Ham puan işleme etkisi, işleme sürecinin doğasına göre belirlenir. Bu nedenle, aynı işlem farklı ortamlarda kullanılıyorsa, yaklaşık olarak aynı kalmalıdır. Ancak çalışma grubunun standart sapması, tedavi süreciyle değil, söz konusu grubun seçiminin doğasıyla belirlenir. Bu nedenle, çalışma popülasyonu bazı ortamlarda diğerlerinden daha homojen olabilir. Standartlaştırılmış tedavi etkisi buna bağlı olarak değişecektir.

Kutuplaşmış bir siyasi konu üzerinde yapılmış bir tutum değişikliği çalışmasını düşünün. İlk tutumlar, bir grup Cumhuriyetçide, politik olarak seçilmemiş bir nüfusa göre çok daha homojen olacaktır. Cumhuriyetçiler arasındaki standart sapmanın, karma bir popülasyondaki standart sapmanın yalnızca yarısı büyüklüğünde olduğunu varsayalım, diyelim ki karma popülasyonda σ = 50 ve  σ = 25.

Ham puan formunda mesajın ürettiği değişiklik 10 puan ise, o zaman karma bir popülasyon üzerinde yapılan bir çalışma 10/50 = .20’lik standart bir etki büyüklüğü üretirken, Cumhuriyetçi bir popülasyon üzerinde yapılan aynı çalışma standartlaştırılmış bir etki büyüklüğü üretecektir. 10/25 = .40 efekt büyüklüğü, iki kat daha büyük standart bir efekt büyüklüğü önemlidir.

İstatistiksel güç açısından, daha homojen bir popülasyon kullanarak bir çalışma yapmanın önemli bir avantajı vardır. Siyasi tutum örneğini tekrar ele alalım. Araştırmayı genel bir popülasyon üzerinde yapan araştırmacının etki büyüklüğü δ = .20 olurken, Cumhuriyetçi bir popülasyon üzerinde yapılan aynı çalışmanın etki büyüklüğü δ = .40 olacaktır. N = 100’lük bir çalışma örneklem büyüklüğü göz önüne alındığında, genel popülasyon üzerindeki çalışmanın istatistiksel gücü %17 olurken, homojen popülasyon üzerindeki güç üç kat daha yüksek %51 olacaktır.

Genel nüfusu inceleyen araştırmacı, verilerini Cumhuriyetçiler ve Demokratlar olarak ayırarak ve ardından iki grup içi karşılaştırmadan elde edilen sonuçları uygun şekilde birleştirerek benzer bir güç kazancı elde edebilirdi. Bu, kovaryans analizinden veya “düzeylere göre işleme” tasarımının kullanılmasından kaynaklanan güç kazancıdır.

Meta-analiz amaçları için, referans popülasyon olarak bir popülasyon seçelim. Tüm etki büyüklüklerinin bu referans popülasyonu cinsinden ifade edilmesini istiyoruz. Bunu yapmak için, çalışma popülasyonunun standart sapmasının referans popülasyonun standart sapmasına oranını bilmeliyiz. İki popülasyonun standart sapmalarını ile gösteriniz.

Yani, referans popülasyona kıyasla çalışma popülasyonu ne kadar homojen olursa, çalışma etki büyüklüğü o kadar büyük olur.
Menzil varyasyonunu düzeltmek için, sadece önceki denklemi ters sırada kullanmamız gerekir.

Meta-analizde, bu formül, çalışma etki büyüklüklerinin her birini aynı referans popülasyon değerine göre düzeltmek ve böylece homojenlikteki farklılıklardan dolayı etki büyüklüğündeki farklılıkları ortadan kaldırmak için kullanılabilir. Ancak bu düzeltme, tüm çalışmalarda bağımlı değişken için aynı ölçüm ölçeğinin kullanılmasını gerektirmektedir. Bu nadiren olur, bu nedenle bu düzeltme genellikle yapılamaz.

Değişim aralığı hesaplama
Aralık tahmini İstatistik
Değişim aralığı nedir
Değişim katsayısı nedir
Varyans Nedir
Ortalama Sapma hesaplama
Türkiye çalışan sayısı 2021

Bağımlı Değişkenin İkiye Ayrılması

Bazı çalışmalarda, sürekli bir bağımlı değişken ikiye ayrılır. Örneğin, gerçekçi bir iş ön izlemesinin müteakip ciro üzerindeki etkisine ilişkin araştırmalarda, çoğu araştırmacı, doğal bağımlı değişken olan görev süresi, yani işçinin firmada kaldığı süreyi kullanmaz. Bunun yerine, ikili bir “devir” değişkeni yaratmak için görev süresini ikiye ayırırlar; örneğin bir işçinin 6 aydan fazla kalıp kalmadığını görebilirler.

Dikotomizasyona özgü bilgi kaybı, etki büyüklüğünde bir azalmaya ve buna karşılık gelen istatistiksel güçte bir kayba neden olur (MacCallum, Zhang, Preacher ve Rucker, 2002). Geniş bir değer aralığında, efekt boyutundaki bu yapay azalma düzeltilebilir. Bununla birlikte, tek bir çalışma içinde, istatistiksel düzeltme formülü, daha yüksek düzeyde istatistiksel gücü geri yüklemez.

İşlem değişkenini T ile ve sürekli bağımlı değişkeni Y ile ifade edin. İkiye ayrılmış bağımlı değişkeni Y’ ile gösterin. İkiye ayırmanın etkisi, rTY bağıntısını, büyüklük olarak daha düşük olan bağıntı rTY’ ile değiştirmektir. İstatistiksel anlamlılık testi daha sonra, buna karşılık gelen daha düşük güce sahip daha küçük rTY’ üzerinde yapılır.Değerlendiriciyi TY’ye geri yükleyen bir düzeltme formülü arıyoruz.

Nüfus düzeyinde çalışan yaklaşık bir formül var. Bu formülün örnek düzeyinde uygulanması, korelasyondaki sistematik hatayı ortadan kaldırır, ancak dikotomizasyon nedeniyle bilgi kaybından kaynaklanan daha büyük örnekleme hatasını ortadan kaldırmaz. Formül, örnekleme hatasının etkisinin büyük ölçüde azaltıldığı meta-analizde iyi çalışır.

Kesitsel bir korelasyon için, bağımlı değişkenin ikiye bölünmesi, korelasyonu, ölçüm hatası nedeniyle zayıflamaya benzer bir çarpım kuralı formülüyle azaltır. Düzeltme formülü, “nokta ikili korelasyon”dan “iki seri korelasyon” oluşturan formül olarak bilinir. Bağımlı değişken normal bir dağılıma sahip olmadığı için bu formül tedavi korelasyonları için çalışmaz.

Tedavi etkisi, deney grubunun dağılımının kontrol grubunun dağılımından ayrılmasına neden olur. İki grup bir araya getirildiğinde, kombinasyon dağılımı normal değildir. Bunu görmek için, tedavi etkisinin büyüklük olarak 3 standart sapma olduğu aşırı durumu düşünün. İki dağılım pek örtüşmez ve birleşik dağılım belirgin bir şekilde iki modludur.

Bununla birlikte, iki serili korelasyon formülünün, olağan etki büyüklükleri ve dağılım bölmeleri aralığı üzerinde bir yaklaşım olarak oldukça iyi çalıştığını göstereceğiz. Bu, tedavi etkisi çok büyük olmadığı sürece birleşik dağılımın yaklaşık olarak normal olduğu gerçeğine karşılık gelir. Birleştirilmiş gruplarda, “yüksek” bölünmedeki insanların oranının p, “düşük” bölünmedeki oranın ise q = 1 – p olduğunu varsayalım.

Normal bir dağılım için, böyle bir bölünmeye karşılık gelen bir z değeri olacaktır (birleşik dağılım tam olarak normal olmasa da). Bu değeri “cutoff” değeri olarak adlandırın ve c ile gösterin. Normal yoğunluk fonksiyonunun veya “normal ordinatın” c’deki değeri φ(c) ile gösterilir. Tedavi korelasyonundaki zayıflama yaklaşık olarak iki serili zayıflama formülü ile verilmektedir.

Formülün doğru olduğu aralık gösterilmiştir. Tablo 6.3, gerçek sürekli değişken korelasyonu ve iki serili düzeltme formülü kullanılarak düzeltilmiş zayıflatılmış ikili değişken korelasyonu için karşılaştırma oranını sunar. Oran, düzeltilmiş/gerçek sıradadır ve yüzde olarak ifade edilir. Örneğin, sürekli bir popülasyon için d = .40 ve birleşik popülasyondaki medyan bölünme p = .50 için oran 101’dir.

Yani, gerçek sürekli tedavi korelasyonu rTY = .20 iken, düzeltilmiş ikiye bölünmüş korelasyon 1.01(.20) = .202’dir, bu, yuvarlama hatasından daha küçük bir hatadır. Hata, çoğu güncel meta-analizdeki değer aralığı olan −.51 < d < +.51 ve 09 < p < .91 değer aralığı için her zaman yuvarlama hatasından daha azdır. Tablo 6.3’teki en uç durum için, d = 1.10 ve p = .90, gerçek korelasyon .48’dir ve düzeltilmiş korelasyon .93(.48) = .45’tir; bu, pratikte görünür ancak yine de büyük olmayan bir hatadır.

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

Meta-analizlerin sonuçlarının anlatı incelemelerinin sonuçlarıyla karşılaştırılmasında oldukça açıktır. İncelenen çoğu soru için, meta-analiz, tedavi etkisinin 0 olmadığını gösterir – ancak tedavi etkileri bazen oldukça küçüktür. Öte yandan, anlatı incelemeleri tutarsızdı. Bazı gözden geçirenler seçicidir; “metodolojik” gerekçelerle – genellikle tamamen varsayımsal bir yapıya sahip olan araştırmaları atarlar.

Kalanlar tutarlı sonuçlar elde edene kadar çalışmaları atarlar. Daha sonra, sonuçlarını kalan çalışmalara dayandırırlar. Ne yazık ki, farklı gözden geçirenler farklı araştırmaları bir kenara atacak ve bu nedenle farklı bazen zıt sonuçlara varacaklar. Kapsamlı gözden geçirenler farklı bir hata yaparlar: Genellikle tedavi etkilerinin sporadik olduğu sonucuna varırlar. Tedavi etkisinin bazı çalışmalarda mevcut olduğu ancak diğerlerinde olmadığı sonucuna varmışlardır.

Bağımlı değişken tüm çalışmalarda aynı şekilde ölçülmüş olsaydı, ortalamalar arasındaki ham puan farkı, tedavi etkisinin geleneksel ölçüsü olurdu. Ancak, bu nadiren doğrudur. Dikiş makinesi operatörlerinin iş performansının ölçümünü düşünün.

“Haftada dikilen giysi sayısı” gibi bir ölçümün çalışmalar arasında aynı değişken olacağı düşünülebilir. Ancak, farklı yerlerdeki işçiler farklı türde giysiler dikiyorlar. Üç elbise dikmek, üç kat dikmekten çok farklı olabilir. Bu nedenle, tipik olarak, bağımlı değişkenin birimleri bir çalışmadan diğerine değişir.

Bağımlı değişken, birimler dışında iki farklı çalışmada aynıysa, prensipte, iki birim arasındaki orantı sabitini bularak iki ölçüyü kalibre etmek mümkün olacaktır. Bununla birlikte, iki farklı çalışmada dikiş makinesi operatörleri için birimleri eşleştirme problemini göz önünde bulundurun.

Bir çalışmada işçiler elbise dikerken, diğer çalışmada işçiler palto dikmektedir. Puanları bir metrikten diğerine dönüştürmek için, bir yerdeki işçilerin başka tür bir giysi dikmesi gerekecekti. Ayrıca, tam olarak karşılaştırılabilir olması için diğer tür giysilerin dikilmesi konusunda tam olarak aynı eğitimin verilmesi gerekirdi. Bu mümkün olsa bile aşırı derecede pahalı olurdu. Bu nedenle, çoğu araştırma alanında bağımsız değişkenlerin kesin kalibrasyonu da imkansızdır.

Önemli bir varsayıma bağlı olmasına rağmen, çalışmalar arasında eşleştirmenin alternatif bir yöntemi vardır. Ham puanlar yerine standart puanlar kullanarak bir çalışmadaki birimleri ortadan kaldırabiliriz. Standart puanlardaki tedavi etkisi daha sonra tarafından verilecektir.

Burada σ, bu çalışmadaki ham puanların standart sapmasıdır. Tek soru, “Hangi standart sapma?” Bu soru bir sonraki bölümde ayrıntılı olarak ele alınacaktır. Popülasyon verileri için, doğal tanım, kontrol grubunun popülasyon standart sapmasını kullanmak olacaktır.

Gruplandırılmış seri örnekleri
Değişim aralığı hesaplama
İstatistikte homojen dağılım nedir
İstatistikte sınıf aralığı hesaplama
Simetrik bir seri için aşağıdakilerden hangisi doğrudur
Analitik istatistik nedir
Gözlem sayısı hesaplama
İstatistik sembolleri ve anlamları

Bununla birlikte, örnek veriler için standart sapma, “grup içi varyans” kullanılarak, yani deney ve kontrol grubu standart sapmalarının ortalaması alınarak çok daha iyi tahmin edilir. Bu örnek istatistik, deneysel veya müdahale çalışmalarının meta-analizinde en yaygın kullanılan istatistik olan Cohen’in (1977) “d istatistiğidir”. Nüfus değeri için d, yani δ için Yunan harfini kullanacağız.

Aylık giysi dikim performansının dağılımının ortalamasının 100 ve standart sapmasının 25 olduğunu varsayalım. Bir eğitim programı performansı günde 10 giysi artırıyorsa, standart puanlardaki tedavi etkisi de olacaktır.

Yani, tedavi etkisi .40 standart sapma olacaktır. Sonuç (bağımlı) değişkeni gerçek bir ikilik ise (örneğin, hastada hastalık varken hastada hastalık yok), o zaman başka bir istatistik, olasılık oranı kullanılabilir. Olasılık oranı tıbbi araştırmalarda sıklıkla kullanılmaktadır. Nadiren uygun olduğu ve sosyal bilim araştırmalarında nadiren kullanıldığı için bu kitapta olasılık oranını kullanma prosedürlerini sunmuyoruz. Haddock, Rindskopf ve Shadish (1998), sosyal hayatta olasılık oranının potansiyel kullanımları hakkında bir tartışma da sağladı.

Bir sonraki bölümde ayrıntılı olarak tartışılacak olan, yakından ilişkili bir tedavi etkisi ölçüsü vardır: nokta çift seri korelasyonu. Nokta çift seri korelasyonu aslında sıradan bir Pearson korelasyonudur; özel ad, hesaplandığı verilerin doğasından gelir. Verileri kontrol grubu ve deney grubu arasında bir araya getirerek tek bir veri seti oluşturuyoruz. İki farklı gruptaki kişilere farklı puanlar atayarak bir tedavi değişkeni (bazen “kukla değişken” veya “kontrast değişkeni” olarak adlandırılır) de tanımlarız.

Örneğin, kontrol grubundakilere 0 puan ve deney grubundakilere 1 puan atayarak T değişkenini tanımlayabiliriz. Bu tedavi değişkeni ile bağımlı değişken arasındaki havuzlanmış veriler üzerinde hesaplanan korelasyon, nokta ikili de seri korelasyonudur.

Nokta çift seri korelasyonunun avantajı, diğer herhangi bir korelasyon katsayısı gibi ele alınabilmesidir. Özellikle, korelasyon katsayısına ilişkin Bölüm 3 ve 4’teki yöntemler kullanılarak meta-analiz yapılabilir. Matematik o zaman d istatistiği için olduğundan çok daha kolaydır. Korelasyonun güvenilirlik analizi, yol analizi vb. gibi gelişmiş istatistiksel analizlere sığdırılması da çok daha kolaydır.

Nokta çift seri korelasyonu, meta-analizde tedavi etkisinin ikinci en sık kullanılan nicelleştirmesidir. Bir sonraki bölümde belirtildiği gibi, iki istatistik, r ve d, cebirsel olarak birbirlerinden ileri geri dönüştürülebilir. Bu nedenle, hangi istatistiğin kullanılacağı kavramsal olarak keyfidir. Ancak, bu bölümde öncelikle d’yi kullanacağız. −.41 < d < +.41’lik olağan deneysel d aralığı için, r ve d arasındaki dönüştürme formülleri de önemsizdir.

Bu yaklaşım ne kadar yakın? En kötü durumu düşünün, d = .40. .5d yaklaşımı r = .20 verir, gerçek korelasyon ise .196’dır.

Bağımlı değişkenin standart sapması (herhangi bir birim setinde ölçülür) çalışmalar arasında aynıysa, d istatistiği çalışmalar arasında karşılaştırılabilir. Bu, aralık kısıtlaması üreten süreçlerin yokluğunda psikolojide standartlaştırılmış değişkenler için tipik bir bulgudur. Ortalamalar genellikle bir ayardan diğerine önemli ölçüde farklılık gösterse de, standart sapmalar genellikle çok az farklılık gösterir. Bunun doğru olmadığı bir araştırma alanında, farklı birimlerden kaynaklanan sonuçlardaki varyasyon ancak “menzil varyasyonu için düzeltme” yapılarak da düzeltilebilir.

The post d İstatistik ve Nokta İki Seri İlişkisi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).