Denek etkileşimine göre bir tedavi varsa, farklı denekler için tedavi etkisi farklıdır. Örneğin, bazı deneklerin kalite çemberi tartışmalarından daha iyi teknikler öğrendiğini ve diğer deneklerin çalışma alışkanlıklarını değiştiremeyecek kadar katı olduğunu ve bu nedenle orada ifade edilen yeni fikirlerden hiçbir avantaj elde etmediğini varsayalım. Tedavi etkisi daha sonra denek popülasyonu arasında değişir.

Ham puan tedavi etkisinin en basit istatistiksel açıklaması, popülasyon ortalaması ve bireysel tedavi etkilerinin popülasyon standart sapması ile verilecektir. Bu istatistikler, gerçek kazanç puanlarının, yani ölçüm hatasız kazanç puanlarının popülasyon ortalaması ve standart sapmasıdır. Öte yandan, gözlemlenen istatistikler, gözlemlenen puanlar üzerinden hesaplanacak ve ölçüm hatası nedeniyle bileşenlere sahip olacaktır.

Böylece, gözlemlenen istatistikler sadece örnekleme hatasına değil, aynı zamanda ölçüm hatasına da sahip olacaktır. Tek bir çalışmada ölçüm hatasının sistematik etkisini düzeltmek mümkündür, ancak örnekleme hatasını düzeltmek yalnızca çalışmalar arasında bir meta-analiz gerçekleştirerek mümkündür.

Düzeltilmiş istatistiklerde hesaplanan tedavi ana etkisinin anlamlılık testi, sonuç olarak düzeltilmemiş istatistiklerde hesaplanan karşılık gelen anlamlılık testine eşdeğerdir. Yani elde edilen p değeri aynıdır. Bu nedenle, varyans analizindeki gelenek, yalnızca düzeltilmemiş puanlar için test sunmak olmuştur. Sıfır hipotezi doğru olsaydı, geleneksel istatistiksel kullanım için yol gösterici ilke hem düzeltilmiş hem de düzeltilmemiş tedavinin ana etkisi 0 olurdu.

Bu nedenle, tedavi ana etkisi olmasaydı, düzeltilmiş etki büyüklüklerinin hesaplanmasına zaten gerek kalmazdı. Klasik metinlerin düzeltme formüllerinden bahsetmemesi, dolaylı olarak sıfır hipotezinin her zaman doğru olduğu varsayımını yansıtır. Yani, klasik istatistik metinlerindeki yanlılık, sıfır hipotezinin yanlış olabileceğini varsayan pratik hesaplamaların tartışılmadığı gerçeğini gösterir.

Tedavimiz daha adaletli olacak. İlk önce ölçüm hatası olmadan tedavinin ana etkisini tanımlayacağız. Daha sonra ilgili gözlemlenen ana etkileri gerçek ana etkilerle ilişkilendireceğiz. Psikometrik olarak bu, ölçüm hatasından kaynaklanan zayıflamanın düzeltilmesine eşdeğerdir.

Klasik istatistik metinlerinde daha da büyük bir önyargı vardır. Denek etkileşimine göre bir tedavi varsa, o zaman iki istatistiği tahmin etmemiz gerektiğini gösterdik: denekler arasında tedavi etkilerinin ortalaması ve standart sapması. Yine de, denek içi t testinin geleneksel tedavisinde, standart sapmadan hiç söz edilmez.

Bu, sıfır hipotezinin her bir bireysel özne için doğru olduğu şeklindeki küresel sıfır hipotezinin zımni varsayımına karşılık gelir. Hiç tedavi etkisi yoksa, hem ortalama tedavi etkisi hem de standart sapma 0 olur ve standart sapmayı bildirmeye veya boyutunu ölçmeye gerek kalmaz. Sadece göz ardı edilebilir. Böylece, yine klasik istatistik metinlerinin tuhaf ihmalleri, yazarların dolaylı olarak sıfır hipotezinin her zaman doğru olduğunu varsaydıkları gerçeğiyle açıklanabilir.

Bağımlı bağımsız değişken kontrol ve deney grubu
Denek içi desen
Seçici denek kaybı
Kontrol koşulu Nedir
Deneysel araştırma yöntemi örneği
Kontrol grubu Nedir
Deney ve kontrol grubu örnekleri
Yarı deneysel araştırma Nedir

Mükemmel Ölçüm

Diyelim ki özneler etkileşimi tarafından bir tedavi var. Tedavi etkisinde denekler arasında farklılıklar vardır. Ham puan tedavisi ana etkisi, denekler arasında ortalama tedavi etkisi olarak tanımlanır. Ham puan muamelesi ana etkisi için “ham puan δ” notasyonunu kullanılabilir.

Bu formüldeki standart sapmanın, kazanç puanlarının standart sapması değil, ön test gerçek puanlarının standart sapması olduğuna dikkat edin. Bu, geleneksel istatistik metinlerinde her zaman açıkça yapılmayan önemli bir ayrımdır. Bu bölümün başında, Rosenthal ve Rubin’in (1978a) bu ayrımı yapamayan meta-analizlerini tartıştık ve sonuç olarak, gerçek ortalama d değerlerine kıyasla büyük ölçüde şişirilmiş ortalama d değerleri bildirdik. Bu türden başka örnekler literatürde bulunabilir.

Denek etkileşimi tarafından bir tedavi varsa, o zaman tedavi etkisindeki varyasyonun kapsamı, kazanç puanlarının standart sapması olarak ham puan formunda ölçülebilir. Bu tanım, etkileşimi varyans yerine standart sapma ile ölçtüğümüz için, varyans analizi metinlerindeki tanımdan biraz farklıdır.

Ancak, ana etki ve etkileşim karşılaştırılacaksa bu gereklidir, çünkü bunların aynı birimlerde hesaplanması gerekir. Varyans metinlerinin analizi, genellikle tedavi ana etkisinin belirsiz bir tanımını kullanarak bu konuyu karıştırır.

Bu metinler, esaslı tartışmalarında ve somut örneklerinde, ortalama fark olarak muamele etkisinden bahseder. Ancak, varyans formüllerinin biçimsel analizinde, “tedavi ana etkisi” işlem farkının karesi olarak tanımlanır. Tedavi ana etkisinin karesini alarak, tedavi varyansı ile aynı (ne yazık ki anlamsız) birimlere koyarlar.

Bu standart sapma, doğrudan tedavi ana etkisi ile karşılaştırılabilir. Ham puan muamelesi ana etkisinin veya ortalama kazanç puanının 5.2 olduğunu ve ham puan etkileşiminin (kazanç puanı standart sapması) 1.1 olduğunu varsayalım. Tedavi etkisi denekler arasında normal olarak dağılmış olsaydı, deneklerin orta %95’i şu şekilde tanımlanırdı.

0’ın ortalamanın altında 5,2 / 1,1 = 4,73 standart sapma olduğu gerçeğinden hareketle, herhangi bir denek için tedavi etkisinin olumsuz olmasının pek olası olmadığı sonucuna varırız. Yani, herhangi bir konunun ortalama kazanç tarafından önerilenin tersi yönde etkilenmesi olası değildir. Buna “homojen etkileşim” denir. Buna karşılık, ortalamanın 5,2 olduğunu, ancak standart sapmanın da 5,2 olduğunu varsayalım. Normal dağılıma göre, ham puan etki büyüklüğünün ortadaki %95’i olacaktır.

Bu aralık, bazı kişilerin ortalamanın 3 katı arttığını gösterirken, bazı kişilerin azaldığını da gösterir. Farklı denekler farklı yönlerde yanıt verdiğinde, etkileşimin “heterojen” olduğu söylenir.

Normal dağılım, işlem etkisi farklılıkları için her zaman uygun varsayım değildir. Kalite çemberi örneğimizde, bazı deneklerin başkalarının düşüncelerinden öğrendiğini, diğer deneklerin ise çalışma alışkanlıklarını değiştiremeyecek kadar katı olduğunu varsaydık. Deneklerin yarısının esnek olduğunu ve verimlilikte 10.4 birim kazandıklarını, diğer yarısının ise katı olduğunu ve 0 kazandığını varsayalım.

Ortalama kazanç 5.2 ve standart sapma da 5.2 olacaktır. Deneklerin esnek yarısı, 5,2 + 5,2 = 10.4’teki ortalama kazancın tam olarak 1 standart sapma üzerindedir. Deneklerin katı yarısı, 5,2 − 5,2 = 0’daki ortalama kazancın tam olarak 1 standart sapma altındadır. Bu ikili durumda, geçerli yayılmanın 4 standart sapma değil, sadece 2 olduğuna dikkat edin.

Ham puan muamelesi ana etkileri ve etkileşimleri ile ilgili iki sorun vardır: (1) Performanstaki sıradan bireysel farklılıklara kıyasla değişikliğin büyük veya küçük olup olmadığına dair bir gösterge yoktur ve (2) keyfi birimlerde verilir. Her iki problem de standart puan birimleri kullanılarak çözülmüştür.

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

Denek içi veriler için ön test ve son test ortalamaları arasındaki fark aslında her grup için 5,2’dir. Yani, ön son tasarım için, son test ile ön test arasındaki ortalama fark, her iki grup için de tedavi etkisidir.

Örnekleme hatasına ne oldu? Denek içi tasarımda, iki alt grubun farklı araçlara sahip olduğuna dikkat edin. Yani şans eseri ön test ortalaması kontrol grubu için 41.4 ve deney grubu için 43.2’dir. Bu fark örnekleme hatasıdır. Bununla birlikte, denek içi tasarımda, her grup içinde ortalamaların karşılaştırılması yapılır.

Yani, kontrol alt grubu için tedavi etkisi ortalama farkını, son test ortalamaları ile ön test ortalamaları arasındaki fark olarak hesaplıyoruz. Deneysel alt grup için, iki deneysel alt grup ortalamasını kullanarak ortalama farkı hesaplıyoruz. Karşılaştırmalar gruplar içinde yapıldığından, ön testteki gruplar arası fark, tedavi etkisinin tahminine girmez.

Bağımsız gruplar tasarımı için, bir grup için ön test ortalamasını diğer grup için son test ortalamasından çıkararak tedavi etkisini tahmin ediyoruz. Ön test araçlarındaki örnekleme hatası farkı 43.2 − 41.4 = 1.8’dir. Karşılaştırılan ortalamalar iki farklı gruptan geldiğinden, bu örnekleme hatası farkı, tahmin edilen tedavi etkisine girer.

Bu nedenle, geleneksel bağımsız grup tasarımındaki örnekleme hatası, kavramsal bir kusurdan kaynaklanmaktadır. Herhangi bir bireysel denek için tedavi etkisini gözlemlemediğimiz için, gruplar üzerindeki verilerden bireyler için etkiyi tahmin etmek zorunda kalıyoruz. Gruplar farklı olduğu için gruplar arasındaki örnekleme hatası farkı gerçek tedavi etkisi ile karıştırılmaktadır. Bu örnekleme hatası farkı, her gruptaki sayı büyük olmadıkça, nadiren de olsa önemli olabilir.

Bağımsız Gruplar Tasarımı ve Denek Etkileşimine Göre Tedavi

Bağımsız gruplar tasarımı için bir diğer önemli sorun, denek etkileşimi tarafından potansiyel olarak ele alınmasıdır. Tedavinin farklı kişiler üzerinde farklı etkileri varsa, tedavi ile denekler arasında bir etkileşim vardır. Eğer öyleyse, gruplar arası tasarımın oldukça yanıltıcı hale getirilmesi mümkündür. Gruplar arası tasarım, tedavi ile denekler arasında herhangi bir etkileşim olmadığı varsayımı altında tedavinin ana etkisini dikkate alır.

Tedavinin deneklerin yarısı için bağımlı değişkeni +5 birim artırdığını, ancak deneklerin diğer yarısı için bağımlı değişkeni -5 birim azalttığını varsayalım. Ortalama tedavi etkisi 0’dır ve bu nedenle deney grubu için ortalama kontrol grubu için ortalamaya eşit olacaktır ve gruplar arası verilerin olağan yorumu, tedavinin etkisinin olmadığı şeklinde olacaktır. Bu yorum tamamen yanlıştır. Bu nedenle, denek etkileşimi ile bir tedavi varsa, gruplar arası tasarımın geçersiz olması mümkündür.

Bağımsız gruplar tasarımı için kilit bir soru şudur: Denek etkileşimine göre bir tedavi olup olmadığını görmek için bağımsız grup verilerinin herhangi bir testini yapmak mümkün müdür? Cevap, “Kesin bir test yok.” Deneklere göre bazı tedavi etkileşimleri ortaya çıkar, çünkü tedavi etkilerindeki farklılıklar kontrol ve deney gruplarının standart sapması arasında bir farka neden olur.

Deneysel çalışma Nedir
Seçkisiz atama örnek
Deneysel araştırma yöntemi örneği
Deneysel desen Türleri
Bağımlı bağımsız değişken kontrol ve deney grubu
Yarı deneysel çalışma Nedir
Tam deneysel araştırma Nedir
Denekler arası desen

Ancak (1) bu her zaman doğru değildir ve (2) standart sapmalardaki farkı saptamak için istatistiksel güç çok yüksek olmayabilir. Dolayısıyla gruplar arası tasarım, etkileşim olmadığını varsaymalıdır; bu tasarım, bu varsayımı test etmek için gerekli verileri toplamaz.

Denek içi tasarımın, eğer gerçekleşirse, denekler tarafından bir tedaviyi tespit etmek için gerekli verileri topladığını göstereceğiz. Ayrıca, bu tasarımda etkileşimin boyutu ölçülebilir. Etkileşimin boyutu hakkında bilgi verildiğinde, tedavi etkisinin her zaman aynı yönde olup olmadığını görmek mümkündür. Yani, denek içi tasarım, olağan tedavi etkisinin verilerin makul bir yorumu olup olmadığına dair bir test sağlar.

Denek içi tasarım, denek etkileşiminin tespit edilmesini ve ölçülmesini sağlar. Bununla birlikte, değişiklik puanlarının denekler arasında değişmesinin nedeni hala bilinmemektedir. Böylece etkileşim, tanımlanmadan saptanabilir ve ölçülebilir. Öznenin tedaviye yanıtını belirleyen ilgili bireysel farklılık değişkenine ilişkin veriler olmadan etkileşimi belirlemek mümkün değildir.

Bu nedenle, denek içi tasarım etkileşimi algılarsa, bu etkileşimin doğasını belirlemek için ek verilerin toplanması gerekebilir. Bireysel fark değişkeni ilk etapta ölçülmüş olsaydı, yeni veriler gerekli olmazdı. Herhangi bir çalışmanın tasarımında, tedavi etkisinde farklılıklar olup olmadığını ve bu farklılıkları hangi değişkenin öngörebileceğini sormak önemlidir.

Bu değişken daha sonra ölçülebilir ve son analizde bir “kontrol” değişkeni olarak kullanılabilir. Bir ön-son tasarımda, deneklerin etkileşimi tarafından ele alınması, bireysel farklılık değişkeni ile değişiklik puanları arasındaki bir korelasyon olarak tanımlanabilir.

Bağımsız gruplar tasarımı, denek etkileşimi yoluyla herhangi bir tedavi olmadığını varsaymalıdır; etkileşimi test etmek için gereken verileri sağlamaz. Bağımsız grup tasarımlarının, hiçbir etkileşimin olamayacağını belirten denekler tarafından tedavi sorununun dikkatli bir teorik değerlendirmesinin ardından seçildiğini varsayalım.

O zaman, ancak bu teori yanlışsa, çalışmada bir etkileşim olacaktır. Teori ampirik olarak iyi temellendirilmişse, pek çok bulguya uyar. Bu nedenle, teoriye dayalı yeni çalışma tasarımı hakkında yapılan çıkarımların doğru olması muhtemeldir ve bağımsız gruplar tasarımının teorik olarak gerekçeli seçimi muhtemelen garanti edilir.

Bununla birlikte, resmi olmayan görüşme, deneycilerin, denek etkileşimi yoluyla bir tedavi olasılığını nadiren düşündüklerini göstermektedir. Aslında, tüm deneklerin tedaviye tam olarak aynı şekilde yanıt verip vermeyeceği sorulduğunda, çoğu araştırmacı “Hayır” der. Genellikle, tedaviye yanıttaki bireysel farklılıklara ilişkin spesifik hipotezler belirtirler.

Bu nedenle, çoğu araştırmacı aslında denek etkileşimi tarafından bir tedavi bekler, ancak bu beklentinin öneminin farkına varmaz. Bu nedenle, bağımsız grup tasarımının kullanımı bir inanç meselesidir, genellikle potansiyel etkileşimin kasıtlı bir teorik değerlendirmesine dayanmayan ve genellikle araştırmacının inançlarına aykırı olan inanç. Çoğu deneyci, bağımsız grup tasarımının böyle bir etkileşimin varlığı ile geçersiz kılınabileceğinin farkında değildir.

The post Denekler Arası Tasarımın Eksiklikleri – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).