testinin bu örnekte çok düşük güce sahip olduğunu gösterir: %50’lik bir güç için 671 çalışma gereklidir. Bu örnek meta-analizdeki birçok gerçek duruma benzer.

Ki-kare testinin gücü, birincil çalışmalarda ortalama örneklem büyüklüğüne keskin bir şekilde bağlıdır. Bu örnekte, etki büyüklükleri δ = .20’ye karşı δ = .40 ve ortalama örneklem büyüklüğü N = 40 olan bir moderatör ele aldık. Gücün %50 olması için gereken çalışma sayısı K = 671’dir. örneklem büyüklüğü N = 68 olsaydı, .50 gücü için gereken çalışma sayısı K = 189 olurdu.

Ortalama örneklem büyüklüğü N = 100 olsaydı, bu sayı K = 82 olurdu. Ortalama örneklem büyüklüğü N = 200 olsaydı, minimum çalışma sayısı sadece K = 17 olurdu. Ortalama örnek büyüklüğü N = olsaydı 236, minimum çalışma sayısı yalnızca K = 10 olurdu.

Yani, birincil çalışmalarda örneklem büyüklüğü N = 40 yerine N = 236 olsaydı, mevcut örnek için ki-kare testi anlamlı olurdu. Ancak, bu rakamların %50’lik istatistiksel güç için gereken çalışma sayısını verdiğini unutmayın – kabul edilemez derecede düşük bir güç seviyesi. Diyelim ki %90’lık bir güç için gereken çalışma sayısı çok daha fazladır.

Ki-kare homojenlik testinin düşük istatistiksel gücünün sorunları, Meta-analiz üzerine Ulusal Araştırma Konseyi (1992) raporunda tartışıldı. Bu rapor, verilerin homojen olup olmadığına karar vermek için kullanılmamasını tavsiye etti.

Bir moderatör değişkeni saptamak için ki-kare testinin düşük gücü, iki moderatör grubu için ortalamaların karşılaştırılması için yüksek güçle keskin bir zıtlık içindedir. Ancak, böyle bir analizde anlamlılık testleri değil, güven aralıkları öneriyoruz. Bu nedenle, istatistiksel güç değil, tahminin kesinliği ilgili kavram haline gelir.

The post Beceri Eğitimi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).