Yöneticileri kişilerarası beceriler konusunda eğitmek gibi bir müdahaleyi düşünün. Böyle bir müdahalenin etkisi, böyle bir eğitim almış yöneticilerin (deney grubu) performansı ile sahip olmayan karşılaştırılabilir yöneticilerin (kontrol grubu) performansı karşılaştırılarak değerlendirilebilir. Genel karşılaştırma istatistiği t’dir (veya bu bağlamda F, t’nin sadece karesidir, yani F = t2). Ancak bu çok zayıf bir istatistiktir çünkü boyutu verilerdeki örnekleme hatasının miktarına bağlıdır.

Optimal istatistik (yol analizi veya kovaryans veya diğer etkilerin analizi için uygun bir metrikteki etkinin boyutunu ölçen), nokta ikili korelasyon r’dir. Nokta ikili korelasyonunun en büyük avantajı, müdahalenin daha sonra herhangi bir değişken gibi ele alındığı bir korelasyon matrisine eklenebilmesidir. Örneğin, müdahale ile bağımlı değişken arasındaki kısmi korelasyon, önceki bazı bireysel fark değişkenleri sabit tutularak karşılık gelen kovaryans analizine eşdeğerdir.

Yol analizi, müdahalenin doğrudan ve dolaylı etkileri arasındaki farkı izlemek için kullanılabilir. Örneğin, eğitim denetçilerin kişilerarası becerilerini geliştirebilir.

Bu da, astlarının süpervizörden memnuniyetini artırabilir ve bu da ast devamsızlığında bir azalmaya neden olabilir. Durum buysa, o zaman yol analizi, müdahalenin ast memnuniyeti ve devamsızlık üzerinde sırasıyla ikinci ve üçüncü dereceden dolaylı etkileri olmasına rağmen, eğitimin yalnızca denetçilerin kişilerarası becerileri üzerinde doğrudan bir etkisi olduğunu gösterecektir.

Nokta ikili korelasyon için örnekleme hatası teorisi, önceki bölümde verilen Pearson korelasyon teorisi ile aynıdır, ancak nokta ikili korelasyonunun kümülasyondan önce iki gruptaki eşit olmayan numune boyutları için düzeltilmesi gerekebilir (daha sonra tartışılacağı gibi). 

Bir değişken ikili olduğunda, Pearson çarpım moment korelasyonu için genel formül nokta ikili korelasyon rpb’yi verecektir. Bu nedenle, SPSS ve SAS gibi popüler istatistiksel paketler, nokta ikili korelasyonunu hesaplamak için kullanılabilir. 

Y ̄E sürekli (genellikle bağımlı) değişken üzerindeki deney grubunun ortalaması olduğunda, Y ̄C kontrol grubunun ortalamasıdır ve p ve q sırasıyla deney ve kontrol gruplarındaki orandır. SDy’nin d hesaplamasında kullanılan grup içi SD olmadığına dikkat etmek önemlidir; SDy, bağımlı değişken üzerindeki tüm puanların birleştirilmiş standart sapmasıdır. İki grubun deney ve kontrol grupları olması gerekmez; örneğin erkekler ve kadınlar veya lise mezunları ve mezun olmayanlar gibi herhangi iki grup olabilir.

Post hoc güç analizi nedir
Etki büyüklüğü nedir
Etki büyüklüğü kaç olmalı
İstatistik etki büyüklüğü nedir
G power analizi Nedir
İstatistiksel güç nedir
Etki büyüklüğü hesaplama
Etki büyüklüğü değerleri

Nokta Biserial r’nin Maksimum Değeri

Pek çok metin, rpb’nin maksimum değerinin Pearson korelasyonunda olduğu gibi 1.00 değil, .79 olduğunu belirtir. Ayrıca bunun yalnızca p = q = .50 olduğunda maksimum değer olduğunu belirtirler; aksi takdirde maksimum değer .79’dan düşüktür. Ancak bu teorem deneyler için yanlıştır. Bu teoremdeki örtük varsayım, iki grubun, zihinsel yetenek gibi normal olarak dağılmış bir değişkeni ikiye ayırarak oluşturulduğudur. Bu, Bölüm 2’de “ikiye ayırma” başlığı altında ele alınan durumdur.

X ve Y değişkenlerinin iki değişkenli normal dağılıma sahip olduğunu varsayın. X’in dağılımını bölerek ikili bir X’ değişkeni oluşturulursa, o zaman ikili değişken X’ ve Y arasındaki korelasyon, X ve Y arasındaki orijinal korelasyonun, en fazla .79 olan bir sabitle çarpımına eşittir. Dolayısıyla nokta ikili korelasyonunun en fazla .79 olduğu ifadesi.

Çalışmadaki iki grubun, kaygı konusunda medyanın üzerinde olanlar ile kaygı konusunda medyanın altında kalanlar olarak tanımlandığını varsayalım. Soru şudur: Bir değerlendirme merkezi grup çalışmasında hangi grup daha iyi performans gösterecek? Ardından, sürekli kaygı değişkeninin bağımlı değişkenle iki değişkenli normal bir ilişkisi varsa, teorem geçerli olacaktır. Kaygı testi ile grup görevi performansı arasındaki korelasyon .30 ise, iki grup ortalama karşılaştırmaları için nokta ikili korelasyonu (.79)(.30) = .24 olacaktır.

Bununla birlikte, tipik bir deneyde, ikili değişken, bazı sürekli değişkenleri bölmek yerine tedavi grupları tarafından tanımlanır. Tedavi grubu bazı deneysel işlemlerle tanımlanır. Örneğin, İkinci Dünya Savaşı’nın sonunda, bazı Yahudiler İsrail’e göç ederken, diğerleri Avrupa’da kaldı.

İki grup daha sonra kökten farklı ortamların etkisine maruz kaldı. Grupların süreç veya işlem farklılıkları ile tanımlandığı durumlarda, verilen teorem uygulanmaz. Bunun yerine, korelasyonun boyutu, tedavi etkisinin boyutuna göre belirlenir. Tedavi etkisi ne kadar büyük olursa, korelasyon o kadar yüksek olur. Tedavi etkisi büyüdükçe ve büyüdükçe, ima edilen korelasyon 1.00’a yaklaşır.

Tamamen istatistiksel anlamda, iki durum arasındaki fark, sürekli bağımsız değişkenin sürekli bağımlı değişkenle iki değişkenli normal bir ilişkiye sahip olduğu varsayımında yatmaktadır. Bu kısıtlama, bağımlı değişken üzerindeki iki grubun ortalamalarının birbirinden ne kadar uzak olabileceği konusunda belirgin sınırlar koyar. En büyük fark, sürekli değişkenler mükemmel bir şekilde ilişkilendirildiğinde ortaya çıkar. Bu durumda, iki grup normal dağılımın üst ve alt yarısıdır. Bu tür gruplar için en büyük fark, bölünmenin ortalamada olması durumunda ortaya çıkar, yani 1.58 standart sapma farkı da oluşur.

Gruplar bir tedavi süreci ile tanımlanırsa, iki grup arasındaki farkın büyüklüğü konusunda matematiksel bir sınır yoktur. Eğitimin tarih bilgisi üzerindeki etkisini düşünün. Birinci sınıf öğrencilerinin ilk iki grubunu düşünün. Bir grup normal 9 ay okula giderken diğer grup 10 ay okula gidiyor.

İki dağılımın büyük ölçüde örtüşmesi muhtemeldir ve nokta ikili korelasyonu düşük olacaktır. Öte yandan, Hindistan gibi bir üçüncü dünya ülkesinden de iki grup düşünün. Bir grup, çocukların nadiren okula gittiği bir dağ köyünde büyürken, diğer grup, üniversitenin sonuna kadar gittikleri Bombay’da eğitim görüyor. İki bilgi dağılımı arasında örtüşme olmaması muhtemeldir. Fark, 100 veya 1.000 standart sapma olabilir ve nokta ikili korelasyonu keyfi olarak 1.00’a da yakın olabilir.

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

Birincil çalışmalarda, büyük ölçüde araştırmacıların kontrolü altında olduğundan, uygun bir örneklem büyüklüğünü belirlemek için öncelikle güç analizi kullanılır. Örneğin, araştırmacılar, planlanan kayıt dönemini veya sitelerin sayısını değiştirerek veya çalışmaya dahil edilme kriterlerini değiştirerek örneklem büyüklüğünü değiştirebilir. Meta-analizde konular oldukça farklıdır çünkü çalışmalar zaten mevcuttur, ancak bazı paralellikler vardır.

Dahil etme kriterleri daha fazla veya daha az çalışmayı içerecek şekilde değiştirilebileceğinden, çalışmaların sayısı üzerinde bir miktar kontrole sahibiz. Örneğin, yeterli gücü elde etmek için yeterli araştırmayı elde edemeyecekmişiz gibi görünüyorsa, dahil etme kriterlerini genişletmeyi, daha geniş katılımcı türlerini içeren çalışmaları dahil etmeyi düşünebiliriz.

Tersine, çok sayıda çalışma var gibi görünüyorsa, dahil etme kriterlerini daraltmayı seçebiliriz. Dahil etme kriterlerinin değiştirilmesi, inceleme tarafından ele alınan soruyu değiştirir ve çoğu durumda, güç değerlendirmeleri nedeniyle orijinal soruyu yanıtlamaktan daha uygundur.

Çoğu meta-analiz, birincil çalışmalar yapıldıktan sonra planlanırken, meta-analizleri ileriye dönük olarak planlamak için bazı girişimler devam etmektedir. Örneğin, bir hastane konsorsiyumu, tüm bu çalışmaları bir meta-analize dahil etmek amacıyla bir dizi çalışma yapmayı planlayabilir. Bu durumda amaç, bireysel çalışmalardan ziyade özet etki için iyi bir güç sağlamak olabilir.

Bu durumda meta-analist, bireysel çalışmaların örneklem büyüklükleri ve çalışmaların (veya hastanelerin) sayısı üzerinde doğrudan etkiye sahip olabilir. Bu bölümde güç değerlendirmelerinin amaçlanan meta-analiz modeline bağlı olduğunu gördük. Özellikle, sabit etkili bir meta-analiz için sadece çalışmalar genelindeki toplam örneklem büyüklüğü önemlidir, oysa rastgele etkiler meta-analizi için her biri 1000 hasta (toplam 5000 hasta için) olan beş hastaneyi on hastane kullanma seçeneği önemlidir. her birinde 500 hasta bulunan hastaneler (aynı toplam için) güç için önemli ölçüde farklı değerler verebilir.

Güç analizi, gözden geçirme tamamlandıktan sonra değil, gözden geçirme planlanırken yapılmalıdır. Araştırmacılar bazen olgudan sonra bir güç analizi yapar ve Gücün düşük olduğunu ve bu nedenle önemli bir etkinin yokluğunun bilgilendirici olmadığını bildirir. Bu doğru olmakla birlikte, aynı soruyu, güven aralığı ile birlikte gözlemlenen etki büyüklüğünü basitçe rapor ederek ele almak tercih edilir.

Örneğin, etki büyüklüğü 0.4’tür ve güven aralığı 􏰃0.10 ila ± 0.90’dır, Gücün düşük olduğu ifadesinden çok daha bilgilendiricidir. Güven aralıklarıyla birlikte etki büyüklüğü ifadesi yalnızca klinik olarak önemli bir etkiyi dışlayamayacağımızı açıklığa kavuşturmakla kalmaz, aynı zamanda bu etkinin ne olabileceğine ilişkin bir aralık da verir (burada, 􏰃0.10 kadar düşük ve ± 0.90 kadar yüksek).

g*power güç analizi nasıl yapılır
Güç analizi HESAPLAMA programı
g*power analizi indir
Power analizi nasıl yapılır
Güç analizi hesaplama
Spss güç analizi Nasıl yapılır
g*power analiz programı
G-power analizi Nedir

BİRİNCİL ÇALIŞMALARDA GÜÇ ANALİZİ

Güç analizi formülleri, meta-analiz ve birincil çalışmalar için çok benzerdir. Meta-analize dönmeden önce, bir bağlam sağlamak için birincil çalışmalar için güç analizindeki bazı kilit konuları gözden geçiriyoruz.

Veriler toplandıktan sonra hesaplanan istatistiksel önem, üç unsurun bir fonksiyonudur: gerçek etki büyüklüğü, tahmin edildiği kesinlik (büyük ölçüde örneklem büyüklüğüne bağlıdır) ve istatistiksel anlamlılık için kullanılan kriter (alfa). Etki büyüklüğü büyükse, kesinlik yüksekse veya istatistiksel anlamlılık kriteri liberalse (yani alfa büyükse), bir çalışmanın istatistiksel olarak anlamlı olması daha olasıdır.

Basitçe istatistiksel anlamlılık hakkında bir tahmin olan güç, aynı üç unsur tarafından aynı şekilde belirlenir. Bu paralellik, önem ve güç formüllerinde açıktır. Z test istatistiğine dayalı bir anlamlılık testi düşünün. Gözlenen değer şu şekilde hesaplanır.

M, verilerden ve VM’nin varyansından elde edilen etki büyüklüğü tahminidir. Bu Z değeri, iki uçlu p değeri ile standart normal dağılım referans alınarak değerlendirilir. Güç analizinde, sıfır hipotezi altında değil, belirli alternatifler altında Z’nin dağılımını dikkate alıyoruz. Olarak tanımlanan alternatif bir gerçek Z değerini temsil etmek için bir lambda (l) parametresi kullanacağız.

Not: Vd’yi hem (Z denklemi) hem de l in (lambda denklemi) içindeki gerçek varyans için kullanıyoruz. Kesin olarak, bunlar farklıdır ve farklı şekilde not edilebilir. Ancak meta-analizde genellikle ikisi arasında ayrım yapmayız (tahmini varyansların bilindiğini varsayıyoruz), bu yüzden bu bölümde yapmayacağız. Bir çalışmanın gücü, Z’nin gerçek ortalaması l olduğunda istatistiksel olarak anlamlı olan Z değerlerinin gözlemlenme olasılığıdır.

Belirli bir etki boyutu (d), kesinlik (1/Vd) ve 􏰈 için gerçek güç hesaplaması genellikle basittir. Güç analizindeki zorluk, gerçekçi koşullarda çalışmanın gücü için değerleri belirlemek için bu faktörlerin her biri için makul bir değer aralığı belirlemektir. Güç, etki büyüklüğü ve 􏰈’nin sabitlendiği ve gerekli Vd değerinin hesaplandığı örneklem büyüklüğü hesaplamaları için aynı formüller kullanılır. Vd’den, bu kriterleri karşılayacak bir örneklem büyüklüğü hesaplanabilir. Aşağıdaki tartışmada, örneklem boyutunun hesaplanmasından ziyade esas olarak gücün araştırılmasına odaklanacağız.

Efekt boyutu için bir değer aralığı bulma

Gücü hesaplamak için kullanılan etki büyüklüğü, gerçek (popülasyon) etki büyüklüğü olarak tanımlanır. Ancak, popülasyon etki büyüklüğünü gerçekten bilmediğimiz için, bu işleve hizmet edecek bir sayı seçmeliyiz. Bir örneklem büyüklüğü hesaplamasında, tespit edilmesi önemli olabilecek en küçük etki büyüklüğünü kullanırız ve bu tamamen çalışmanın bağlamına bağlıdır. Örneğin, ölüm riskini azaltmak için bir tedaviye bakıyorsak, küçük bir etkinin bile önemli olduğuna karar verebiliriz.

Buna karşılık, grip riskini azaltmak için tedaviye bakıyorsak, yalnızca nispeten büyük bir etkinin tespit edilmeye değer olduğuna karar verebiliriz. Güç analizinde, etki büyüklüğü için makul değerler seçmeliyiz ve genellikle bir dizi değer araştırılır. Bu aralık, maddi veya klinik öneme dayanmalı ve mümkün olduğunda mevcut verilerle bilgilendirilmelidir.

Örneğin, olaylarda tipik olarak %10-15’lik bir azalma sağlayan bir ilaç sınıfıyla çalışıyorsak, muhtemelen bu aralığa (veya buna yakın) düşen bir etki büyüklüğü kullanmalıyız. Önceki çalışmalar veya bir pilot çalışma, makul bir aralığın belirlenmesine yardımcı olabilir ve araştırmacılar, Cohen’in sosyal bilim araştırmalarında küçük, orta ve büyük etkiler için önerileri gibi sözleşmelerin kullanımına da başvurabilirler.

The post GÜÇ ANALİZİ NE ZAMAN KULLANILMALI? – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Rastgele etkiler analizine geçtiğimizde, iki hata kaynağıyla uğraşmamız gerekir. Biri çalışmalar içindeki hata, diğeri ise çalışmalar arasındaki varyanstır. (Sonuncusu gerçek varyanstır, ancak burada ortalama etkinin değerinde belirsizliğe yol açması anlamında hata olarak atıfta bulunuyoruz.) Artık, kesinlik için bir vekil olarak örnek boyutunu kullanamayız. Bunun yerine, kesinliği her iki bileşene dayalı olarak hesaplamamız gerekir.

İlk terim, sabit etkili model için olanla aynıdır ve yine, yeterince büyük bir örneklem boyutuyla (yeterli çalışma veya çalışmalar içinde yeterince büyük bir örneklem), bu terim sıfıra yaklaşacaktır. Buna karşılık, ikinci terim (çalışmalar arası varyansı yansıtan), yalnızca t2’nin tahmini değeri sıfır olduğunda veya çalışma sayısı sonsuza yaklaştığında sıfıra yaklaşacaktır.

Bu formüller pratikte tam olarak geçerli değildir, ancak kavramsal nokta geçerlidir. Somut olarak, rastgele etkiler meta-analizinde güç, çalışma içi hataya ve çalışmalar arası varyasyona bağlıdır. Etki büyüklükleri çalışmadan çalışmaya makul ölçüde tutarlıysa ve/veya analiz önemli sayıda çalışma içeriyorsa, bunlardan ikincisi küçük olma eğiliminde olacak ve güç, kümülatif örneklem boyutu tarafından yönlendirilecektir.

Bu durumda meta-analiz, dahil edilen çalışmaların herhangi birinden daha yüksek güce sahip olma eğiliminde olacaktır. Statin analizi ve streptokinaz analizi için durum buydu. Bununla birlikte, etki büyüklüğü çalışmadan çalışmaya önemli ölçüde değişiyorsa ve analiz yalnızca birkaç çalışmayı içeriyorsa, bu ikinci yön meta-analizin potansiyel gücünü sınırlayacaktır. Bu durumda, analiz on binlerce kişiyi içerse bile, güç düşük bir değerle sınırlandırılabilir.

Yukarıda, ikisindeki güven aralığı genişliğini karşılaştırarak özet etkisinin gücü (dahil edilen çalışmaların gücüyle karşılaştırıldığında) hakkında bir fikir edinilebileceğini önerdik. Aynı mantık, sabit etki ve rastgele etki analizleri arasındaki güç farkına kadar uzanır. Güven aralığının genişliği ikisinde de aşağı yukarı aynıysa, güç de aşağı yukarı aynı olacaktır. Buna karşılık, rastgele etkiler aralığı önemli ölçüde daha genişse, güç daha düşük olacaktır ve etki boyutuna bağlı olarak kabul edilebilir seviyelere yaklaşmayabilir.

Ana Etkileri Test Etme Gücü

Meta-analizlerin, muhtemelen çok sayıda çalışmayı içeren ve bu nedenle yüksek güce sahip olan bazı iyi bilinen meta-analizlerden kaynaklanan, ana etkileri saptamak için yüksek güce sahip olduğuna dair genel bir algı vardır. Cannon ve ark. ve streptokinaz çalışmaları iki örnektir. Sosyal bilimlerdeki bir dizi yeni inceleme, her biri 200’den fazla çalışmayı içeriyordu.

Bununla birlikte, çoğu meta-analiz bundan çok daha az çalışmaya sahiptir. Cochrane Sistematik İncelemeler Veritabanı, sağlık hizmetinin tüm alanlarında tıbbi müdahaleler için öncelikle randomize çalışmalardan oluşan sistematik incelemelerin bir veritabanıdır ve şu anda 3000’den fazla inceleme içermektedir. Bu veri tabanında, bir incelemeye dahil edilen medyan araştırma sayısı altıdır.

Bir inceleme yalnızca altı çalışmayı içerdiğinde, bırakın küçük bir etkiyi, orta derecede büyük bir etkiyi bile tespit etme gücü %80’in oldukça altında olabilir. Bir derlemedeki medyan çalışma sayısı araştırma alanına göre farklılık gösterse de, hemen hemen her alanda az sayıda çalışmaya dayanan bazı incelemeler buluyoruz ve bu nedenle gücün yüksek olduğunu varsayamayız.

Hipotez testi Türleri
Hipotez testleri nelerdir
G-power analizi Nedir
Hipotez testleri sınav Soruları
Hipotez testleri örnekleri pdf
Tek ve çift yönlü hipotez örnekleri
G Power analizi hesaplama
İstatistik 2 hipotez testleri soruları ve çözümleri

Alt grupları karşılaştıran testler ve meta regresyon için güç

Ana etkiyi test etme gücü yüksek olsa bile, birçok meta-analiz ana etkiyle hiç ilgilenmez, sadece ortak değişkenlerin (veya moderatör değişkenlerin) etkisini değerlendirmek için yapılır. Örneğin, bir müdahalenin belirli bir kanser türü olan hastalarda hayatta kalma süresini artırdığını biliyor olabiliriz. Sorulması gereken soru, tedavinin işe yarayıp yaramadığı değil, tedavinin bir çeşidinin diğerinden daha etkili olup olmadığıdır.

Bir meta-analizdeki moderatör değişkenin testi, birincil bir çalışmadaki bir etkileşimin testine benzer ve her ikisi de gücü düşürme eğiliminde olan aynı faktörlerden muzdariptir. İlk olarak, etki boyutu aslında iki etki boyutu arasındaki farktır ve bu nedenle neredeyse her zaman ana etki boyutundan daha küçüktür. İkincisi, gruplar içindeki örneklem büyüklüğü (tanım gereği) toplam örneklem büyüklüğünden daha küçüktür. Bu nedenle, moderatörü test etme gücü genellikle çok düşük olacaktır.

Ortak değişkenlerin etkilerinin testleri için düşük güç gerçeği özellikle önemlidir, çünkü bu tür analizler genellikle moderatör değişkenlerin bir etkisinin olmadığını göstermek, yani boş hipotezi kabul etmek için yapılır. Sıfırı kabul etme mantığı, yüksek güç varsayımına dayanır ve bu varsayım nadiren test edilir.

Homojenlik veya uyum iyiliği testleri için güç

Tipik olarak, ana etkiye bakan bir analize bir homojenlik testi eşlik eder. Burada, tedavi etkisinin çalışmalar arasında tutarlı olduğu anlamına gelen anlamlı olmayan bir p değeri alınabilir. Benzer şekilde, ortak değişkenlere bakan bir analizi (alt grupları karşılaştırarak veya meta-regresyon kullanarak) genellikle bir uyum iyiliği testi takip eder ve anlamlı olmayan bir p değeri, ortak değişkenlerin tüm varyansı açıkladığı anlamına gelir.

Aslında, yine de, bu tür analizler rutin olarak düşük güçten muzdariptir. Güç analizi, araştırmacıların bu gerçeği fark etmesine ve sonuçların istatistiksel olarak anlamlı olmadığı gerçeğine dayanarak (muhtemelen yanlış) sonuçlar çıkarmaktan kaçınmasına yardımcı olabilir.

GÜÇ YERİNE HASSASİYET PLANLAMASI

Bir güç analizi, doğrudan güce (bir testin istatistiksel olarak anlamlı bir sonuç verme olasılığı) veya kesinliğe (bir güven aralığının belirli bir genişlik olma olasılığı) odaklanabilir. İkincisi daha basit olmasına rağmen, iki yaklaşım yakından ilişkilidir. Aşağıda göreceğimiz gibi, kesinlik tahmini, gücü tahmin etme yolunda erken bir adımdır. Kesinliği biçimsel olarak varyansa bölünen biri olarak tanımlayacağız.

The post Ana Etkileri Test Etme Gücü – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).