Şimdi BCG örneğine dönüyoruz ve rastgele etkiler modelini uyguluyoruz (Şekil 20.5). Rastgele bir etki analizi kullanıldığında, 13 çalışma için risk oranı 0,490’dır ve 0,345 ila 0,695’lik bir güven aralığı vardır; bu, aşının ortalama etkisinin TB riskini en az %30 ve muhtemelen olabildiğince fazla azaltmak olduğunu söyler. %65 (bkz. Şekil 20.5). Log birimlerinde risk oranı 0,714’tür ve 0,179’luk bir standart hatadır, bu da -3.995’lik bir Z-değeri (p < 0,001) verir ve bu da etkisiz sıfır hipotezini reddetmemize izin verir.

Bununla birlikte, en azından ilginç olan, 0.20 (aşı riski %80 oranında azaltır) ile 1.56 (aşı riski %56 oranında artırır) arasında değişen bir risk oranı arasında değişen tedavi etkilerindeki önemli varyasyondur. Sabit etki modelini tartıştığımızda ilgili istatistikler sunuldu.

Eğimin etkisinin değerlendirilmesi

Rastgele etki modelini (moment yöntemi) kullanan bir meta-regresyon, gösterilen sonuçları verir. Bu, enlem ve ilgili istatistiklerden log risk oranını tahmin etmeye yönelik katsayıları gösteren formatla aynı formata sahiptir. Bu istatistiklerin rastgele etkiler modeline dayandığını belirtmek için bir yıldız işareti (*) kullanırız. Bu ayrımla, eğim(ler)in yorumu, sabit etkili modelin yorumuyla aynıdır.

(Bu örnekte eğim, sabit etki ve rastgele etki modelleri altında hemen hemen aynıdır, ancak bu genellikle böyle değildir.) Z* 5 􏰁4.3411’e karşılık gelen iki kuyruklu p değeri 0.00001’dir. Bu bize eğimin muhtemelen sıfır olmadığını ve çalışma ekvatordan daha uzak bir mesafede yapıldığında aşılamanın daha etkili olduğunu söylüyor.

1’den p’ye kadar olan ortak değişkenlerin hiçbirinin etki büyüklüğü ile ilişkili olmadığı sıfır hipotezi altında, Q* modeli, p’ye eşit serbestlik dereceleriyle ki-kare olarak dağıtılacaktır. 

Bu örnekte yalnızca bir ortak değişken (enlem) vardır ve bu nedenle bu ortak değişkenin etkisini değerlendirmek için Z-testini veya Q-testini kullanma seçeneğine sahibiz. Bundan iki testin aynı sonuçları vermesi gerektiği sonucu çıkar ve verirler. Z değeri 􏰁4.3411’dir ve karşılık gelen p değeri 0.00001’dir. Q değeri 18.8452’dir ve buna karşılık gelen p değeri 0.00001’dir. Son olarak, Q* modeli Z*2’ye eşit olmalıdır ve aslında 18.8452, 􏰁4.34112’ye eşittir.

Uyum iyiliği testi, ortak değişkenler tarafından açıklanmayan heterojenliğin olup olmadığı sorusunu ele alır. Qresid, bu açıklanamayan heterojenliğin varyansını, t2’yi tahmin etmek (ve test etmek) için de kullanılabilir. Bu Qresid, sabit etkili ağırlıklar kullanılarak regresyondan elde edilen ağırlıklı kalıntı SS’dir.

Orman grafiği yorumlama
meta-analiz çalışması örneği
Egger testi nedir
Meta analiz Nedir
Sistematik derleme Nedir
Meta-analiz programları
Forest plot nedir
Cma programı kullanımı

Buradaki Q* modeli, alt grup analizi için Q*bet’e benzer ve Qresid, alt grup analizi için Qwithin’e benzer. Ortak değişkenler alt grupları temsil ediyorsa, Q* modeli Q*bet ile aynıdır ve Qresid, Qwithin ile aynıdır. Öngörücü yoksa, buradaki Qresid, orijinal meta-analiz için Q ile aynıdır.

Sabit etkili modelle meta-regresyon ile çalışırken, toplam varyansı bir dizi bileşene bölebildik, Qmodel artı Qresid toplamı Q’ya ulaştı. Bu, sabit etkili modelle mümkündü çünkü her bir çalışmaya ağırlık atanır yalnızca çalışma içi hata tarafından belirlendi ve bu nedenle her üç hesaplama grubu için de aynıydı.

Buna karşılık, rastgele etkiler modeli altında, her bir çalışmaya atanan ağırlık, çalışmalar arası varyansı da içerir ve bu, bir dizi hesaplamadan diğerine değişir. Bu nedenle, varyans bileşenleri toplamsal değildir. Bu nedenle, rastgele etkiler analizi için değil, sabit etkiler analizi için bir varyans analizi tablosu gösteriyoruz.

İlişkinin büyüklüğünü ölçün

Bu Şekilde, her çalışma, o çalışma için gerçek koordinatları (gözlenen etki büyüklüğü enlem) gösteren bir daire ile temsil edilir. Her dairenin boyutu (özellikle alanı), o çalışmanın analizdeki ağırlığıyla orantılıdır. Bu analiz rastgele etkiler modeline dayandığından ağırlık, her çalışma için toplam varyanstır (çalışma içi artı T 2).

Sabit etkili grafikten farkı not edin. Rastgele etkiler kullanıldığında, her bir çalışmaya atanan ağırlıklar birbirine daha çok benzer. Örneğin, TB önleme denemesi (1980) çalışması sabit etki modeli altındaki grafiği domine ederken (ve eğim üzerinde önemli bir etki yaptı), Comstock ve Webster (1969) sadece önemsiz bir etkiye sahipti (iki çalışmanın göreli ağırlıkları sırasıyla %41 ve %0.3). Rastgele etkiler altında ikisi daha benzerdir (sırasıyla %14 ve %1,6).

Orta çizgi, tahmin edilen değerleri gösterir. Ekvatora nispeten yakın bir yerde (10 enlem) gerçekleştirilen bir çalışma, sıfıra yakın bir beklenen etkiye sahip olacaktır (1.0 risk oranına karşılık gelir, bu da aşının TB üzerinde hiçbir etkisi olmadığı anlamına gelir). Buna karşılık, 55 enleminde (Saskatchewan) bir çalışma 􏰁1,50 civarında beklenen bir etkiye sahip olacaktır (0.20’ye yakın bir risk oranına karşılık gelir, bu da aşının TB riskini yaklaşık %80 oranında azalttığı anlamına gelir).

Açıklanan varyans oranı

Rastgele etkiler analizinde alt grup üyeliği tarafından açıklanan varyans oranı kavramını tanıttık. Aynı yaklaşım meta-regresyona da uygulanabilir.

Ortak değişkeni olmayan altı çalışmayı gösteren bir düşünün. Ortak değişken olmadığından, tahmin eğimi, dikey bir çizgiyle gösterilen ortalamadır (bir regresyon hesaplayacak olsaydık, kesme noktası). Şeklin altındaki normal dağılım, T2’yi yansıtır ve tahmin çizgisinden (ortalama) dağılımın neden çalışma içi hatayı aştığını açıklamak için gereklidir.

Şimdi, bir X değişkeni ile aynı boyuttaki etütleri ve tahmin denklemini yansıtan bir çizgi ile gösterilen tahmin eğimini gösteren düşünün. Tahmin çizgisi üzerindeki her noktadaki normal dağılım, T2 değerini yansıtır ve tahmin çizgisinden (bu sefer, eğim) dağılımın neden çalışma içi hatayı aştığını açıklamak için gereklidir. Ortak değişken, çalışmalar arası varyansın bir kısmını açıkladığı için, T2, Şekil 20.8’dekinden daha küçüktür ve ikisinin oranı, açıklanan varyans oranını ölçmek için kullanılabilir.

• Not 1. Normalde, etki boyutunu Y eksenine ve ortak değişkeni X eksenine çizerdik. Burada, orman arsası ile paralelliği korumak için eksenleri değiştirdik.
• Not 2. Anlaşılır olması için her şekil için gerçek etkileri çizdik. Tabii ki pratikte, gerçek etkilerin tahminlerini gözlemliyoruz, çalışma içi hataya atfedilen varyans kısmını kaldırıyoruz ve kalan varyans miktarını hesaplıyoruz.

Birincil çalışmalarda, bir ortak değişkenin etkisini tanımlamaya yönelik yaygın bir yaklaşım, o ortak değişken tarafından açıklanan varyans oranını bildirmektir. Bu indeks, R2, açıklanan varyansın toplam varyansa oranı olarak tanımlanır.

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

Birincil hedefimiz, alt gruplar arasındaki farklılıkları değerlendirmek ve sürecin bir parçası olarak bir varyans analizini kullanmak olduğunda, alt gruplar arasındaki birleşik etkiler, seçenek 1 kullanılarak hesaplanır. Bu, dahili olarak tutarlı bir veri seti verir.

Alt gruplar arasındaki birleşik etkiyi gerçekten önemsiyorsak, 2. ve 3. seçenekler daha mantıklı seçeneklerdir. Alt gruplar gerçekten daha büyük bir kümeden rastgele seçilmişse, o zaman seçenek 2, farklı hata kaynaklarını ayrı ayrı modellememize ve birleşik etki için gerçek güven aralığının daha iyi bir tahminini elde etmemize izin verir (aynı zamanda bir için tahmin aralıklarını tartışır). gelecekteki alt grup) ve muhtemelen daha iyi bir seçimdir.

Bu, elbette, alt gruplar arasındaki varyansın makul bir kesinlik tahminini elde etmek için yeterli bilgiye sahip olduğumuzu varsayar. Buna karşılık, alt gruplama çok önemli değilse veya çalışmaların birden fazla farklı alt grubu düşünülüyorsa, 3. seçenek daha mantıklı bir seçimdir.

ÖZET NOKTALAR

• Grup üyeliği ve sonuç arasındaki ilişkiyi değerlendirmek için birincil çalışmalarda t-testlerini veya varyans analizini kullanabileceğimiz gibi, alt grup üyeliği ile etki büyüklüğü arasındaki ilişkiyi değerlendirmek için meta-analizde bu prosedürlerin analoglarını kullanabiliriz.
• Alt gruplar arasında ortalama etkiyi karşılaştırmak için kullanılabilecek üç yöntem sunduk. Ortalama etkiyi iki grupta karşılaştırmak için bir Z testi kullanabiliriz. İki veya daha fazla gruptaki ortalama etkiyi karşılaştırmak için varyans analizini (alt gruplarla kullanım için değiştirilmiş) veya Q-homojenlik testini kullanabiliriz. Her üç prosedür de matematiksel olarak eşdeğerdir.
• Bu analizler, gruplar içinde sabit efekt veya rastgele etkiler modeli kullanılarak gerçekleştirilebilir, ancak çoğu durumda ikincisi uygundur.
• Birincil çalışmalarda, grup üyeliği tarafından açıklanan varyans oranını yansıtmak için R2’yi kullanırız. Meta-analiz için alt grup üyeliği tarafından açıklanan gerçek varyans oranını yansıtan benzer bir indeks kullanılabilir.

Meta-Regresyon

Birincil çalışmalarda, bir veya daha fazla ortak değişken (yönetici) ile bir bağımlı değişken arasındaki ilişkiyi değerlendirmek için regresyon veya çoklu regresyon kullanırız. Esasen aynı yaklaşım meta-analiz için de kullanılabilir, ancak ortak değişkenler konu düzeyinden ziyade çalışma düzeyindedir ve bağımlı değişken, çalışmalarda konu puanlarından ziyade etki büyüklüğüdür. Meta-analizde kullanıldıklarında bu prosedürlere atıfta bulunmak için meta-regresyon terimini kullanırız.

Regresyon için birincil çalışmalardan meta-analize geçerken ele almamız gereken farklılıklar, alt grup analizleri için birincil çalışmalardan meta-analize geçerken ele almamız gereken farklılıklara benzer. Bunlar, her çalışmaya bir ağırlık atama ihtiyacını ve uygun modeli seçme ihtiyacını (sabit ve rastgele etkiler) içerir. Ayrıca, alt grup analizleri için geçerli olduğu gibi, ortak değişkenler tarafından açıklanan varyans oranını ölçmek için kullanılan R2 indeksi, meta-analizde kullanılmak üzere değiştirilmelidir.

Ancak bu değişikliklerle birlikte, çoklu regresyon başlığı altına giren prosedürlerin tüm cephaneliği meta-analist için kullanılabilir hale gelir. Birlikte bir tedaviyi tanımlayan veya ortak değişkenler ile etki büyüklüğü arasında doğrusal olmayan bir ilişkiye izin veren üç değişken gibi ortak değişken kümeleriyle çalışabiliriz.

Meta-regresyon analizi
Meta standart nedir
comprehensive meta-analysis
Egger testi nedir
cma meta-analiz programı indir
Meta-Analiz kitap PDF
Meta-analiz heterojenlik
CMA ile Meta-Analiz

Önceden tanımlanmış bir diziyi kullanarak analize ortak değişkenler girebilir ve kafa karıştırıcı değişkenleri kontrol etmek için önceki kümelerin etkisine ek olarak herhangi bir kümenin etkisini değerlendirebiliriz. Hem kategorik (örneğin, kukla kodlu) hem de sürekli değişkenleri ortak değişkenler olarak dahil edebiliriz. Bu prosedürleri hem ortak değişkenlerin etkisini değerlendirmek hem de belirli özelliklere sahip çalışmalarda etki büyüklüğünü tahmin etmek için kullanabiliriz.

Çoklu regresyon, çok çeşitli prosedürleri içerir ve bunları bu ciltte tam olarak ele alamayız. Bunun yerine, okuyucunun birincil çalışmalarda çoklu regresyona aşina olduğunu varsayıyoruz ve buradaki amacımız, birincil çalışmalarda kullanılan aynı tekniklerin meta-regresyona nasıl uygulanabileceğini göstermektir.

Analizin anlamlı olması için deneklerin ortak değişkenlere uygun şekilde büyük bir oranına ihtiyaç duyduğumuz birincil çalışmalarda olduğu gibi, meta-analizde uygun şekilde büyük bir çalışma / ortak değişken oranına ihtiyacımız var.

Bu nedenle, özellikle çok sayıda ortak değişkenli metaregresyon kullanımı, çalışma sayısı az olduğunda önerilen bir seçenek değildir. Birincil çalışmalarda bazıları, meta-regresyonda her bir ortak değişken için on çalışmaya karşılık gelen, her ortak değişken için en az on denek oranı önermiştir. Aslında, her iki durumda da katı ve hızlı kurallar yoktur.

SABİT ETKİ MODEL

Alt grup analizini tartışırken yaptığımız gibi, daha basit olan sabit etkili modelle başlıyoruz ve ardından genellikle daha uygun olan rastgele etkiler modeline geçiyoruz.

BCG veri seti

Çeşitli araştırmacılar, tüberküloz (TB) gelişimini önlemek için BCG olarak bilinen bir aşının etkisini değerlendiren çalışmalar yayınladılar. Son yıllarda Amerika Birleşik Devletleri’nde tüberkülozun yeniden ortaya çıkmasıyla (birçok ilaca dirençli vaka dahil), araştırmacıların BCG aşısının tavsiye edilip edilmemesi gerektiğini belirlemesi gerekiyordu. Bu nedenle Colditz ve ark. (1994) bu çalışmaların bir meta-analizini bildirmiştir ve Berkey ve ark. (1995), tedavi etkilerindeki bazı varyansları açıklamak için meta-regresyonun nasıl kullanılabileceğini gösterdi.

Orman arsası gösterilmektedir. Etki büyüklüğü risk oranı olup, 0,10 risk oranı aşının TB riskini %90 azalttığını, risk oranı 1,0’ın etki göstermediğini ve 1,0’dan yüksek risk oranları aşının tüberküloz riskini artırdığını gösterir. tüberküloz Çalışmalar en etkiliden en az etkiliye doğru sıralanır. Risk oranlarının analizi için her zaman olduğu gibi, analiz log dönüştürülmüş değerleri kullanılarak yapıldı ve ardından sunum için tekrar risk oranlarına dönüştürüldü.

Sabit etki analizi kullanıldığında, 13 çalışma için risk oranı 0,650’dir ve 0,601 ila 0,704 güven aralığı vardır; bu, aşının TB riskini en az %30 ve muhtemelen %40 kadar azalttığını söyler. Günlük birimlerinde risk oranı, 0,040 standart hatayla 􏰁0,430’dur. Z değeri 􏰁10.625’tir (p < 0.0001), bu da etkisiz sıfır hipotezini reddetmemize izin verir.

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

Burada, sabit etkili model için yaptığımızla aynı hesaplama setinden geçiyoruz, ancak bu sefer her alt grup için ayrı bir 􏰀2 tahmini ile rastgele etki ağırlıkları kullanıyoruz.

Etkileri hesaplama

 A ve B alt gruplarındaki çalışmaların bir orman grafiğidir. Çalışmalar, sabit etkili orman grafiğindekilerle aynıdır ancak elmaslarla temsil edilen özet etkiler, artık rastgele etki ağırlıklarına dayanmaktadır. . A ve B alt grupları için ortalama etki büyüklüğü, 0,006 ve 0,004 varyanslarla birlikte 0,325 ve 0,610’dur.

Hesaplamalar değerlere dayanmaktadır. Bu değerler, her çalışma için varyansın artık çalışma içi varyansı ve çalışma arası varyansı içermesi dışında benzerdir. Ortak bir 􏰀 2 değeri varsaymadık ve bu nedenle her alt grup için ayrı bir 􏰀 2 tahmini kullandık.Bu, T2A için bir değere ve T2B için bir başka değere sahip olduğumuz sağdaki sembollerle gösterilmektedir. Tablo 19.5’te, T2 etiketli sütun, A çalışmaları için 0.0164 ve B çalışmaları için 0.0022’yi gösterir.

Not. Burada rastgele etki ağırlıkları kullanılarak hesaplanan Q* istatistiği, Q*’yu çeşitli bileşenlerine ayırmak için yalnızca varyans analizi için kullanılır. Bu nedenle, Q* için bir p değeri göstermiyoruz. Bunun yerine, sabit etki ağırlıkları kullanılarak hesaplanan Q istatistiği, çalışmalar arası dağılımı yansıtan, alt grup A içindeki çalışmalar için bir homojenlik testi sağlayan ve T2’yi tahmin etmek için kullanılandır.

Çalışmanın tümü için hesaplamalar (rastgele etkiler, ayrı t2 tahminleri)

Buradaki istatistikler, gruplar içinde kullanılanla aynı T2 değeri kullanılarak hesaplanır (bu durumda, havuzlanmaz).

Etkileri Karşılaştırma

Dönersek ve iki alt grup için elmasları alırsak, elde ederiz. A ve B alt grupları için ortalama etki büyüklüğü, 0,006 ve 0,004 varyanslarla birlikte 0,325 ve 0,610’dur.

Amacımız bu iki ortalama etkiyi karşılaştırmaktır ve ilerleyebileceğimiz birkaç yol vardır. Bu yaklaşımlar cebirsel olarak eşdeğerdir ve (bundan sonra) aynı p-değerini verir. Birkaç yaklaşım sunmaktaki amacımız, sürece ilişkin içgörü sağlamaktır.

A ile B’yi karşılaştırma: bir Z testi (Yöntem 1)

A ve B alt grupları için ortalama etkiyi karşılaştırmak için basit bir Z testi kullanabiliriz. Formüller daha önce kullanılanlarla aynıdır, ancak rastgele etkiler modelini yansıtmak için iki sembolü değiştiririz. İlk olarak, istatistiklerin sabit etki ağırlıkları yerine rastgele etki ağırlıklarına dayandığını belirtmek için bir (*) kullanırız. İkinci olarak, sıfır hipotezi 􏰂A 5 􏰂B olarak çerçevelenir ve sabit etki modeliyle çalışırken ortak değerlere atıfta bulunduğumuz 􏰁A 5 􏰁B yerine bunların ortalama değerler olduğu gerçeğini yansıtır.

meta-analiz eğitim bilimleri
Meta analiz Nedir
meta-analiz çalışması örneği
Sistematik derleme Nedir
Meta-analiz pdf
Rastgele etki modeli nedir
Egger testi nedir
Meta analiz nasıl yapılır

􏰂A ve 􏰂B, A ve B alt gruplarının altında yatan gerçek ortalama etkiler olsun, MA* ve MB* tahmini etkiler olsun ve VM􏰌A ve VMB􏰌 bunların varyansları olsun. İki etki arasındaki farkı belirtmek için Diff* kullanırsak ve A’nın ortalamasını B’nin ortalamasından çıkarmayı seçeriz.

Z*Diff 5 2.8381’e karşılık gelen iki uçlu p değeri 0,0045’tir. Bu bize ortalama tedavi etkisinin A çalışmaları için B çalışmaları için muhtemelen aynı olmadığını söyler. Excel’de, Z için 2 kuyruklu p değerini hesaplama işlevi 5’tir (1-(NORMSDAĞ(ABS(Z))))*2. Burada 5(1-(NORMSDIST(ABS(2.8381))))*2 0,0045 değerini döndürür.

A ile B’yi karşılaştırma: varyans analizine dayalı bir Q testi (Yöntem 2)

Sabit etki modeli altında 2. yöntem için kullandığımız formüllerin aynısını kullanıyoruz, ancak şimdi rastgele etki ağırlıkları uyguluyoruz. Bu yaklaşımın yalnızca, genel etkiyi hesaplamak için gruplar içindeki etkileri hesaplamak için kullandığımız ağırlıkları kullandığımızda işe yaradığını unutmayın. Tablo 19.5’te, alt grup A’daki çalışmalar, hem alt grup ortalamasını hesaplamak hem de genel ortalamayı hesaplamak için 0.0164’lük T2 değerini kullanır. Benzer şekilde, alt grup B’deki çalışmalar, hem alt grup ortalamasını hesaplamak hem de genel ortalamayı hesaplamak için 0,0022’lik T2 değerini kullanır.

Aşağıdaki miktarları hesaplıyoruz (burada SS, sapmaların karelerinin toplamıdır).

• Q*A, A’nın ortalaması hakkındaki tüm A çalışmalarının ağırlıklı SS’si.
• Q*B, B’nin ortalaması hakkındaki tüm B çalışmalarının ağırlıklı SS’si.
• Q*içinde, Q*A ve Q*B’nin toplamı.
• Q*bet, alt grubun ağırlıklı SS’si, büyük ortalama hakkındadır.
• Q*, büyük ortalamayla ilgili tüm etkilerin ağırlıklı SS’si.

Grup içi ağırlıklı SS’nin toplamını veya daha genel olarak p alt grupları için Q*’u 5 Q*A × Q*B içinde yazabiliriz. Etki büyüklüklerinin 􏰂 tüm gruplar için aynı olduğu sıfır hipotezi altında, 1’den p’ye, Q*bahsi, p – 1’e eşit serbestlik dereceleriyle ki-kare olarak dağıtılacaktır.

Sonuçlar özetlenmiştir. Burada yorumladığımız tek Q istatistiğinin gruplar arası olduğuna dikkat edin. Çalışan örnekte, Arasında satırı bize gruplar arasındaki farkın (A ve B için birleşik etki) istatistiksel olarak anlamlı olduğunu söyler (Q*bet 5 8.0547, df 5 1, p 5 0.0045), bu da etkinin boyutu, ders verme sıklığı ile ilgilidir. Excel’de, Q için bir p- değeri hesaplama işlevi 5 KİŞİSEL(Q,df)’dir. A’ya karşı B testi için 5CHIDIST(8.0547,1) 0,0045 döndürür. Toplam varyansın veya gruplar içindeki varyansın istatistiksel önemini ele almak için, Q* (toplam), QA*, QB* veya Qw*ithin kullanmak yerine sabit etki ağırlıkları kullanılarak rapor edilen istatistikleri kullanırız.

A ile B’yi karşılaştırma: heterojenlik için bir Q testi (Yöntem 3)

Son olarak, alt grupları çalışmalarmış gibi ele alabilir ve çalışmalar arasında heterojenlik testi yapabiliriz. İki alt grup çizgisini ve toplam çizgiyi çıkarırsak ve elmasları karelerle değiştirirsek elde ederiz.

Somut olarak, etki büyüklükleri 0,324 ve 0,610 ve varyansları 0,006 ve 0,004 olan iki çalışma ile başlıyoruz. Ardından, Q’yu hesaplamak için olağan meta-analiz yöntemlerini uygularız. Somut olarak, değerleri kullanarak ve (11.2) ve sonraki formülleri uygulayarak hesaplarız, burada Q, Çalışma A ve B için büyük anlam. Q 5 8.0547 ve df 5 1 için p değeri 0,0045’tir. Excel’de Q için bir p-değeri hesaplama işlevi 5KİŞİDAĞ(Q,df)’dir. A’ya karşı B testi için 5CHIDIST(8.0547,1) 0,0045 döndürür.

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