Hedges ve Olkin (1985), homojenlik için bir ki-kare testinin, ortalama korelasyon veya d değerinin önemi için testten önce gelmesi gerektiğini belirtti. Bu ki-kare testi hem FE hem de RE modelleri için aynıdır. Bu test anlamlı değilse ki-kare testi homojenlik hipotezini reddedemez.

Ancak, anlamlı olmayan bir homojenlik testi, ρ ve δ çalışma popülasyon değerlerinin homojenliği sonucunu desteklemez. Çalışmaların sayısı fazla olmadığı sürece, bu ki-kare testi tipik olarak çalışma popülasyon parametrelerindeki varyasyonu saptamak için düşük güce sahiptir ve sık sık Tip II hatalara neden olur.

Yani, çalışma popülasyonu parametrelerinde gerçek varyasyon varlığında ki kare genellikle önemsizdir. Sonuç olarak, FE önem testleri genellikle heterojen çalışma alanlarına uygulanır ve gerçek güven aralıklarından önemli ölçüde daha dar olan şişirilmiş Tip I hata oranlarına ve güven aralıklarına (ortalama etki büyüklükleri civarında) neden olur.

Ek olarak, ki-kare homojenlik testi anlamlı olsa bile (popülasyon etki büyüklüklerinin heterojenliğini gösterir), FE yöntemlerinin kullanıcıları yine de genellikle ortalama etki büyüklüklerinin istatistiksel önemi için FE formülleri uygularlar (veya FE standart hatasını kullanarak güven aralıklarını hesaplarlar). ortalama etki büyüklüğü). Bu uygulama çarpık sonuçlar ve sonuçlar sağlar.

Bu meta-analizlerin tümü, oldukça önemli olan önemli araştırma sorularına odaklanır. Bu uygulamalarla, FE önem testlerinin Tip I hata oranlarını önemli ölçüde şişirmesi ve bulguların kesinliğini olduğundan fazla tahmin ederek yanlış bir şekilde dar güven aralıkları bildirmesi daha da olasıdır.

Ulusal Araştırma Konseyi, meta-analizde FE modellerinin kullanımının “istisnadan ziyade kural” olduğunu ve FE modellerinin araştırma bulgularında “gerçek belirsizliği hafife alma eğiliminde olduğunu” belirtti. Ulusal Araştırma Konseyi, “FE modellerinin mevcut varsayılanlarına tercihli olarak RE modellerinin kullanımında bir artış” tavsiyesinde bulundu, ayrıca sabit modeller yerine rastgele modeller tavsiye etti.

H0 ve H1 hipotezi örnekleri
H1 hipotezi Nedir
İstatistik 2 Hipotez Testleri Soruları ve çözümleri
İstatiksel hipotez Nedir
Tek ve çift yönlü hipotez nedir
Yokluk hipotezi
H2 hipotezi
Tek ve çift yönlü hipotez örnekleri

Diğerleri ayrıca FE modellerinin kullanımının şişirilmiş Tip I hata oranlarına ve hatalı bir şekilde dar güven aralıklarına yol açabileceği konusunda uyardı. Bununla birlikte, FE modelleri, psikoloji ve diğer disiplinlerdeki yayınlanmış literatürde “istisnadan ziyade kural” olmaya devam etmiştir.

Erez, Bloom ve Wells (1996), FE modellerine tercih olarak RE modellerinin daha fazla kullanılması çağrısında bulundu. Ancak, Hedges ve Olkin’in (1985) en yaygın olarak kullanılan FE modellerini tartışmadılar. Rosenthal ve Rubin’in FE yöntemlerini de tartışmadılar. Ayrıca Hunter ve diğerlerindeki yöntemleri yanlış tanımladılar. (1982), Hunter ve Schmidt (1990a), Callender ve Osburn (1980) ve Raju ve Burke (1983) FE yöntemleri olarak; bu yöntemlerin tümü RE yöntemleridir.

FE modeli için hangi gerekçeler sunuldu? İlk mantık, bilim insanlarının bazen çalışmaların tüm alanı için ortalama etki büyüklüğü ile ilgilenmeyebilecekleri, bunun yerine yalnızca bir meta-analizde yer alan çalışmalarda temsil edilen spesifik etki büyüklükleriyle ilgilenebilecekleriydi.

Bu mantık altında, araştırmacılar meta-analizlerindeki çalışmaları, potansiyel olarak daha büyük bir çalışma popülasyonundan bir örnek olarak değil, ilgilenilen çalışmaların tüm evreni olarak görüyorlar. Bu varsayım altında, çalışma etki büyüklüklerinin bu örneklemesi nedeniyle örnekleme hatası olasılığı yoktur, çünkü olası tüm çalışma etki büyüklükleri tanım gereği meta-analize dahil edilmiştir. Overton (1998), bu varsayım altında FE modelinin uygun Tip I hata seviyesine sahip olduğunu göstermiştir. Ancak kilit soru, bu varsayımın gerçekçi veya uygun olup olmadığıdır.

Bu varsayımla ilgili en büyük sorun, bir araştırmacının yalnızca meta-analizde yer alan belirli çalışmalarla ilgileneceği ve daha geniş tahmin göreviyle ilgilenmeyeceği bir durumu tasavvur etmenin zor (ve belki de imkansız) olmasıdır. Bir bütün olarak araştırma alanı için nüfus etki büyüklüklerinin durumuna bakılır.

Örneğin, Deneyime Açıklığın kişilik özelliğini iş performansıyla ilişkilendiren 16 araştırma yapıldığını, ancak bu çalışmaların çok çeşitli dergilerde yayınlandığını varsayalım. Sonuç olarak, meta-analistin meta-analizine dahil etmek için 16 çalışmadan sadece 8’ini bulduğunu varsayalım.

Kişilik araştırmacılarına yönelik varsayımsal bir ankette bu soruyu düşünün: Bir araştırmacı olarak hangisini daha bilgilendirici bulursunuz: (a) meta-analiz araçları ve bu araştırma alanındaki çalışmaların tüm alanına genellenen güven aralıkları (RE modeli sonuçları) veya ( b) meta-analiz, yalnızca bu meta-analiz için yer alan belirli çalışmaları tanımlayan ve bir bütün olarak araştırma alanına genellenemeyen güven aralıkları ve güven aralıkları (FE modeli) yer alır.

Asli araştırmacıların (haklı olarak) rastgele etki sonuçlarını tercih edecekleri açıktır. Bilim genellemeyle ilgilidir ve araştırmanın amacı genelleştirilebilir sonuçların belirlenmesidir. Belirli bir çalışma alt kümesiyle sınırlı olan sonuçlar bilimsel olarak bilgilendirici değildir.

Daha geniş çalışma alanı düzeyinde uygulanan aynı akıl yürütmeyi düşünün. Bir araştırmacı, bir alanda yürütülen yalnızca ilk birkaç çalışmayı tanımlayan bir meta-analizin sonuçlarını mı yoksa o alanda gelecekte yapılabilecek veya yapılabilecek tüm çalışmaları genelleyen bir meta-analizin sonucunu mu tercih eder?

Yani, meta-analiz sonuçlarının ve sonuçlarının gelecekteki tekrarlama çalışmalarına genellenmesini mi tercih eder yoksa gelecekteki tekrarlama çalışmalarına genellemeyen sonuçları mı tercih eder? Çoğu araştırmacı, daha geniş çalışma alanıyla ilgili sonuçların daha bilimsel değere sahip olduğuna karar verir. Yani, RE modelleri tarafından üretilen bilgiler çoğu araştırmacının bir meta-analizin iletmesini beklediği bilgi iken, FE modelleri tarafından üretilen bilgiler çok sınırlı bilimsel değere sahiptir.

Sabit etkiler modelini destekleyen bu mantık, varyans analizinde (ANOVA) FE modelleriyle bir analojiden doğmuştur. ANOVA’da bir FE tasarımı, ilgilenilen tüm tedavi düzeylerinin tasarıma dahil edildiği bir tasarımdır, ANOVA’daki bir RE modeli ise çalışmaya yalnızca ilgilenilen tedavi düzeylerinin bir örneğinin dahil edildiği bir tasarımdır. ANOVA’daki bu ayrıma benzer şekilde, Hedges ve Olkin (1985), meta-analiz için iki farklı yaklaşımı FE ve RE modelleri olarak etiketledi.

Dolayısıyla, FE meta-analiz modellerinde, meta-analize dahil edilen çalışmaların ilgili çalışmaların tüm evrenini oluşturduğu varsayılırken, RE modellerinde çalışmalar, yapılabilecek veya yapılabilecek tüm olası çalışmaların bir örneği olarak alınır. konuda var. Ulusal Araştırma Konseyi raporu, bu benzetme ile ilgili sorunlar olduğunu belirtti. Raporun belirttiği gibi:

Meta-analiz literatüründe “sabit etkiler” ve “rastgele etkiler” terimlerinin kullanılma şekli, “sabit etkiler” terimi olan varyans analizi gibi diğer istatistik tekniklerinde kullanılan klasik tanımlardan biraz farklıdır. gerçek etkilerin dağılımı kavramını reddetmek için gerekli olan δ1, δk ve “rastgele etkiler”, δ1’lerin bir popülasyondan örneklendiğini ve dolayısıyla bir dağılıma sahip olduğunu varsayar.

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

Tedavi etkisinin olmadığı sıfır hipotezini düşünün. Bu ifade belirsizdir. Herhangi bir özne için tedavi etkisi olmadığını kastediyorsak, özne etkileşimi ile de tedavi yoktur. Bu vakayı daha önce tedavi etmiştik. Bununla birlikte, denekler tarafından tedavi etkileşimi 0 olmasa bile, tedavinin ana etkisinin 0 olması olasılığı ile sıfır hipotezi tanımlamak da mümkündür. Ortalama tedavi etkisi 0 ise ve varyans değilse, bazı deneklerin sahip olması gerekir. pozitif kazanım puanları, diğer denekler ise negatif kazanım puanlarına sahiptir. Bu nedenle, etkileşim zorunlu olarak heterojendir.

Etkileşim olmasaydı her denek 0 kazanç puanına sahip olacaktı. Etkileşim varsa bireysel kazanım puanları her iki yönde de 0’dan sapacaktır. Bireysel kazanım puanları, olumlu olduğu kadar olumsuz da olacağından, terminolojiyi “kazanç puanı” yerine “puan değiştirme” olarak değiştirebiliriz. Basit olması için, negatif bir kazanç puanının bir düşüşü temsil ettiği anlayışıyla “kazanç puanı” ifadesini kullanmaya devam edeceğiz.

Denekler gerçek kazanım puanlarında farklılık gösterdiğinden, ortalama kazanım puanında örnekleme hatası vardır. Örnekleme hatası olduğu için boş hipotez doğrudan test edilemez. Tedavi ana etkisi olmasa bile, ortalama kazanç puanı, kişilerin örneklenmesinde örnekleme hatası nedeniyle 0’dan farklı olacaktır. O zaman sıfır hipotezini istatistiksel olarak test etmenin iki yolu vardır.

Bir yol, daha önce belirtildiği gibi güven aralığını hesaplamaktır. Daha riskli yol, güven aralığı oluşturmadan bir anlamlılık testi hesaplamaktır. Önce güven aralığını hesapladığımızı varsayalım. Anlamlılık testi, güven aralığının 0 içerip içermediğinin kontrol edilmesiyle elde edilir. Bu test tarafsızdır, çünkü araştırmacı güven aralığının her iki yönde ne kadar uzadığını görebilir ve böylece anlamlılık testine karşı uygun şüpheci tavrı alabilir.

Önceki ifadelere rağmen anlamlılık testlerini kullanmak isteyenlere bir uyarı: Deneklerin etkileşimine göre bir tedavi varsa, o zaman geleneksel t testi, anlamlılık testlerinin sınırlamaları dahilinde bile çalışmaz. Konvansiyonel t testi ve konvansiyonel tekrarlanan ölçümler varyans analizi, ana etkiyi test etmek için nominal etkileşim terimini bir hata terimi olarak kullanır.

Bunu yaparken, etkileşim ve konu düzeyindeki puanlar arasında varyans homojenliğini ve bağımsızlığını varsayarlar. Bu varsayımlar, eğer görünen etkileşim aslında ölçüm hatasıysa doğrulanır. Ancak gerçek etkileşimler için bu varsayımlar genellikle yanlıştır. Bu nedenle, geleneksel F testine güvenilemez.

Bu tür durumlar için deneysel testler (“yarı-F”) olmuştur, ancak bunlar da çoğu yaygın etkileşim için oldukça mantıksız olan (çarpımsal işlem etkisi gibi) bağımsızlık varsayımları yapmaktadır. Bu prosedürler bu metnin kapsamı dışındadır. Bu nedenle, denek etkileşimi ile bir tedavi varsa, güven aralığı yaklaşımı mevcut tek yaklaşım gibi görünmektedir.

Sıfır hipotezi örnek
Alternatif hipotez
Sıfır hipotezi ve Alternatif hipotez
H0 ve H1 hipotezi örnekleri
Alternatif hipotez nedir
H2 hipotezi
Sıfır hipotezi ve alternatif hipotez örnekleri
Null hipotezi

Ölçüm Hatası ve Etkileşim

Hem ölçüm hatası hem de etkileşim varsa, o zaman iki örnekleme hatası kaynağı vardır: ölçüm hatalarının örneklenmesi ve farklı tedavi etkisinin örneklenmesi (yani deneklerin örneklenmesi). Ölçüm hatası varsa, tedavi etkisi yalnızca bireyler düzeyinde kusurlu olarak gözlemlenir. Bu nedenle, ağırlıklı olarak dolaylı istatistiklere, özellikle de tedavi ana etkisine ilişkin tahminimize ve tedavi etkileşimi standart sapmasına ilişkin tahminimize güvenmeliyiz.

Her iki durumda da, özellikle görünür etkileşim standart sapması olmak üzere ölçüm hatasının etkileri için gözlemlenen puan istatistiklerini ayarlamamız gerekir.

Tedavi Ana Etkisi

Tedavinin ana etkisi, popülasyonun ortalama gerçek kazanç puanıdır. Tahminimiz, örnek ortalama gözlemlenen kazanç puanıdır. Örnek ortalama gözlemlenen kazanç puanı, iki örnekleme hatası kaynağından muzdariptir.

Ortalama gerçek kazanç puanındaki örnekleme hatası, denekler arasında tedavi etkisindeki farklılıklardan kaynaklanmaktadır. Ortalama ölçüm hatasındaki örnekleme hatası, denekler arasındaki ölçüm hatalarındaki farklılıklardan kaynaklanır. Ölçüm hatası havuzlanabilir.

Popülasyon varyansının örnek varyansı SV(OG) tarafından tahmin edilmesi gerekiyorsa, güven aralığı için temel alınan dağılım artık normal dağılım değil, N − 1 serbestlik dereceli t dağılımıdır. Bu nedenle, “1.96”, t tablosunun %95 iki kuyruklu sütunundaki karşılık gelen değerlerle değiştirilmelidir. N > 14 için yakın bir yaklaşım için 1,96 ile değiştiriyoruz.

Standart puan muamelesi ana etkisi, ortalama ham puan etki büyüklüğünün seviye standart sapmasına oranıdır. Bir etkileşim olduğu için kullanılan standart sapma, ön test standart sapmadır. Oranın payı, ölçüm hatasıyla değişmeyen ham puan muamele ana etkisidir.

Bu nedenle, payın düzeltilmesine gerek yoktur. Ancak payda, seviye puanı standart sapmasıdır. Gözlenen puan standart sapması, ölçüm hatasıyla şişirildiğinden, standart puan muamele ana etkisinin paydasında kullanılmadan önce düzeltilmelidir. Ölçüm varyansı hatası, doğrudan gerçek puan varyansına eklenir.

Yani cebirsel özdeşlik ile gözlenen düzey puan varyansından hata varyansını çıkarmak, düzey puan varyansını düzey puan güvenirliği ile çarpmaktır. Düzeltilmiş standart sapma, düzeltilmiş varyansın karekökü alınarak elde edilir.

Bu, bağımlı değişkendeki ölçüm hatası için bir ana etkiyi düzeltmeye yönelik geleneksel formüldür. Böylece, gerçek standart puan tedavi ana etkisi, gözlemlenen standart puan tedavi ana etkisinin seviye puanı güvenilirliğinin kareköküne bölünmesiyle düzeltilir.

Standart puan tedavisi ana etkisi için güven aralığı, ham puan tedavisi ana etkisi için güven aralığının uç noktalarının seviye puanı standart sapmasına bölünmesiyle en kolay şekilde tahmin edilir. Bu, seviye puanı ana etkisindeki örnekleme hatasını görmezden gelir. Standart hatanın tam formülü hesaplanabilir.

Denek Etkileşimine Göre Tedavi

Denek etkileşimine göre tedavi, popülasyon gerçek kazanç skoru standart sapması ile ölçülür. Karşılık gelen gözlemlenen kazanç skoru standart sapması, ölçüm hatasıyla büyük ölçüde şişirilir. Bu nedenle, gerçek etkileşimin tarafsız bir tahmini haline gelmeden önce düzeltilmelidir.

İlk önce, ölçüm hatasıyla etkileşim varyansının şişmesini düşünün. Orta derecede yüksek güvenilirlik için bile, özellikle etkileşim yoksa, bu çok önemli bir enflasyon olacaktır. Gerçek ham puan etkileşimi varyansı, çıkarma ile hesaplanabilir.

Gerçek bir etkileşim yoksa, etkileşimin bu tahmini, örnekleme hatası nedeniyle 0’dan farklı olacaktır. Yarı olasılıkla, örnekleme hatası tahminin negatif olmasına neden olacak ve gerçek bir etkileşim olmadığına dair çok az şüphe olacaktır. Bununla birlikte, bir yarı olasılıkla, örnekleme hatası tahminin pozitif olmasına neden olacak ve yanlış bir şekilde gerçek bir etkileşim önerecektir.

Standart puan etkileşiminin tahmini, ham puan etkileşiminin seviye gerçek puan standart sapmasına bölünmesiyle elde edilir. Karşılık gelen varyans ile tahmin edilir.

Burada α ve β sabittir. Pay ve payda popülasyon varyanslarının farklı olması gerçeği olmasaydı, varyans oranı SV(OG)/SV(Y1) yaklaşık bir F oranına sahip olacaktı. Yaklaşık bir F dağılımına sahip olan değiştirilmiş bir oran vardır.

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