Araştırma sonuçlarına odaklanan tüm değerlendirmeleri meta- analizlerdir. Meta-analizi diğer yaklaşımlardan araştırma sentezinden ayıran şey, bulguları sonuç çıkarmak için sentezleme yöntemidir. Gösterilen yöntemler, nitelden kantitatif senteze kadar bir süreklilik olarak görülebilir. Soldaki anlatı incelemesidir.

Burada, gözden geçiren, ilgili araştırmayı değerlendirir ve bir şekilde sonuçlar çıkarır. Bu “bir şekilde” bu niteliksel veya nariye, araştırma sentezine yaklaşımın sınırlarını temsil eder. Gözden geçirenin sonuçları nasıl çizdiği tam süreci bilinmemektedir veya en azından ifade edilmemektedir, bu nedenle araştırma sonuçlarında öznellik için görülebilir bir yer var.

Sadece öznel önyargının ortaya çıkması potansiyelinin ötesinde, bu yaklaşımın araştırma yapmasına ilişkin yaklaşım, gözden geçirenin bilgiyi sürdürme yeteneğini vergiler. Araştırma sonuçlarını sentezlemeye çalışan gözden geçirenler niteliksel olarak daha fazla tutarsızlığı algılama eğilimindedir ve meta-analitik sentezler gerçekleştirenlerden daha küçük etkilerin daha küçük büyüklüğünü algılama eğilimindedir. Toplamda, ampirik raporları okuma araştırmalarını gözden geçirme ve “bir şekilde” çizim sonuçlarını gözden geçirme yöntemi, öznelliğe eğilimlidir ve sonuçları elde edilmesini zorlaştıran gözden geçirenlere yöneliktir.

Şekil 1.1’in doğru veya nicel yöne doğru ilerlemek, gayrı resmi ve resmi olarak adlandırdığım iki oy sayma yöntemidir. Her ikisi de, araştırma çalışmalarından, önemli pozitif, anlamlı olumsuz veya önemsiz sonuçlar açısından etkilerinin önemini göz önünde bulundurarak ve daha sonra, bir sonuç bulurken çalışmaların sayısına dayanarak sonuçları çizer.

Gayri resmi (Geleneksel olarak da adlandırılır) oy sayımı, “çoğunluk kuralları” kriterlerine dayanarak sadece sonuçları çözmeyi içerir; Bu nedenle, daha fazla çalışma, diğer etkileri bulmaktan daha önemli bir olumlu bir etki bulursa, biri olumlu bir etki olduğunun sonucuna varır. Daha resmi bir oy sayma yaklaşımı, Tip I hata oranları verilen beklenen sonuçların beklenen sıklığının istatistiksel analizini kullanır (örneğin, .05’in geleneksel bir tür I hata oranı göz önüne alındığında, çalışmaların% 5’inden fazla bir etki bulduk mu? ).

Her ne kadar oy sayma yöntemleri, etki boyutları üzerindeki bilgiler kullanılamadığında faydalı olsa da, onları bu kitapta iki nedenden ötürü tartışmayacağım. Birincisi, etkilerin varlığının sonuçları (yani, istatistiksel anlamlılık), bu çalışmada açıklanan meta-analitik prosesler kullanılarak daha güçlü bir şekilde belirlenebilir. İkincisi, tek başına önemin sonuçları tatmin edici değildir ve meta-analizin odağı, etkinin büyüklüğü hakkında bilgi sağlayan etkinin boyutları üzerindedir.

Sağ tarafta, sonuçların bireysel çalışmalardan yapılan etki boyutlarının istatistiksel analizine dayandığı bir araştırma sentezi şekli olan meta-analiz. Burada umut, bu taksonominin meta-analizin bir literatür taraması yapılması için tek bir yaklaşım olduğunu açıkça ortaya koyuyor.

Spesifik olarak, meta-analiz, etki boyutları şeklinde ampirik araştırma sonuçlarını sentezlemek için kantitatif bir yöntemdir. Bu özelliğe rağmen, meta-analiz, bilimsel bilgiyi geliştirmek için esnek ve güçlü bir yaklaşımdır, bununla, ampirik bilimlerin temeli olan ampirik bulguları birleştirmek için istatistiksel olarak savunulabilir bir yaklaşımı temsil eder.

meta-analiz çalışması örneği
cma ile meta-analiz
Meta analiz çalışması
Meta-analiz özellikleri
Meta-analiz programı
Meta-analiz yöntemi
Meta-analiz pdf
Meta-analiz Sistematik derleme farkı

Meta-Analiz’in Kısa Bir Geçmişi

Bu bölümde, meta-analiz tarihini kısaca özetliyorum. Amacım bu tarihi ayrıntılı olarak ayrıntılı bir şekilde değil. Bunun yerine, yalnızca bu yazıda tarif edilen tekniklerin nereden kaynaklandığını size bir anlam ifade etmek için temel bir genel bakış sunmayı umuyorum.

İstatistiksel olarak sonuçları birden fazla çalışmadan birleştirmeye yönelik bireysel bireysel girişim var. Olkin (1990), 1904’teki Karl Pearson’ın çalışmalarını, inokülasyon ve tifo-ateş arasındaki ilişkileri sentezlemek için, 1930’lardan birkaç benzer yaklaşım açıklandı. 1940’larda ve 1950’lerde gelişmiş problemleri birleştirme yöntemleri. Ancak bu yaklaşımlar, 1970’lere kadar sosyal bilimlerde küçük bir uygulama gördü.

Sadece 1970’lerin sonunda meta-analizin sosyal bilimlerde kalıcı bir yer olduğunu buldu. Birkaç araştırmacı grup bu süre zarfında teknikte geliştirilmesine rağmen, “meta-analiz” terimini tetikleyen gen cam ve meslektaşlarının çalışmasıydı ve özellikle psikoloji alanında yaklaşıma dikkat çekti.

Spesifik olarak, Smith ve Cam (1977), psikoterapinin etkinliğinin bir meta-analizini, psikoterapinin etkili olduğunu ve farklı terapilerdeki etkinlikte etkinlikte çok az fark olduğunu göstermektedir. Cam tarafından tanıtılan eski bulgu muhtemelen çok az anlaşmazlıkla alınmış olsa da, Smith ve Cam ile ikincisi bulma tartışmalı ve önemli bir eleştiri yapıldı.

Smith’in tartışmalı niteliği ve camın sonucunun meta-analiz için hem olumlu hem de olumsuz sonuçları vardı. Pozitif tarafta, psikoterapilerin göreceli etkinliğinin zor sorusuna olan ikna edici yaklaşımları, muhtemelen meta-analiz değerinin birçoğunu ikna etti.

Olumsuz tarafta, bu özel çalışmanın eleştirileri (daha az tartışmalı bir konunun meta-analizine karşı seviyelendirileceğinden daha fazla olduğuna inanıyorum), genellikle meta-analizlerin tüm uygulamalarına genelleştirildi. 

Bu özel meta-analiz tanıtımının tartışmalı niteliğine rağmen, önümüzdeki yıllar bu yaklaşımda hızlı bir artışa tanık oldu. 1980’lerin başında, meta-analiz tekniklerini açıklayan birkaç kitap yayınlandı. Kısa süre sonra, Hedges ve Olkin (1985), geleneksel stajlara derinden köklü olan meta-analiz üzerinde bir çalışma yayınladı. Bu köklenme, hem formalite getirme hem de algılanan istatistiksel liyakat getirmenin yanı sıra, meta-analitik tekniklere müteakip ilerlemeler için bir başlangıç ​​noktası olarak hizmet etmenin yanı sıra önemliydi.

On yıllar, meta-analizin sosyal bilimlerin tanıtılmasından bu yana bu tekniğin kullanımını arttırdılar. Son otuz yıl boyunca sosyal bilim araştırmalarında yaygın kullanımı göz önüne alındığında, meta-analizin kaldığı görülmektedir. Bu nedenle tek başına, bilim adamları bilimsel literatürü anlamak için bu yaklaşıma aşina olması gerekir.

Bununla birlikte, meta-analizi anlamak sadece yaygın olarak kullanıldığı için değerlidir; Daha da önemlisi, meta-analiz yaygın olarak kullanılmaktadır, çünkü mevcut ampirik literatürü sentezlemek için güçlendirici bir yaklaşımı temsil eder ve bilimin ilerlemesine katkıda bulunur. Bu yazının geri kalanındaki hedefim, bu değeri size göstermenin yanı sıra, birinin meta-analitik bir inceleme nasıl yürüttüğünü açıklamaktır.

The post Meta-Analiz Geçmişi – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Yalnızca örnekleme hatası yapaylığını kontrol etmeye çalışan ikinci meta-analiz yaklaşımı, daha önce çıplak meta-analiz olarak adlandırdığımız şeydir. Bu yaklaşım, standart hatanın bilindiği korelasyonlara, d değerlerine veya herhangi bir başka etki büyüklüğü istatistiğine uygulanabilir. Örneğin, istatistik korelasyon ise, ilk önce r ̄ hesaplanır. Daha sonra korelasyon setinin varyansı hesaplanır. Daha sonra, örnekleme hatası varyansının miktarı hesaplanır ve bu gözlemlenen varyanstan çıkarılır.

Sonuç 0 ise, örnekleme hatası gözlemlenen tüm varyansı hesaba katar ve r değeri meta-analizdeki tüm çalışmaları doğru bir şekilde özetler. Değilse, kalan varyansın karekökü, örnekleme hatası varyansı kaldırıldıktan sonra ortalama r etrafında kalan değişkenlik indeksidir.

Her zaman düzeltilmesi gereken başka artefaktlar (ölçüm hatası gibi) olduğu için, çıplak kemik meta-analiz yönteminin eksik ve yetersiz olduğunu yazılarımızda tutarlı bir şekilde belirttik. Yeni başlayanlara meta-analizi açıklamak ve öğretmek için öncelikle ilk adım olarak yararlıdır.

Ancak, yalnızca çıplak kemik yöntemlerine dayanan meta-analizler yayınlanmıştır; Bu araştırmaların yazarları, örnekleme hatasının ötesinde, eserleri düzeltmek için gereken bilgilerin kendileri için mevcut olmadığını her zaman iddia etmişlerdir. Deneyimlerimize göre, bu nadiren olur.

Artefakt değerlerinin tahminleri (örneğin, ölçeklerin güvenilirliği) daha önce belirtildiği gibi genellikle literatürden, test kılavuzlarından veya diğer kaynaklardan elde edilebilir. Bu değerler, artefakt dağılımına dayalı meta-analizde kullanım için artefakt dağılımları oluşturmak için kullanılabilir, böylece örnekleme hatasına ek olarak ölçüm hatası ve diğer artefaktların sapma etkilerini düzeltir.

Psikometrik Meta-Analiz: Çoklu Artifaktların Düzeltilmesi

Üçüncü meta-analiz türü psikometrik meta-analizdir. Bu yöntemler yalnızca örnekleme hatasını (sistematik olmayan bir artefakt) değil, aynı zamanda ölçüm hatası, aralık kısıtlaması veya geliştirmesi, ölçülerin ikiye ayrılması vb. gibi diğer sistematik artefaktları da düzeltir. Bu diğer artefaktların sistematik olduğu söylenir, çünkü çalışmalar arasında yapay varyasyon yaratmanın yanı sıra, tüm çalışmaların sonuçlarında sistematik aşağı yönlü önyargılar da yaratırlar.

Örneğin, ölçüm hatası sistematik olarak tüm korelasyonları aşağı doğru saptırır. Psikometrik meta-analiz, yalnızca çalışmalar arasındaki yapay varyasyonu değil, aynı zamanda aşağı yönlü önyargıları da düzeltir. Psikometrik meta-analiz, hem istatistiksel hem de ölçüm artefaktlarını hesaba katan tek meta-analiz yöntemidir. Bu prosedürlerin iki varyasyonu daha önce açıklanmıştır.

İlkinde, her r veya d değeri eserler için ayrı ayrı düzeltilir; ikincisinde, artefakt dağılımları kullanılarak düzeltme gerçekleştirilir. Callender ve Osburn (1980) ve Raju ve Burke (1983) ayrıca psikometrik meta-analiz için yöntemler geliştirdiler. Bu yöntemler, hesaplama ayrıntılarında biraz farklılık gösterir, ancak hemen hemen aynı sonuçları ürettiği gösterilmiştir.

meta-analiz örnek çalışma
CMA ile Meta-Analiz
Meta analiz avantaj dezavantaj
Meta-analiz çalışmaları
Meta-analiz özellikleri
Meta analiz araştırması nedir
Meta-analiz Kitap
Meta-Analiz Kursu 2022

Her meta-analiz yöntemi, zorunlu olarak bir veri teorisine dayanır. Verileri analiz etmek için kullanılan meta-analiz yöntemlerini belirleyen bu teoridir (veya verilerin anlaşılması). Eksiksiz bir veri teorisi, örnekleme hatası, ölçüm hatası, önyargılı örnekleme (menzil kısıtlaması ve menzil geliştirme), dikotomizasyon ve etkileri, veri hataları ve araştırma çalışmalarında gördüğümüz ham verileri çarpıtan diğer nedensel faktörlerin anlaşılmasını içerir.

Bu faktörlerin verileri nasıl etkilediğine dair teorik bir anlayış geliştirildiğinde, etkilerini düzeltmek için yöntemler geliştirmek mümkün hale gelir. Psikometri dilinde, ilk süreç – bu faktörlerin (eserlerin) verileri etkilediği süreç, zayıflama modeli olarak modellenir. Bu artefakt kaynaklı önyargıları düzeltme sürecine yönelik ikinci işleme, zayıflama modeli adı verilir.

Bir meta-analiz modeli yönteminin dayandığı veri teorisi eksikse, bu yöntem bu yapaylıkların bir kısmı veya tamamı için düzeltme yapamayacak ve dolayısıyla yanlı sonuçlar üretecektir. Örneğin, ölçüm hatasını fark etmeyen bir veri teorisi, ölçüm hatasını düzeltmeyen meta-analiz yöntemlerine yol açacaktır. Bu tür yöntemler daha sonra zorunlu olarak önyargılı meta-analiz sonuçları üretecektir. Bu bölümde tartışıldığı gibi, bazı güncel meta-analiz yöntemleri aslında ölçüm hatasını düzeltmez.

Örnekleme hatası ve ölçüm hatası, meta-analizin ilgilenmesi gereken istatistiksel ve ölçüm artefaktları arasında benzersiz bir konuma sahiptir: Bunlar her zaman tüm gerçek verilerde bulunurlar. Menzil kısıtlaması, sürekli değişkenlerin yapay olarak ikiye ayrılması veya veri transkripsiyon hataları gibi diğer artefaktlar, meta-analize tabi tutulan belirli bir dizi çalışmada bulunmayabilir.

Ancak her zaman örnekleme hatası vardır, çünkü örnek boyutları asla sonsuz değildir. Aynı şekilde, her zaman ölçüm hatası vardır, çünkü tamamen güvenilir ölçümler yoktur. Aslında, nispeten basit psikometrik meta-analizlerin bile karmaşık görünmesini sağlayan şey, hem örnekleme hatası hem de ölçüm hatası ile aynı anda uğraşmanın gerekliliğidir. Bu iki tür hatayı ayrı ayrı ele almaya alışkınız.

Örneğin, psikometrik metinler ölçüm hatasını tartışırken, sonsuz (veya çok büyük) bir örneklem boyutu varsayıyorlar, böylece dikkat odağı, aynı anda örnekleme hatasıyla uğraşmaya gerek kalmadan yalnızca ölçüm hatası üzerinde olabilir. İstatistik metinleri örnekleme hatasını tartışırken, onlar ve okuyucunun yalnızca örnekleme hatasına odaklanabilmeleri için örtük olarak mükemmel güvenilirliği (ölçüm hatasının yokluğu) varsayıyorlar.

Her iki varsayım da son derece gerçekçi değildir, çünkü tüm gerçek veriler aynı anda her iki tür hatayı da içerir. Her iki tür hatayı aynı anda ele almak kuşkusuz karmaşıktır, ancak doğru sonuçlar üretmek için meta-analizin yapması gereken budur.

Bir meta-analiz yönteminin altında hangi veri teorisinin yattığı sorusu, meta-analizin genel amacının ne olduğu sorusuyla güçlü bir şekilde ilişkilidir. Glass (1976, 1977), amacın bir araştırma literatüründeki çalışmaları basitçe özetlemek ve açıklamak olduğunu belirtmiştir.

Bizim görüşümüz, alternatif görüş, amacın popülasyondaki yapı düzeyindeki ilişkileri mümkün olduğunca doğru bir şekilde tahmin etmektir (yani, popülasyon değerlerini veya parametrelerini tahmin etmek), çünkü bunlar bilimsel ilginin ilişkileridir.

Bu tamamen farklı bir görevdir; bu, tüm çalışmalar mükemmel bir şekilde yürütülmüş olsaydı (yani, metodolojik sınırlamalar olmadan) bulguların ne olacağını tahmin etme görevidir. Bunu yapmak, çalışma sonuçlarını bozan örnekleme hatası, ölçüm hatası ve (varsa) diğer artefaktların düzeltilmesini gerektirir. Literatürdeki çalışmaların içeriklerini basitçe açıklamak, bu tür düzeltmeler gerektirmez, ancak bilimsel açıdan ilgi çekici parametrelerin tahmin edilmesine izin vermez.

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

Sabit c ile ilgili önceki tartışma daireseldi. c’yi tahmin etmek için A’nın ortalama değerini ve çalışmalar arasında δ’nin ortalama değerini hesapladığınızı söylemiştik. Ancak, ortalama fiili tedavi etkisini (ortalama δ) hesaplamak için, zayıflama için zayıflatılmış çalışma tedavi etkilerini düzeltmeniz gerekir. Zayıflama için çalışma tedavi etkilerini düzeltmek için c değerine ihtiyacınız vardır. Bu sonsuz bir gerileme gibi görünüyor, ancak kolay bir sayısal çözüm var.

Bu nedenle, Ave(c)’yi hesaplamak için Ave(A) ve Ave(δ)’yi hesaplamamız gerekir. Artefakt bilgisinin meta-analizin bir parçası olarak verildiği varsayıldığından, Ave(A)’nın hesaplanması kavramsal bir problem oluşturmaz. Bununla birlikte, Ort(δ) ortalama gerçek etki iken, orijinal veriler yalnızca zayıflatılmış çalışma etkilerini sağlar. Bu nedenle, Ave(δ)’nin hesaplanması meta-analizin bir yan ürünüdür ve meta-analizi hesaplamak için Ave(c)’yi tahmin etmeliyiz. Çözüm, ana meta-analizi yapmadan önce küçük bir meta-analiz yapmaktır.

Artefaktların boyutunu belirleyen temel süreçler, gerçek tedavi etkisini belirleyen temel süreçlerden bağımsız olduğundan, A ve δ sayıları çalışmalar arasında bağımsız olacaktır.

Şimdi iki denklemimiz var: biri Ave(c)’yi Ave(δ)’den hesaplayan ve diğeri Ave(δ)’yi Ave(c)’den hesaplayan. Bunlar iki bilinmeyenli iki denklemdir. Bu kadar doğrusal olmamasalardı, bunları sıradan cebirle çözebilirdik. Ancak, yinelemeli kolay bir çözüm var. Ave(c) = 1 yaklaşımıyla başlayın. Ardından Ave(δ) için karşılık gelen yaklaşıklığı hesaplamak için Ave(δ) denklemini kullanın.

Ave(c) için yeni bir yaklaşıklık oluşturmak için Ave(c) denkleminde Ave(δ)’nin bu değerini kullanın. Ave(c)’nin bu yeni tahmini, orijinal Ave(c) = 1 yaklaşımından daha doğru olacaktır. Ave(c)’nin yeni tahmini, daha sonra, kullanılabilecek yeni bir Ave(δ) tahmini oluşturmak için kullanılabilir. Ave(c) için yeni bir tahmin oluşturun, vb. Bu süreç hızla istenen tahmine yakınsar.

Yinelemeyi yapacak bir bilgisayar programı yazarlardan temin edilebilir. Bir örnek düşünün. Ortalama etüt etkisinin Ave(δo) = .30 ve ortalama artifakt çarpanının Ave(A) = .50 olduğunu varsayalım. Ave(c) = 1 tahmininden, tahmini elde ederiz.

Bireysel Düzeltilmiş Çalışmaların Meta Analizi

Her bir bireysel çalışma için artefakt bilgisinin bilindiğini varsayalım. Daha sonra gözlemlenen çalışma değerleri bireysel olarak düzeltilebilir ve düzeltilmiş dc istatistikleri üzerinde meta-analiz yapılabilir.

Her çalışma için düzeltme yapılmadan önce, tahmin için gerekli bilgileri sağlamak için bir ön meta-analiz yapılmalıdır c. Hesaplanacak iki sayı Ave(doi) ve Ave(Ai)’dir. Bu ortalamalar için en iyi ağırlıklar olacaktır.

Artifakt Dağılımları ile Meta-Analiz

Artefakt bilgisi ara sıra verilirse, ana meta-analiz, örnekleme hatasının etkisini ortadan kaldıran çıplak kemik meta-analizdir (çalışma sayısı fazlaysa). Daha sonra sistematik artefaktların etkisi için çıplak kemik meta-analizini düzeltmek gerekir.

Çıplak Kemikler Meta-Analiz. Çıplak kemik meta-analizi, daha önce verilen yöntemler kullanılarak gerçekleştirilir. Ortalama düzeltilmemiş etki büyüklüğünü d ̄o ile ve nüfus çalışması etki büyüklüklerinin tahmini varyansını Vo ile ifade edin. Örnekleme hatası varyansını ve ile belirtin.

meta-analiz nedir örneği
Meta analiz Nasıl yapılır
meta-analiz nedir nasıl yapılır
cma ile meta-analiz
Meta analiz Nedir
meta-analiz eğitim bilimleri
Meta analiz nasıl yazılır
Meta-analiz çalışmaları

Artefakt Dağıtımları

Eğer yapay bilgi düzensiz ise, o zaman bilgi genellikle bir seferde bir yapay nesne verilir. Bu nedenle, bileşik artifakt çarpanının dağılımı, bireysel eserler üzerindeki dağılım bilgisinden oluşturulmalıdır. Bu süreç Bölüm 4’te ayrıntılı olarak tartışılmıştır ve burada çok kısaltılmış biçimde sunulacaktır. Her bir yapay yapı a için, üç sayı hesaplayın: Ave(a), Var(a) ve kareli varyasyon katsayısıdır.

Artefakt bilgisini birleştirmek için, bireysel artifakt çarpanlarını a1, a2 olarak numaralandıralım. Bileşik artifakt çarpanı, bireysel çarpanların ürünüdür.

d Değerlerinin Meta-Analizinin Özeti

İstatistikçiler sürekli olarak buna karşı uyarmış olsalar da, deneylerin ve programların geleneksel değerlendirmesi istatistiksel anlamlılık testi olmuştur. İki gruplu bir tasarımda bu, yayınlanma olasılığı en yüksek sayının t istatistiği olduğu anlamına gelir. t değeri en alakalı soruya cevap vermiyor: Tedavi etkisi ne kadar büyüktü? Bunun yerine, t’nin değeri şu soruyu yanıtlar: Popülasyon tedavi etkisinin 0 olduğu varsayımı altında gözlemlenen tedavi etkisi ne kadar uzaktadır?

Bu bölüm, tedavi etkisinin boyutunun alternatif ölçümlerini sunarak başladı: ham puan ortalama farkı, standart puan ortalama farkı (d veya δ) ve nokta ikili korelasyonu (r veya ρ). Farklı yazarlar bağımlı değişkenin farklı ölçümlerini kullandığından, ham puan farkı genellikle meta-analiz için makul değildir. Olasılık oranı da çoğu sosyal bilim araştırmasında uygun bir istatistik değildir.

Bu nedenle, tedavi etkisinin boyutunu karakterize etmek için kullanılan genel istatistikler d ve r’dir. Nokta çift seri korelasyonu kullanılıyorsa (ve formüller açısından ikisinden daha kolaysa), ilgili bölümler Bölüm 2’den 4’e kadardır. Bu bölümde, d istatistiğini kullanarak meta-analiz için formüller sunulmuştur. d istatistiği, Bölüm 6’da listelendiği gibi bir dizi hata faktöründen veya yapaylıktan etkilenir: örnekleme hatası, her iki değişkende ölçüm hatası, her iki değişkende de kusurlu yapı geçerliliği, bağımlı değişkenin yapay olarak ikiye ayrılması vb.

Bu tür her bir yapıt için, meta-analizde bu yapıyı kontrol etmeyi mümkün kılacak yapı bilgisi vardır. Bununla birlikte, birincil araştırmacılar, eserleri kontrol etmek için gereken bilgilerin toplanmasını ve sunulmasını içerecek şekilde yayın uygulamalarını yönlendirmeye yeni başlıyorlar. Bu nedenle, çoğu zaman mevcut olan tek yapay bilgi parçası, örnekleme hatasının etkisini kontrol etmek için gereken sayı olan örnek boyutu N’dir.

Örnek boyutu, belirli bir araştırma alanında mevcut olan tek yapay bilgi parçasıysa, yapılabilecek tek meta-analiz, örnekleme hatasından başka hiçbir yapay yapıyı kontrol etmeyen tam anlamıyla bir meta-analizdir. Diğer artefaktlar kontrol edilmediğinden, çıplak kemik meta-analizi, ortalama tedavi etkisini büyük ölçüde hafife alacak ve çalışmalar arasında, özellikle ortalama (yani, tedavi etkilerinin varyasyon katsayısı) ile ilişkili olarak, tedavi etkilerinin standart sapmasını büyük ölçüde abartacaktır. fazlasıyla abartılacaktır).

d istatistiğinin temel meta-analizi için anahtar formül, d için örnekleme hatası varyans formülüdür. Tam formül gama işlevini kullanır ve matematiksel olarak anlaşılmazdır. Bununla birlikte, örnek boyutu küçüldükçe giderek daha karmaşık hale gelen yaklaşık formüller mevcuttur. Yaklaşım formülü seçildikten sonra, çıplak kemik meta-analizi çok basittir. Ortalama popülasyon d, çalışmalar genelindeki ortalama d istatistiği ile tahmin edilir; burada ortalama, her çalışmayı örnek boyutuna göre tartarak hesaplanır.

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

Bu bölüm, korelasyonların meta-analizinde ortaya çıkan teknik soruları tartışıyor. Bunlar, meta-analizde r veya r2’nin kullanılmasının gerekip gerekmediği sorusunu ve regresyon eğimlerinin ve kesişimlerinin meta-analizinin, korelasyonların meta-analizine tercih edilip edilmeyeceği sorusunu içerir. Daha önceki bölümlerde, SDρ tahminlerinin her zaman üst sınır değerleri olarak kabul edilmesi gerektiğini belirtmiştik.

Bu bölüm beş teknik faktörü sunar ve tartışır ve bunların SDρ tahminlerinde enflasyona nasıl katkıda bulunduğunu gösterir. Daha sonra, bu bölüm meta-analiz için sabit ve rastgele modeller arasındaki önemli ayrımı tartışıyor ve Ulusal Araştırma Konseyi (1992) tarafından tavsiye edildiği gibi rastgele modellerin her zaman kullanılması gerektiği sonucuna da varıyor.

Daha sonra meta-analizde güvenilirlik aralıkları ve güven aralıkları arasındaki farkı tartışacağız ve ρ ̄ tahminleri için güven aralıklarını hesaplamak için yöntemler sunacağız. Son olarak, doğrudan ve dolaylı menzil kısıtlaması ve her durumda uygun olan farklı düzeltmeler arasındaki ayrımın genişletilmiş bir teknik incelemesini de sunuyoruz.

Bu çalışmanın önceki baskısında, bu bölüm ayrıca korelasyonlar için meta-analiz prosedürlerine yönelik çok sayıda eleştiriyi tartıştı. Bu baskı bu tartışmayı da atlıyor.

r Versus r2: Hangisi Kullanılmalı?

Bölüm 3, çalışmalar arasında toplanacak istatistik olarak korelasyon katsayısına odaklanır. Bununla birlikte, bazıları, r’nin kendisi değil, ilgi çekici olanın kare korelasyonu – r2 – olduğunu savundu. r2’nin bir değişkendeki varyansın diğer değişken tarafından açıklanan oranı olduğunu iddia ederler ve bu, ilişkinin boyutunun gerçek tanımını sağlayan rakamdır.

Ayrıca, r2’nin savunucuları tipik olarak davranışsal ve sosyal bilimlerde bulunan ilişkilerin çok küçük olduğunu savunurlar. Örneğin, r2 = .09 olduğu için r = .30’un küçük olduğunu iddia ederler, bu da bağımlı değişkendeki varyansın sadece %9’unun açıklandığını gösterir. r = .50 bile küçük kabul edilir: Varyansın sadece %25’i açıklanır.

“Hesaplanan varyans yüzdesi” istatistiksel olarak doğrudur, ancak önemli ölçüde hatalıdır. Değişkenler arasındaki ilişkilerin pratik ve teorik öneminin ciddi şekilde küçümsenmesine yol açar. Bunun nedeni, r2’nin (ve hesaba katılan tüm diğer varyans yüzdesi endekslerinin), gerçek dünyadaki etkilerini belirleyen etki büyüklüklerinin büyüklükleriyle yalnızca çok doğrusal olmayan bir şekilde ilişkili de olmasıdır.

Korelasyon, bağımlı değişkenin bağımsız değişken üzerindeki regresyonunun standartlaştırılmış eğimidir. x ve y standart puan biçimindeyse, yˆ = rx. Böylece r, y’yi x’e bağlayan doğrunun eğimidir. Bu nedenle, y’nin x’ten tahmin edilebilirliğini indeksler. Örneğin, r = .50 ise, x’deki her 1 SD artış için, y’de .50 SD’lik bir artış vardır. r2 istatistiği, regresyon denkleminde hiçbir rol oynamaz. Aynı ilke ham puan regresyonu için de geçerlidir; burada eğim yine r2’ye değil, r’ye dayanmaktadır.

meta-analiz çalışması örneği
cma ile meta-analiz
Meta-analiz özellikleri
Meta analiz Nedir
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz pdf
cma meta-analiz programı indir
meta-analiz nedir nasıl yapılır

Etki büyüklüğü indekslerini hesaba katan tüm yüzde varyansla ilgili sorun, varyansın küçük yüzdelerini açıklayan değişkenlerin genellikle bağımlı değişken üzerinde çok önemli etkilere sahip olmasıdır. Varyansa dayalı etki büyüklüğü indeksleri, bu önemli etkilerin gerçekte olduğundan çok daha az önemli görünmesini sağlayarak hem araştırmacıları hem de araştırma tüketicilerini de yanıltır. Bir örnek düşünün.

Jensen (1980) ve diğerlerine göre, IQ gerçek puanlarının kalıtım derecesi yaklaşık .80’dir. Bu, (gerçek) varyansın %80’inin kalıtımdan ve yalnızca %20’sinin çevresel farklılıklardan kaynaklandığı anlamına gelir ve .80/.20 veya 4’e 1 “önem” oranı verir. indeksler için hesaplanan varyans, kalıtım zekayı belirlemede çevreden 4 kat daha da önemlidir.

Ancak, bu resim çok aldatıcıdır. (Bu örneğin amaçları için, kalıtımın ve çevrenin ilişkisiz olduğunu varsayıyoruz; bu doğruya yakındır ve her halükarda burada gösterilen ilke bu varsayıma bağlı değildir.) Bu iki değişken ve zeka arasındaki işlevsel ilişkiler onların ifadesiyle ifade edilir. saygılı standart puan regresyonları, .80 ve .20 rakamlarıyla değildir.

√ √.80 = .894 korelasyonu ve IQ ile kalıtım arasındaki çevre ve zeka arasındaki korelasyon .20 = .447’dir. Bu nedenle, her birinden (tüm değişkenler standart puan biçiminde olduğunda) IQ’yu tahmin etmek için işlevsel denklem şudur:

• YˆIQ = .894(H ) + .447(E)

Böylece, kalıtımdaki (H) her 1 SD artış için IQ’da .894SD artış ve ortamdaki (E) her 1 SD artış için IQ’da .447SD artış var. Bu, H ve E’nin IQ’da değişiklik yaratma gücünün doğru ifadesidir; yani, IQ üzerindeki etkilerinin gerçek ifadesidir. Bu etkilerin göreceli boyutu .894/.447 = 2’dir.

Yani, kalıtımın zeka üzerindeki gerçek etkisi, indeksler için hesaplanan varyans yüzdesinin ima ettiği gibi 4 kat değil, çevreninkinin sadece iki katıdır. Varyansa dayalı indeksler, kalıtımla ilgili çevrenin nedensel etkisini 2 kat hafife alır. Ayrıca, çevrenin mutlak nedensel önemi de hafife alınır.

Doğru yorum, ortam 2 SD ile iyileştirilebilseydi, IQ’da (SDIQ = 15) beklenen artışın .447(2.00)(15) = 13.4 olacağını gösterir. Bu, çok önemli sosyal etkileri olan 86.6’dan 100’e bir artışa karşılık gelir. Bu doğru analiz, ortamın gerçek potansiyel etkisini gösterirken, ortamın IQ varyansının yalnızca %20’sini oluşturduğuna ilişkin varyansa dayalı ifade, çevrenin pek önemli olmadığı yolunda da yanlış bir izlenim bırakır. (Not: Kimsenin ortamı 2 SD ile nasıl artıracağını bilmediği gerçeği, buradaki noktanın dışında.)

Bu alışılmadık bir durum değil. Örneğin, Coleman Raporu (1966), diğer değişkenler kontrol edildiğinde, okul bölgeleri tarafından öğrenci başına harcanan paranın, öğrenci başarısındaki varyansın yalnızca küçük bir yüzdesini oluşturduğu sonucuna varmıştır. Rapor, kütüphaneler ve laboratuvarlar gibi finansal kaynakların ve tesislerin, öğrenci başarısı üzerinde çok az “kaldıraç” sağladıkları için çok önemli olmadığı sonucuna da varmıştır.

Ancak daha sonraki analizler, bu küçük varyans yüzdesinin, bu değişken için çok daha büyük olan standartlaştırılmış bir regresyon katsayısına karşılık geldiğini ve tesislerdeki iyileştirmelerin öğrenci başarısında sosyal ve pratik olarak önemli artışlar sağlayabileceğini de gösterdi.

The post Korelasyonların Meta Analizinde Teknik Sorular – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Bir Örnek: Geçerlilik Genellemesi

Şimdi bir sözel yetenek testi için varsayımsal, ancak gerçekçi bir geçerlilik genelleme örneği ele alacağız. Başvuru sahibi grupta (sınırsız grup) hesaplanan bu testin güvenilirliği, isrXXa =.85.Tablo 3.5a’dagösterilen12çalışma, daha önce işe alınmış olan iş görevlileri üzerinde hiçbir kaydımız olmayan çeşitli prosedürler kullanılarak yürütülmüştür; bu nedenle, herhangi bir aralık kısıtlamasıdır. Gözlenen geçerlilikler .07 ile .49 arasında değişmektedir ve 12 geçerlilik tahmininin sadece 7’si istatistiksel olarak anlamlıdır. Tablo 3.5a’daki ikinci sütundaki uX değerlerinin tümü 1,00’den küçüktür ve dolaylı aralık kısıtlaması olduğunu gösterir.

Denklem (3.16)’yı kullanarak bu uX değerlerini uT değerlerine dönüştürüyoruz, hangi tabloda gösterilmiştir. İş performansı güvenilirliklerinin ilk sütunu (ryyi) kısıtlı değerleri temsil eder (yani, görevdeki örneklerde hesaplananlar).

Bunlar, bu örnekteki hesaplamalar için gerekli olan ryy değerleridir. Theryya başvuru sahibi grubundaki tahmini ölçüt güvenirliklerine değer verir. (Bu değerler Bölüm 5’teki Denklem [5.20] kullanılarak hesaplanır.) Tablo 3.5a’daki test güvenilirlikleri kısıtlı (görevli grup) değerlerdir (yani, rXXi ). Dolaylı aralık kısıtlamasının etkileri nedeniyle, rXXi değerlerinin başvuru sahibi havuz değerinden rXXa = .85 daha küçük olduğuna dikkat edin. (Test güvenilirlikleri, Denklem [3.17c] kullanılarak rXXa = .85 değerinden hesaplanır.) Önce ölçüm için gözlemlenen her bir korelasyonu düzeltiriz. Her iki değişkende de hata ve ardından aralık kısıtlama düzeltme formülündeki uT değerlerini kullanarak aralık kısıtlaması için düzeltme yapın.

Bu düzeltilmiş korelasyonlar  son sütunda gösterilmiştir. Bu varsayımsal verileri oluşturmak için kullanılan temel gerçek puan (yapı düzeyi) korelasyonu ρ = .57’dir. Bununla birlikte, gerçek puan korelasyonu, operasyonel geçerliliği olduğundan fazla tahmin eder, çünkü gerçek testte gelecekteki iş performansını tahmin etmek için gözlemlenen test puanlarını kullanmalıyız ve başvuranların (bilinmeyen) gerçek puanlarını kullanamayız. Bu nedenle, bu örneği oluşturmak için kullanılan gerçek geçerlilik ρxyt = kısıtlamadır, meta-analiz her iki değişkende de ölçüm hatasını düzeltmelidir.

cma ile meta-analiz
meta-analiz çalışması örneği
Meta-analiz aşamaları
cma meta-analiz programı indir
Meta-sentez ve meta analiz arasındaki fark
Meta analiz nasıl yazılır
Meta-analiz etki büyüklüğü
Meta-analiz ile literatür taraması arasındaki farklar

Çalışılmış Bir Örnek: Dolaylı Menzil Kısıtlaması

Şimdi örneğimizdeki verilerin meta-analizine geçiyoruz. Hesaplamalarımız VG6-I bilgisayar programındakilerle aynıdır (dolaylı menzil kısıtlaması için). (Bu programı içeren yazılım paketinin mevcudiyeti için Ek’e bakın.) Her bir çalışmayı aşağıdaki gibi ağırlıklandırıyoruz.

Bu hesaplamalar için çalışma sayfası gösterilmektedir. Her çalışma için zayıflama faktörü, en kolay şekilde düzeltilmemiş korelasyonun düzeltilmiş korelasyona oranı olarak hesaplanır.

Bu varsayımsal örnekteki tüm çalışmalar aynı örnek boyutuna sahip olduğundan, bu, her çalışma için düzeltilmemiş korelasyonlardaki örnekleme hatası varyansının tahminidir.

Bu tahmin, Tablo 3.5b’deki “Basit Hata Varyansı” sütununda kaydedilmiştir. Ancak, düzeltme dönüşümünün türevi kullanılarak hesaplanan düzeltme faktörü kullanılarak daha doğru bir tahmin elde edilir.

Tahmini ortalama gerçek puan korelasyonu (.574) gerçek değere (.570) çok yakındır. Tüm anakütle korelasyonlarının aynı olduğu varsayıldığından, anakütle korelasyonlarının varyansı aslında 0’dır. Bu nedenle, örnekleme hatası varyansı, gözlemlenen varyansa eşit olmalıdır.

−.000994 değeri, 0’ın gerçek değerine çok daha yakındır ve yine doğru bir şekilde gerçek değerin 0 olduğunu gösterir. Her bir korelasyonu ayrı ayrı düzelten meta-analiz, VG6 programı kullanılarak bilgisayarda gerçekleştirilebilir. (Yazılım paketinin açıklaması için Ek’e bakın.) Bu programın doğrudan ve dolaylı menzil kısıtlaması için ayrı alt programları vardır.

Dolaylı menzil kısıtlaması durumunda, buradaki örneğimizde olduğu gibi, programa girilen güvenilirlikler kısıtlı gruptakiler olmalıdır. (Kısıtlanmamış bağımsız değişken güvenilirlikleri girilirse, program bunları Denklem kullanılarak sınırlı grup değerlerine dönüştürür) Aralık kısıtlaması düzeltmesinden önce her iki değişken için güvenilirlik düzeltmeleri yapılır.

Aralık kısıtlaması doğrudan ise, bağımlı değişken için güvenilirlik düzeltmesi, aralık kısıtlaması düzeltmesinden önce yapılabilir, ancak bağımsız değişkendeki güvenilmezlik düzeltmesi, sınırlamasız değişkendeki güvenilirlik (rXXa ) kullanılarak aralık kısıtlaması düzeltmesinden sonra yapılmalıdır.

Bunun nedeni, bağımsız değişken üzerindeki doğrudan aralık kısıtlamasının, seçilen örneklemde gerçek puanların ve ölçüm hatalarının (negatif olarak) ilişkilendirilmesine neden olması ve dolayısıyla güvenilirlik teorisinin altında yatan kritik varsayımı ihlal etmesidir.

Bu koşullar altında, seçilen örneklemdeki bağımsız değişkenin güvenirliği tanımlanamaz ve tanımlanamaz; bu nedenle, bu düzeltme, sınırlandırılmamış örnekte elde edilen bir rXXa tahmini kullanılarak, aralık kısıtlama düzeltmesi yapıldıktan sonra yapılmalıdır. Mendoza ve Mumford (1987) bu önemli gerçeğe işaret eden ilk kişilerdi.

Avcı ve ark. (2002) bu düşünceyi meta-analiz prosedürlerine dahil etmiştir. Elbette meta-analiz bir geçerlilik genelleme çalışması ise, bağımsız değişkende güvenilmezliği düzeltmeye gerek yoktur ve bu düzeltme basitçe atlanır.

Örneğimize dönersek, elde ettiğimiz .57’lik ortalama düzeltilmiş korelasyon gerçek geçerliliği tahmin etmez, çünkü bağımsız değişkendeki (yordayıcı testi) ölçüm hatası için düzeltilmiştir. .57 değeri, ortalama operasyonel geçerlilik (ρxyt) değil, ortalama gerçek puan korelasyonudur. Aday havuzu (sınırsız) grubunda (yani, örneğimizin başında belirtildiği gibi rXXa = .85) bu testin güvenilirliğini bildiğimiz için, gerekli operasyonel geçerlilik tahminlerini aşağıdaki gibi kolayca hesaplayabiliriz.

Yine, bu iki değer de doğrudur. Personel seçiminde uygulamalı çalışma için operasyonel geçerlilik tahminine ihtiyacımız olmasına rağmen, teorik araştırma (teori testi) için gerekli olan .57’lik yapı düzeyinde korelasyondur. Personel seçimi alanı dışındaki çoğu meta-analiz, oryantasyonda teoriktir.

Daha sonra, karşılaştırma amacıyla, gözlemlenen korelasyonlar (çıplak meta-analiz) ve tamamen düzeltilmiş korelasyonlar (tam meta-analiz) için örnekleme hatası düzeltmelerini sunuyoruz.

Bu sonuçlar Windows tabanlı VG6-I programı kullanılarak kontrol edilebilir (kullanılabilirlik için Ek’e bakın). Program sonuçları burada hesaplananlarla aynıdır. Düzeltilmemiş korelasyonların sonuçları, .28’lik bir yanlış ortalamayı (.57’nin gerçek değerine karşı) ve .07’lik bir standart sapmayı (gerçek standart sapmanın 0’a karşı) gösterir. Bu varsayımsal verileri oluşturmak için kullanılan gerçek etki büyüklüğü korelasyonu ile karşılaştırıldığında çıplak kemik meta-analizi çok yanlıştır. Bununla birlikte, düzeltilmemiş korelasyon meta-analizindeki hata, bilinen eserler ile tam olarak tutarlıdır.

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

Önceki bölümlerin örnekleri, bireysel çalışmaların genellikle yalnızca çok sınırlı bilgi içerdiğini göstermektedir. Örnekleme hatasının rastgele etkileri kaçınılmazdır. Ayrıca, çalışma tasarımlarındaki diğer artefaktlara genellikle araştırmacının kontrolü dışındaki faktörler neden olur. Bu nedenle, çoğu çalışmadaki bilgiler, Tablo 3.1’de listelenenler gibi istatistiksel eserler tarafından ve belki de daha da ilerideki araştırmalarda henüz tanımlanmamış ve ölçülmemiş eserler tarafından seyreltilmiştir.

Bu nedenle, sağlam sonuçlar, yalnızca bilgileri çalışmalar arasında birleştiren kümülatif araştırmalar üzerine inşa edilebilir. Geleneksel anlatı incelemesi bu karmaşık görev için açıkça yetersizdir. Bu nedenle meta-analizin alternatifi yoktur. Tek çalışma yapaylığının örnekleme hatası olduğu varsayılırsa, bu bölümde daha önce verilen meta-analiz teknikleri kullanılır. Ancak diğer artefaktlar tanınırsa ve artefaktlar hakkında bilgi mevcutsa, çalışma artefaktları düzeltilirse meta-analiz ile tahmin edilen değerler çok daha doğru olacaktır.

Üç tür eser vardır. İlk olarak, kötü veriler vardır: kayıt, hesaplama, raporlama ve transkripsiyon hataları. Hata o kadar büyükse, sonuçta ortaya çıkan korelasyon meta-analizde bir aykırı değerse, o zaman sapkın sonuç tespit edilebilir ve ortadan kaldırılabilir.

Aksi takdirde, hatalı veriler algılanmaz ve dolayısıyla düzeltilmez. İkincisi, örnekleme hatasının sistematik olmayan ve rastgele etkisi vardır. Bu etki meta-analizde ortadan kaldırılabilir veya en azından büyük ölçüde azaltılabilir. Üçüncüsü, tablo doğası gereği sistematik olan dokuz eser içermektedir. Bunlara “düzeltilebilir eserler” diyoruz. Düzeltilebilir her artefakt için, o artefakt için çalışma korelasyonunu düzeltmek için bilinmesi gereken nicel bir faktör vardır. Söz konusu araştırma alanı için gerekli yapı değerleri göz önüne alındığında, meta-analiz bu yapıyı düzeltebilir.

Meta-analizde üç durum vardır: (1) Artifakt değerleri her bir çalışmada tüm artefaktlar için verilir, (2) artefakt değerleri çeşitli çalışmalarda herhangi bir artefakt için yalnızca ara sıra verilir ve (3) artefakt değerleri şunlar için verilir. Her biri bazı eserler üzerinde çalışıyor, ancak diğer eserler üzerinde yalnızca ara sıra mevcut.

Bireysel olarak mevcut yapay bilgi durumu bu bölümde ele alınmaktadır. Sporadik olarak erişilebilen bilgiler durumu, son karışık yapay bilgi durumu (yani, yapay yapıtların tümü için değil, bazıları için her çalışma için yapay yapı bilgilerinin mevcut olduğu durum) gibi ele alınmaktadır.

Şimdi, neredeyse tüm bireysel çalışmalarda artefakt bilgisinin mevcut olduğu durumu ele alıyoruz. Eksik artefakt değerleri, bilgilerin verildiği çalışmalar arasında ortalama değer eklenerek tahmin edilebilir. Bu, daha sonra açıklanacak olan VG6 bilgisayar programımız tarafından otomatik olarak yapılır.

Bu noktada, her bir çalışma için her artefakt değeri mevcuttur. Meta-analizin üç aşaması vardır: (1) bireysel çalışmaların her biri için hesaplamaların yapılması, (2) çalışmalar arasında sonuçların birleştirilmesi ve (3) gerçek etki büyüklüğü korelasyonlarının tahmini ortalama ve varyansının hesaplanması.

cma ile meta-analiz
meta-analiz çalışması örneği
cma meta-analiz programı indir
Meta analiz Nedir
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz özellikleri
Meta analiz nasıl yazılır
Spss ile meta-analiz Nasıl Yapılır

Bireysel Çalışma Hesaplamaları

Her etüt için hesaplamalar, artefaktlar için korelasyonu düzeltmede kullanılan hesaplamalardır. Gözlenen çalışma korelasyonu ve bu çalışma için örneklem büyüklüğü ile başlıyoruz. Daha sonra, bu çalışma için her bir yapı bilgisi parçasını topluyoruz. Bu değerler bir tabloya yerleştirilir ve bir bilgisayar dosyasına okunabilir. Bu analiz, Windows tabanlı program VG6 tarafından gerçekleştirilebilir.

Daha sonra artefaktları düzeltmek için hesaplamaları yaparız. Çoğu durumda, düzeltilebilir her artefaktın etkisi, korelasyonu, “zayıflama faktörü” olarak adlandırdığımız, çarpımsal faktör olarak 1.00’den daha küçük olarak ölçülebilen bir miktar kadar azaltmaktır.

Bu koşullar altında, tüm düzeltilebilir artefaktların net etkisi, ayrı artefakt zayıflama faktörlerinin basitçe çarpılmasıyla hesaplanabilir. Bu, bir bileşik artefakt zayıflama faktörü ile sonuçlanır. Gözlenen çalışma korelasyonunu bileşik zayıflama faktörüne bölmek, bu artefaktların neden olduğu sistematik azalma için çalışma korelasyonunu düzeltir.

Her çalışma için önce her bir artefakt için artefakt zayıflama faktörünü hesaplıyoruz. Ayrı zayıflama faktörlerini a1, a2, a3 vb. ile belirtin. Birkaç artefakt için bileşik zayıflama faktörü üründür.

Bu rC tahmini, hafif bir aşağı (yani, negatif) önyargıya sahiptir ancak küçümseme derecesi çok küçüktür. Örnekleme hatasını tahmin etmek amacıyla, ortalama düzeltilmemiş korelasyonu tahmin etmek gereklidir. Bu, gözlemlenen ilişkilerin örnek boyutu ağırlık ortalamasıdır.

Düzeltilmiş korelasyondaki örnekleme hatası varyansı iki adımda hesaplanır. İlk olarak, düzeltilmemiş korelasyondaki örnekleme hatası varyansı hesaplanır. Daha sonra düzeltilmiş korelasyondaki örnekleme hatası varyansı bundan hesaplanır. Düzeltilmemiş korelasyondaki örnekleme hatası varyansı Var(eo), dir.

Örnekleme hatası varyansının önceki hesaplaması, tüm eserler için düzeltilir. Ancak, menzil düzeltmesinin örnekleme hatasına katkısına ilişkin tahminimizi hassaslaştırabiliriz. Menzil varyasyonu için zayıflama faktörü korelasyonun kendisini içerdiğinden, karşılık gelen örnekleme hatası artışı, zayıflama faktörünün kendisi yerine sadece zayıflamanın türeviyle orantılıdır. Bu fark birçok durumda küçüktür. Bununla birlikte, örnekleme hatası varyansı için daha karmaşık bir formül kullanılarak daha doğru bir tahmin hesaplanabilir. Önceki formülü kullanarak ve’nin ilk tahminini hesaplayın. İlk tahmini ve′ olarak etiketleyin.

Doğrudan menzil kısıtlaması durumunda. Dolaylı menzil kısıtlaması durumunda, UX için aynı formülü kullanın, ancak bunun yerine UT kullanın. Aşırı uç bir örnek düşünün: Bir personel seçim çalışmasında (yani doğrudan menzil kısıtlaması) yetenek dağılımının yalnızca üst yarısının seçildiğini varsayalım.

Çalışma popülasyonu standart sapması, uX = .60 faktörü ile referans popülasyon standart sapmasından daha küçüktür. uX’in tersi UX = 1/.60 = 1.67 olacaktır. Eğer çalışma korelasyonu (r0i ) .20 ise, o zaman a = .94 ve arıtma faktörü a2 = .88 olacaktır. Yani, bu çalışma için örnekleme hatası varyansı, basit zayıflama faktörü kullanılarak tahmin edilenden %12 daha küçük olacaktır.

Böylece, her çalışma i için dört sayı üretiyoruz: düzeltilmiş korelasyon rci , numune boyutu Ni , bileşik zayıflama faktörü Ai ve örnekleme hatası varyansı vei. Bunlar meta-analizde kullanılan sayılardır.

The post Bireysel Düzeltilmiş Korelasyonların Meta Analizi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Dolayısıyla meta-analizde geleneksel moderatör analizinde şanstan yararlanma sorununun son derece ciddi olduğu açıktır. Yayınlanmış meta-analizlerde regresyon ve korelasyon yöntemlerini kullanan birçok moderatör muhtemelen gerçek değildir. Tamamen ampirik olarak tanımlanan ve bir teori veya hipotez tarafından a priori tahmin edilmeyenlerin, özellikle örnekleme hatasında büyük harf kullanımıyla yaratılan yanılsamalar olması muhtemeldir.

Öte yandan, düşük istatistiksel güç nedeniyle gerçek olan moderatörlerin tespit edilmesi olası değildir. Bu bölümde daha önce yer alan istatistiksel güç tartışmaları, diğer korelasyonların yanı sıra çalışma özellikleri ve çalışma sonuçları arasındaki korelasyonlar için de geçerlidir.

Örneklem boyutu, çalışmaların sayısı genellikle küçüktür (örneğin, 40-100) ve gözlemlenen çalışma sonuç istatistiklerinin (rs ve d değerleri) varyansının çoğu örnekleme hatası varyansı ve diğer olduğundan çalışma karakteristik korelasyonlarının küçük olması muhtemeldir. yapay varyans. Bu nedenle, gerçek moderatörleri tespit etmek için istatistiksel güç tipik olarak oldukça düşük olacaktır. Bu nedenle, gerçek moderatörlerin tespit edilmesi olası değildir ve aynı zamanda, örnekleme hatasında büyük harf kullanımının mevcut olmayan moderatörlerin “tespit edilmesine” yol açması olasılığı yüksektir. Bu gerçekten mutsuz bir durumdur.

Çalışmalar arasındaki tüm varyasyonları yüz değerinden almak, örnekleme hatasının olmadığını varsaymaktır. Çoğu çalışma küçük örneklemlerle (örneğin, 500 denekten daha az) yapıldığından, örnekleme hatası, gözlemlenen sonuç değerlerine kıyasla oldukça büyüktür. Bu nedenle, örnekleme hatasını göz ardı etmek, analizin bir noktasında büyük istatistiksel hataları garantilemektir.

Klasik gözden geçirenin hatası, sonuç değerlerinin aralığını bildirmektir; aralık, çalışma setindeki en uç iki örnekleme hatası tarafından belirlenir. Birçok güncel meta-analizdeki hata, r veya d değerlerindeki çalışmalar arasındaki varyasyonu kodlanmış çalışma özellikleriyle ilişkilendirmede şans ve düşük istatistiksel güçten yararlanmadır.

Moderatör analizinde şans ve düşük istatistiksel güç üzerinde kapitalizasyon sorunlarına cevap verdiğimizi iddia etmiyoruz. Kanaatimizce bu sorunun istatistik içinde bir çözümü yoktur. İstatistiksel testin sorunu çözmediği istatistiklerde iyi bilinmektedir; Tip I hataya karşı Tip II hata değiş tokuşu kaçınılmazdır.

Bu nedenle, sorunlar yalnızca istatistiksel gerekçelerle çözülecekse, o zaman ince soruların yanıtı yalnızca daha fazla veri, genellikle büyük miktarda veri toplamak olabilir. Daha uygulanabilir bir alternatif, argümana dolaylı olarak yeni verilerin çekilmesine izin veren teoriler geliştirmektir. Bu yeni veriler daha sonra konunun teorik zeminde nesnel bir çözümüne izin verebilir.

Meta-analiz Nedir
Meta-analiz özellikleri
Meta-analiz makale Örneği
Cma ile Meta-Analiz
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz pdf
Meta-analiz yöntemi
cma meta-analiz programı indir

İleriye Bir Bakış

Ampirik araştırmalar için en yaygın iki araştırma tasarımı, ilişkisel çalışma ve iki grup müdahale çalışmasıdır (yani, bağımsız tedavi ve kontrol gruplu deneysel bir çalışma). İlişkisel tasarımlarda ilişkinin gücü genellikle korelasyon katsayısı ile ölçülür. Korelasyon katsayısını toplamak için yöntemler sunuyoruz. Bazıları korelasyon yerine eğim veya kovaryansın toplanması gerektiğini savundu.

Bununla birlikte, eğimler ve kovaryanslar, ancak her bir çalışmada bağımsız ve bağımlı değişkenleri ölçmek için tam olarak aynı araçlar kullanılıyorsa, çalışmalar arasında karşılaştırılabilir. Bunun doğru olduğu nadir bir çalışma grubudur. Bu nedenle, eğim veya kovaryans, tüm çalışmalarda aynı metrikte olduğu için yalnızca nadir durumlarda kümülatiflenebilir. Ayrıca, bir eğim veya kovaryans ile temsil edilen ilişkinin gücü, ancak bu sayılar standart sapmalarla karşılaştırıldığında, yani yalnızca korelasyon katsayısı hesaplandığında bilinebilir. Eğimlerin ve kesişimlerin kümülasyonunu ayrıntılı olarak inceleyeceğiz.

Tedavi etkilerine ilişkin deneysel çalışmalarda en yaygın olarak rapor edilen istatistik, t-testi istatistiğidir. Bununla birlikte, t, örneklem boyutunun karekökü ile çarpıldığından ve bu nedenle, çalışmalar arasında aynı metriğe sahip olmadığı için iyi bir etki gücü ölçüsü değildir. Örnek boyutu t istatistiğinden çıkarıldığında, elde edilen formül etki boyutu istatistiği d’dir. Etki büyüklüğü istatistiğini d’yi ele alacağız. Ayrıca onun korelasyonel analogunu, nokta ikili korelasyonunu da ele alacağız.

D değerlerini nokta ikili korelasyonlara dönüştürmek, bu korelasyonlar üzerinde meta-analizi yürütmek ve daha sonra nihai sonucu d-değeri istatistiğine dönüştürmek genellikle daha iyidir. Bazıları r veya d yerine varyans oranının kullanılmasını savunur, ancak açıklanan (veya açıklanan) varyans oranının birçok kusuru vardır. Örneğin, tedavi etkisinin işaretini veya yönünü korumaz. Ayrıca, işaret kaybının bir sonucu olarak, kare etkisi ölçüm ortalaması yanlı olur. Varyans indekslerinin oranı, daha ayrıntılı olarak tartışılmış ve eleştirilmiştir.

Korelasyon katsayısıyla ilgili bölümler ve d değerleriyle ilgili bölümler, her girişin istatistiksel olarak bağımsız bir örneğe dayandığını varsayar. Bununla birlikte, aynı çalışmadan bir korelasyon veya etki büyüklüğünün birden fazla ilgili tahmini elde etmek sıklıkla mümkündür. O halde, aynı çalışma içindeki bir ilişkinin birden fazla tahmini, çalışmalar arasında bir birikime nasıl katkıda bulunmalıdır? 

Artifaktlar İçin Tek Tek Düzeltilen Korelasyonların Meta Analizi

Korelasyon katsayısının boyutunu etkileyebilecek 11 çalışma tasarımı yapaylığını inceledik. Meta-analiz düzeyinde, bu artefaktlardan biri dışında hepsini düzeltmek mümkündür: raporlama veya transkripsiyon hatası. Aykırı değer analizi dışında, veri hatalarını düzeltmenin bir yolunu bilmiyoruz. Aykırı değer analizi, bazı kötü verileri tespit edebilir, ancak hepsini değil ve meta-analizde genellikle sorunludur. Örnekleme hatası düzeltilebilir, ancak düzeltmenin doğruluğu meta-analizin dayandığı toplam örnek boyutuna bağlıdır.

Toplam örnek boyutu sonsuza yaklaştıkça örnekleme hatası düzeltmesi mükemmel hale gelir. Bu bölümde ve Bölüm 4’teki meta-analiz tartışmamız, dolaylı olarak meta-analizin çok sayıda çalışmaya dayandığını varsayacaktır. Çalışma sayısı azsa, burada sunulan formüller yine de geçerlidir, ancak nihai meta-analiz sonuçlarında önemsiz olmayan örnekleme hatası olacaktır. Bu, Bölüm 9’da tartışılan “ikinci dereceden” örnekleme hatası sorunudur. 

Potansiyel olarak düzeltilebilir 10 çalışma tasarımı eseri listelenmiştir. Bir eserin etkisini düzeltmek için, eserin boyutu ve doğası hakkında bilgi sahibi olmamız gerekir. İdeal olarak, bu bilgi her bir çalışma (yani her bir korelasyon) için her eser için ayrı ayrı verilecektir. Bu durumda her bir korelasyon ayrı ayrı düzeltilebilir ve düzeltilen korelasyonlar üzerinden meta-analiz yapılabilir. Bu tür meta-analiz bu bölümün konusudur.

Artefakt bilgisi genellikle sadece ara sıra mevcuttur ve bazen hiç mevcut değildir. Ancak, artefaktların doğası öyledir ki, çoğu araştırma alanında, artefakt değerleri çalışmalar arasında bağımsız olacaktır. Örneğin, örneklem büyüklüğü büyük veya küçükse, ölçüm güvenilirliğinin daha yüksek veya daha düşük olacağını varsaymak için hiçbir neden yoktur. Yapıtlar birbirinden bağımsız ve gerçek popülasyon korelasyonunun boyutundan bağımsız ise, meta-analizi yapaylık dağılımlarına dayandırmak mümkündür. Yani, bağımsızlık varsayımı göz önüne alındığında, bireysel korelasyonları düzeltemesek de meta-analiz düzeyinde yapaylıkları düzeltmek mümkündür.

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

Örnekler, korelasyonel çalışmalar için istatistiksel gücü göstermektedir, ancak deneysel çalışmalar için eşit derecede gerçekçidir. Deneysel çalışmalarda temel istatistik, korelasyon katsayısı değil, iki grubun, deney ve kontrol gruplarının ortalamaları arasındaki standartlaştırılmış farktır. Bu, standart sapma birimlerindeki iki ortalama arasındaki farktır ve d-değeri istatistiği olarak adlandırılır.

d istatistiği, korelasyonun kabaca iki katı büyüklüğündedir. Bu nedenle, örnek, d = .51; bu, standart sapmanın yarısı kadar bir farktır, oldukça önemli bir farktır. Normal dağılımda 50. ve 69. persentiller arasındaki farka karşılık gelir. Şekil 2.8a için karşılık gelen örnek boyutları deney grubunda N = 42 ve kontrol grubunda N = 41 olacaktır (veya tam tersi). Bu sayılar da nispeten büyüktür; birçok çalışma her grupta çok daha azına sahiptir.

Örnek, birçok deneysel çalışma için daha gerçekçi bir analoga dönüşüyor. Deney ve kontrol gruplarında 20’şer deneğin bulunduğu deneysel çalışmalara karşılık gelir. Her grupta 20 veya daha az (bazen 5 veya 10) olan birçok çalışma, özellikle örgütsel davranış ve karar verme laboratuvar çalışmaları gördük. .20’nin ρ değeri, gerçek çalışmalarda gözlemlenen birçok değerden daha büyük veya daha büyük bir değer olan .40’lık bir d değerine karşılık gelir.

Bu nedenle, küçük örneklemli çalışmaların düşük istatistiksel gücünü gösteren bu iki örnek ve bu tür çalışmalarda anlam testlerinin geleneksel kullanımından kaynaklanan sonuçlardaki hatalar deneysel çalışmalara da genellenir. d istatistiğinin özellikleri biraz farklı olduğundan, burada istatistiksel güç için verilen kesin rakamlar geçerli olmayacaktır; istatistiksel güç, deneysel çalışmalarda aslında biraz daha düşüktür. Ancak rakamlar durumu açıklamaya yetecek kadar yakındır.

Meta-analiz, gösterilen çalışmaları ve 2.8b’yi nasıl ele alır? İlk olarak, meta-analiz, her bir çalışma grubundaki ortalama r’nin hesaplanmasını gerektirir. Çalışmalar için, ortalama r, doğru değer olan .25 olarak bulunacaktır. Çünkü hesaplanan ortalama yine doğru değer olan .20 olacaktır. Bu r ̄’ler daha sonra örnekleme hatasından beklenen varyans miktarını hesaplamak için kullanılacaktır.

Bu değer daha sonra, örnekleme varyansının üzerinde ve üzerinde herhangi bir varyansın bırakılıp bırakılmadığını görmek için gözlemlenen korelasyonlardaki varyans miktarından çıkarılır. Gözlenen varyans (.10344)2 = .0107’dir. Bu nedenle, bu çalışmalar arasındaki korelasyonlardaki gerçek varyans miktarı Sρ2 = .0107 − .0107 = 0’dır.

PRISMA Checklist Türkçe
cma meta-analiz programı indir
Meta-analiz Nedir
Meta-analiz pdf
Cma ile Meta-Analiz
meta-analiz nedir nasıl yapılır
meta-analiz örneği
sistematik derleme ve meta-analiz nedir

Meta-analitik sonuç, yalnızca bir ρ (ρ = .25) değerinin olduğu ve çalışmalar arasında rs’deki tüm görünür değişkenliğin örnekleme hatası olduğudur. Böylece meta-analiz doğru sonuca götürür, geleneksel yaklaşım ise çalışmaların %25’inde ρ = 0 olduğu ve diğer %75’inde .18 ile yaklaşık olarak .46 arasında değiştiği sonucuna yol açmıştır.

Gerçekte gözlemlenen varyans (.1537)2 = .0236 = Sr2’dir. Yine, Sr2 − Se2 = 0 ve meta-analitik sonuç, tüm çalışmalarda yalnızca bir ρ değerinin olduğu—ρ = .20- ve farklı çalışmalarda rs’deki tüm değişkenliğin yalnızca örnekleme hatası olduğudur. Yine meta-analiz doğru sonuca götürürken, istatistiksel anlamlılık testlerinin geleneksel kullanımı yanlış sonuçlara yol açar. Buradaki ilke, d istatistikleri için aynıdır. Yalnızca belirli formüller farklıdır.

Buradaki örnekler varsayımsaldır, ancak gerçekçi değildir. Aslında buradaki nokta, gerçek verilerin çoğu zaman aynı şekilde davranmasıdır. Örneğin, içindeki gerçek verileri düşünün. Bu veriler, Sears, Roebuck ve Company’de dokuz farklı iş ailesi üzerinde yapılan bir çalışmada elde edilen geçerlilik katsayılarıdır.

Bu yedi testten herhangi biri için geçerlilik katsayıları bazı iş aileleri için önemlidir, ancak diğerleri için değildir. Örneğin, aritmetik testinin 1, 2, 5, 8 ve 9 numaralı iş aileleri için önemli geçerlilik katsayıları vardır; geçerlilik iş aileleri 3, 4, 6 ve 7 için önemli değildir. 9, çünkü bu iş aileleri için geçerli, diğerleri için geçerli değil.

Bu sonuç hatalıdır. Bu kitapta sunduğumuz meta-analiz yöntemlerinin uygulanması, Tablo 2.3’teki testler için iş aileleri arasındaki geçerliliklerdeki tüm farklılıkların örnekleme hatasından kaynaklandığını göstermektedir. Anlamlı olmayan geçerlilikler sadece düşük istatistiksel güçten kaynaklanmaktadır.

Örnekleme hatasının gerçek verilerdeki çalışma sonuçlarındaki tüm varyasyonu açıkladığı bir başka örnek Schmidt, Ocasio ve ark. (1985). Bu kapsamlı çalışmada, gözlemlenen korelasyon katsayıları, farklı çalışmalarda -.16’dan .61’e kadar, .78 korelasyon noktası aralığında değişiklik göstermiştir. Yine de ρ’nın gerçek değeri her çalışmada .22’de sabitti. (Aslında, her çalışma tek bir büyük çalışmadan rastgele bir örneklemdi.) Küçük örneklemli çalışmalarda örnekleme hatası, çalışma sonuçlarında muazzam değişkenlik yaratır. Araştırmacılar onlarca yıldır örnekleme hatasının ne kadar değişkenlik ürettiğini hafife aldılar.

Elbette örnekleme hatası, tüm çalışma setlerindeki tüm varyasyonu açıklamaz. Çoğu durumda, bu bölümde daha önce tartışıldığı gibi, diğer artefaktlar da çalışma sonuçlarında farklılıklara neden olur. Ve bazı durumlarda, örnekleme hatası ve diğer artefaktların (ölçüm hatası ve çalışmalar arasındaki aralık kısıtlama farklılıkları gibi) kombinasyonu bile tüm varyansı açıklayamaz. Bununla birlikte, bu artefaktlar hemen hemen her zaman çalışma sonuçlarındaki önemli miktardaki varyansı hesaba katar.

Ne Zaman ve Nasıl Biriktirilir?

Genel olarak, çalışmalar arasında sonuçların bir meta-analitik kümülasyonu kavramsal olarak basit bir süreçtir.

1.Mevcut her çalışma için istenen tanımlayıcı istatistiği hesaplayın ve bu istatistiğin çalışmalar arasında ortalamasını alın.
2. Araştırmalar arası istatistiklerin varyansını hesaplayın.
3.Örnekleme hatası nedeniyle miktarı çıkararak varyansı düzeltin.
4.Örnekleme hatası dışındaki çalışma gerçekleri için ortalamayı ve varyansı düzeltin.
5. Niteliksel olarak çalışmalar arasında sonuçlardaki potansiyel varyasyonun boyutunu değerlendirmek için düzeltilmiş standart sapmayı ortalamayla karşılaştırın. Ortalama, 0’dan büyük iki standart sapmadan fazlaysa, o zaman göz önünde bulundurulan ilişkinin her zaman pozitif olduğu sonucuna varmak mantıklıdır.

Uygulamada, kümülasyon genellikle daha sonraki bölümlerde inceleyeceğimiz çeşitli teknik karmaşıklıkları içerir.
Sonuçların kümülasyonu, aynı ilişkiyle ilgili veriler içeren en az iki çalışma olduğunda kullanılabilir. Örneğin, Crooked Corn Flakes’teki çalışmanız iş durumu ile iş tatmini arasında bir korelasyon içeriyorsa, bu korelasyonu Tuffy Bolts’taki daha önceki çalışmanızda bulunan korelasyonla karşılaştırmak isteyebilirsiniz.

Ancak, iki bağıntılı örnekleme hatasını düzeltmek için sunulan düzeltilmiş varyans prosedürlerinden farklı bir strateji kullanmak mümkündür. güven aralıkları örtüşürse, iki korelasyon arasındaki fark yalnızca örnekleme hatasından kaynaklanıyor olabilir ve ortalama, ortak değerlerinin en iyi tahminidir.

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

Endüstriyel-örgütsel (I/O) psikolojide meta-analizin sayısız uygulaması olmuştur. Giriş/Çıkış psikolojisinde meta-analizin en kapsamlı ve ayrıntılı uygulaması, istihdam seçim prosedürlerinin geçerliliklerinin genelleştirilebilirliğinin incelenmesi olmuştur. Bulgular, personel seçimi alanında büyük değişikliklerle sonuçlanmıştır. Geçerlilik genelleme araştırması Bölüm 4’te daha ayrıntılı olarak açıklanmaktadır.

Bu bölümde sunulan meta-analiz yöntemleri, I/O psikolojisi ve örgütsel davranışın (OB) diğer alanlarında uygulanmıştır. 1978 ile 1998 arasında, yaklaşık 80 yayınlanmış seçim dışı başvuru olmuştur.

Aşağıda bazı örnekler verilmiştir: (a) rol çatışması ve rol belirsizliği arasındaki bağıntılar (b) iş tatmini ile devamsızlık arasındaki ilişki; (c) iş performansı ve ciro arasındaki ilişki; (d) iş tatmini ve iş performansı arasındaki ilişki; (e) seçim dışı kurumsal müdahalelerin çalışan çıktısı ve üretkenliği üzerindeki etkileri; (f) gerçekçi iş önizlemelerinin çalışan devri, performansı ve memnuniyeti üzerindeki etkileri (g) Fiedler’in liderlik teorisinin değerlendirilmesi; ve (h) kendi kendine yetenek ve beceri değerlendirmelerinin doğruluğudur.

I/O psikolojisindeki çoğu meta-analiz, bu kitapta sunulan yöntemleri kullanmıştır. Tablo 1.5, 1974-2000 dönemi için en iyi iki I/O dergisi için yöntemlere göre dökümü göstermektedir. Bu dönemde, bu iki dergide 116 meta-analiz yayınlandı. Ek olarak, her yayın tipik olarak 15 ila 20 ayrı meta-analiz bildirdi, bu nedenle toplam meta-analiz sayısı çok daha fazlaydı.

Uygulamalar hem korelasyonel hem de deneysel literatüre yapılmıştır. 1980’lerin ortalarından itibaren, I/O psikolojisinde bu alandaki meta-analitik çalışmaların bir incelemesinin de yayınlandığı yeterli meta-analizler yayınlanmıştır. Bu uzun inceleme, bu literatürün zaten oldukça genişlemiş olduğu gerçeğini yansıtıyordu.

Gözden geçirmenin teorik önermelerin geliştirilmesi ve sunumuna önemli ölçüde yer ayırması dikkate değerdir; bu mümkündü çünkü meta-analiz tarafından üretilen araştırma literatürlerinin açıklığa kavuşturulması, daha önce var olmayan teori geliştirme için bir temel sağladı. Ayrıca, bir meta-analizdeki bulguların, diğer meta-analizlerdeki bulguların yorumlanmasıyla teorik olarak ilgili olduğunun bulunması da dikkate değerdir. O zamandan beri meta-analitik I/O psikolojisinin ikinci bir incelemesi yayınlandı.

I/O ve OB literatürlerinde şu anda mevcut olan çok sayıda meta-analiz göz önüne alındığında, bazı okuyucular meta-analiz ilkelerini ve yöntemlerini göstermek için bu kitapta kullandığımız örneklerin neden bu meta-analizlerden elde edilen verileri kullanmadığını merak edebilirler. Birincil neden, veri miktarının (ilişki veya d istatistiklerinin sayısı) genellikle hantal örneklerle sonuçlanacak kadar büyük olmasıdır.

Pedagojik nedenlerle, genellikle verilerin varsayımsal olduğu az sayıdaki çalışmadan oluşan örnekler kullandık. İlerleyen bölümlerde açıklandığı gibi, bu kadar az sayıda çalışmaya dayanan meta-analizler, normalde optimal olarak istikrarlı olacak sonuçlar vermeyecektir. Bununla birlikte, bu tür örnekler, meta-analizin ilkelerini ve yöntemlerini basit ve net bir şekilde göstermenin yollarını sağlar ve bunun çok önemli olduğuna inanıyoruz.

Cma ile Meta-Analiz
Meta analiz avantaj dezavantaj
Meta-analiz özellikleri
meta-analiz örneği
Meta-analiz Nedir
Meta-analiz programı
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz aşamaları

Meta-Analizin Psikoloji Üzerindeki Daha Geniş Etkisi

Bazıları meta-analizi sadece literatür taraması yapmak için geliştirilmiş bir dizi yöntem olarak gördü. Meta-analiz aslında bundan daha fazlasıdır. Meta-analiz, çeşitli araştırmalardaki bulguları nicel olarak karşılaştırarak, herhangi bir bireysel çalışmadan çıkarılamayan yeni bilgileri keşfedebilir ve bazen meta-analizde yer alan bireysel çalışmaların hiçbirinde ele alınmamış soruları yanıtlayabilir.

Örneğin, hiçbir bireysel çalışma, daha yüksek ve daha düşük zihinsel yeteneğe sahip insanlar için bir eğitim programının etkililiğini karşılaştırmamış olabilir; Bununla birlikte, farklı çalışma grupları arasında ortalama d-değeri istatistiklerini karşılaştırarak, meta-analiz bu farkı ortaya çıkarabilir. Yani, herhangi bir bireysel çalışmada hiç çalışılmamış moderatör değişkenler (etkileşimler) meta-analiz ile ortaya çıkarılabilir.

Bundan çok daha fazlası olsa da, meta-analiz gerçekten de araştırma literatürlerini sentezlemek veya bütünleştirmek için geliştirilmiş bir yöntemdir. Psikolojide önde gelen inceleme dergisi Psychological Bulletin’dir. Bu derginin 1980’den 2000’e kadar olan ciltlerine bakıldığında, meta-analizin etkisi açıktır. Bu süre zarfında, bu dergide yayınlanan incelemelerin düzenli olarak artan bir yüzdesi meta-analizlerdir ve giderek azalan bir yüzde, geleneksel anlatıya dayalı öznel incelemelerdir.

Öyküleyici inceleme yazılarının, gözden geçirilen çalışmalara meta-analiz uygulanması talebiyle editörler tarafından yazarlara iade edilmesi nadir görülen bir durum değildir. Psikolojik Bülten’de bugün yayınlanan geri kalan anlatı incelemelerinin çoğu, nicel tedaviye uygun olmak için yeterince gelişmemiş araştırma literatürlerine odaklanmaktadır.

Psikolojik Bülten’de görünen meta-analizlerin çoğu, çoğu durumda meta-analiz bulgularının kesinliğinin abartılmasıyla sonuçlanan sabit etkiler yöntemlerini kullanmıştır.  Bu gerçeğe rağmen, bu meta-analizler, geleneksel anlatı öznel yöntemiyle üretilenlerden çok daha üstün bulgular ve sonuçlar üretir. Diğer birçok dergi, yayınlanan meta-analizlerin sayısında zamanla aynı artışı göstermiştir. Bu dergilerin çoğu geleneksel olarak yalnızca bireysel ampirik çalışmaları yayınlamış ve 1970’lerin sonlarında meta-analizin ortaya çıkmasına kadar nadiren inceleme yayınlamıştı.

Bu dergiler meta-analizler yayınlamaya başladılar çünkü meta-analizler “sadece incelemeler” olarak değil, kendi içlerinde bir ampirik araştırma biçimi olarak görülmeye başlandı. Bu değişikliğin bir sonucu olarak, çok çeşitli dergilerde ve psikolojide buna karşılık gelen çeşitli araştırma alanlarında araştırma literatürlerinden elde edilen sonuçların kalitesi ve doğruluğu arttı. Araştırma literatürlerinden elde edilen sonuçların kalitesindeki bu gelişme, psikolojinin birçok alanında teori gelişimini hızlandırmıştır.

Meta-analizin psikoloji ders kitapları üzerindeki etkisi olumlu ve dramatik olmuştur. Ders kitapları önemlidir, çünkü işlevleri belirli bir alandaki kümülatif bilginin durumunu özetlemektir. Öğrencilerin çoğu ve diğerleri, psikolojik teori ve bulgular hakkındaki bilgilerinin çoğunu ders kitaplarını okuyarak edinirler.

Meta-analizden önce, ders kitabı yazarları tek bir soru üzerinde yüzlerce çelişkili çalışma ile karşı karşıya kaldılar, öznel ve keyfi olarak, tercih ettikleri az sayıda çalışmayı literatürden seçtiler ve ders kitabı sonuçlarını sadece bu birkaç çalışmaya dayandırdılar. Günümüzde çoğu ders kitabı yazarı, sonuçlarını meta-analiz bulgularına dayandırarak, sonuçlarını ve ders kitaplarını çok daha doğru hale getirmektedir. Psikolojide kümülatif bilginin ilerlemesinde bu gelişmenin önemini ne kadar vurgulasak azdır.

The post Meta-Analizin Psikoloji Üzerindeki Daha Geniş Etkisi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Kümülatif meta-analiz, ilgili tüm çalışmalar analize dahil edilene kadar önce bir çalışma, ardından iki çalışma vb. ile gerçekleştirilen bir meta-analizdir. Bu itibarla, kümülatif bir analiz, standart bir analizden farklı bir analitik yöntem değil, sadece bir dizi ayrı analizin tek bir tabloda veya çizimde gösterilmesi için bir mekanizmadır.

Seriler, bir faktöre dayalı olarak bir sıraya göre sıralandığında, ekran, etki büyüklüğüne (ve kesinliğine) ilişkin tahminimizin bu faktörün bir fonksiyonu olarak nasıl değiştiğini gösterir. Çalışmalar kronolojik olarak sıralandığında, ekran, kanıtların nasıl biriktiğini ve belirli bir süre içinde sonuçların nasıl değişebileceğini gösterir.

Örneğin, Lau ve diğerleri tarafından yayınlanan sistematik incelemeyi düşünün. (1992), bir miyokard enfarktüsünü takiben ölümü önlemede streptokinazın etkisine baktı. Streptokinaz, kalp krizine neden olan kan pıhtısını çözme ve böylece kalp kasındaki hasarı azaltma potansiyeline sahip bir ilaçtır.

Sistematik derleme, 29 yıllık bir süre boyunca yayınlanmış 33 çalışmanın verilerini sentezler. Miyokard enfarktüsü geçiren hastaların streptokinaz veya plaseboya atandığı ve hekimlerin her gruptaki ölüm oranlarını kaydettiği tüm çalışmalar aynı temel formatı izledi.

Standart meta-analiz gösterilir. Fletcher, 0,229 risk oranıyla, 0,030 ila 1,750 arasında %95 güven aralığıyla ilk sırada görünür. p değeri 0.155, örneklem büyüklüğü 23 ve yıl 1959. Dewar bir sonraki satırda 0.571 risk oranıyla, 0.196’dan 1.665’e %95 güven aralığıyla görünür. p değeri 0.305, örneklem büyüklüğü 42 ve yıl 1963’tür. Kalan 31 çalışma için bu şekilde devam eder.

Çalışmaların boyutu önemli ölçüde farklılık göstermiştir, beşi 40’tan az hastayı içerirken, biri (1986’da GISSI-1) 11.712 hastayı ve bir tanesi (1988’de ISIS-2) 17.187 hastayı kaydetmiştir. Tüm çalışmalarda toplam 18.532 hasta tedaviye ve 18.442 kontrole atandı. İki gruptaki ölüm sayısı 2375’e karşı 1892 idi. Özet etki (rastgele etkiler modeli kullanılarak) 0,724 ila 0,870 arasında %95 güven aralığı ve 0,0000008 p değeri ile 0,794’lük bir risk oranı olarak gösterilir.

Kümülatif meta-analiz gösterilir. Burada aynı 33 çalışmaya sahibiz ancak her satırdaki değerler o çalışmanın istatistikleri değil. Bunun yerine, o satıra kadar olan tüm çalışmaları temel alan bir meta-analizin özet değerleridir. Fletcher olarak işaretlenen satır yalnızca Fletcher’ı temel alır ve bu nedenle önceki şekildeki ilk satırla aynıdır. Dewar olarak işaretlenmiş satır, Fletcher ve Dewar’a dayalı bir meta-analizin sonuçlarını gösterir. Ve benzeri. (Orman arsasının ölçeğinin değiştirildiğini unutmayın.)

Beklenebileceği gibi, grafiği aşağı doğru hareket ettirdikçe etki büyüklüğü stabilize olma eğilimindedir (veri hacmi biriktikçe, herhangi bir yeni çalışmanın ani bir kayma oluşturması daha az olasıdır) ve güven aralıkları daralma eğilimindedir (veri miktarı artışlar). Arsa üzerindeki son çalışma Wisenberg’dir. Bu satırdaki analiz 33 çalışmanın tamamının verilerini içerdiğinden, bu satırdaki istatistikler özet satırında gösterilenlerle aynıdır. Bu aynı zamanda özet satırıyla da eşleşir.

Cma ile Meta-Analiz
cma meta-analiz programı indir
Meta-analiz Eğitimi
PRISMA Checklist Türkçe
Meta-analiz etki büyüklüğü
Meta analiz
PRISMA akış şeması
Meta-regresyon nedir

NEDEN KÜMÜLATİF META ANALİZ YAPILMALIDIR?

Bir eğitim aracı olarak kümülatif meta-analiz

Lau et al. araştırma sürecinin bir parçası olarak meta-analizin potansiyel etkisini göstermek için streptokinaz analizini kullandı. Onlarca yıl önce meta-analiz araştırmacılar için mevcut olsaydı, o zaman streptokinazın faydalarının 1977 kadar erken bir tarihte kurulabileceğini savundular.

Araştırmacılar, Avustralya-2 çalışmasının dahil olduğu ve öncesindeki çalışmaları kullanarak 1977’de bir meta-analiz yapsalardı, risk oranının 0,81 olduğunu ve p değeri 0,020 olduğunu bulurlardı. Meta-analiz henüz yararlı bir araç olarak kabul edilmediğinden, araştırmacılar ek çalışmalar yapmaya devam ettiler.

Avustralya-2 çalışmasının ardından yayınlanan çalışmalar, yaklaşık %50’si plaseboya atanan toplam 32.660 hastayı kaydetmiştir. Bu çalışmalarda, plasebo hastaları arasında, tedavi edilen hastalardan 414 daha fazla ölüm meydana geldi. Lau et al. 1977’de meta-analiz yapılmış olsaydı, tedavinin etkinliğinin o noktada belirlenebileceğini ve sonraki denemelerden kaçınılabileceğini savundu. Bu denemelerde plasebodan ölen hastaların bir kısmı kurtarılmakla kalmayacak, aynı zamanda ilaç bakım standardı haline gelecek ve dünya çapında sayısız erken ölüm önlenebilirdi.

Belirli sayılarla tartışılabilir. Özellikle, kümülatif verilere tekrar tekrar baktığımızda, tedavinin etkili olduğuna karar vermeden önce 0.05’ten daha muhafazakar bir anlamlılık kriteri kullanmamız gerekebilir.

Ek olarak, Avustralya-2 çalışmasının ardından yayınlanan bazı denemeler, Avustralya-2 çalışması yayınlandığında zaten devam etmekteydi. Bununla birlikte, temel argüman zorlayıcıdır ve tıp camiasının dikkatini çekmiştir. Bu kümülatif analiz, karar verme için yararlı bir mekanizma olarak meta-analiz için kabul görmede önemli bir rol oynadı.

Yukarıdakiler, sonraki çalışmaları yapan kişilere yönelik bir eleştiri olarak alınmamalıdır. Meta-analiz 1970’lerde ve 1980’lerde geniş çapta kabul görmedi (aslında şu anda bile evrensel olarak kabul edilmiyor) ve bu nedenle o zamanlar basitçe bir seçenek değildi.

Verilerdeki kalıpları belirlemek 

Kümülatif analizler en çok zaman içindeki kanıt modelini göstermek için kullanılsa da, aynı teknik başka amaçlar için de kullanılabilir. Verileri kronolojik olarak sıralamak yerine, herhangi bir değişkene göre sıralayabilir ve ardından efekt boyutlarının modelini görüntüleyebiliriz.

Örneğin, homeopatik ilaçların etkisini inceleyen 100 çalışmamız olduğunu varsayalım ve bu etkinin körleme sürecinin kalitesiyle ilgili olduğunu düşünüyoruz. Tam körleme ile yapılan çalışmaların hiçbir etki göstermeyeceğini, düşük kaliteli körlemenin küçük bir etki göstereceğini, sadece bazı insanları kör edenlerin daha büyük bir etki göstereceğini vb. tahmin ediyoruz.

Çalışmaları körlemenin kalitesine göre (yüksekten düşüğe) sıralayabilir ve ardından kümülatif bir analiz yapabiliriz. Beklentilerimiz doğru olsaydı, kümülatif etki başlangıçta sıfıra yakın olurdu, bir sonraki (düşük) kalite düzeyine geçtikçe artacak ve bir sonraki düzeyde biraz daha artacaktı.

Benzer şekilde, yayın yanlılığının olası etkisini göstermek için kümülatif analizleri kullanabiliriz. Ayrıntılar burada tekrarlanmayacak, ancak ele alınan sorun, büyük çalışmaların tarafsız olduğunun varsayılması, ancak daha küçük çalışmaların etki büyüklüğünü olduğundan fazla tahmin etme eğiliminde olmasıdır.

Daha büyük çalışmaları en üste girerek ve daha küçük çalışmaları en alta ekleyerek kümülatif bir analiz yapabiliriz. Etki, büyük (tarafsız) çalışmalar dahil edildiğinde başlangıçta küçük olsaydı ve daha sonra daha küçük çalışmalar eklendiğinde arttıysa, etki büyüklüğünün örneklem büyüklüğü ile ilişkili olduğundan gerçekten endişe duyacağız. Kümülatif analizin bir yararı, yalnızca etki boyutunda bir kayma olup olmadığını değil, aynı zamanda kaymanın büyüklüğünü de göstermesidir.

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