Bağımsız değişken üzerindeki doğrudan aralık kısıtlaması için parametresini tahmin etmek istediğimiz popülasyon, tam popülasyondur. Ancak elimizde sadece bağımsız değişkende seçilmiş puanları olanlar için veri var. Çoğu durumda, çalışmanın dışında kalan kişiler ya çok yüksek ya da çok düşük puan alanlardır. Bu nedenle, çalışılan popülasyon, ilgili popülasyonun tamamına kıyasla bağımsız değişken üzerinde sınırlı bir aralığa sahip olarak tanımlanabilir.

Bir kamu hizmeti yasasıyla yönetilen bir şehri düşünün. Bir iş sınıflandırmasında bir seviyeden diğerine terfi etmenin yalnızca bir iş bilgisi testine, yani doğrudan menzil kısıtlamasına dayalı olması gerektiğini varsayalım. Yani, insanlar yalnızca iş bilgisi testi puanlarına göre yukarıdan aşağıya terfi ettirilir. Bilgi testinin terfi adayları için iş performansını ne kadar iyi tahmin ettiğini bilmek istiyoruz. Sorun şu ki, iş performansı verilerini yalnızca gerçekten terfi edenler için alabiliyoruz, bu da düşük test puanları olan kişiler hakkında hiçbir veri alamadığımız anlamına geliyor.

Şimdi iki nüfusumuz var. Tam nüfus, ilgili nüfus olan başvuranların nüfusudur. İncelenen nüfus, görevdeki nüfus olarak adlandırılan, terfi ettirilen kişilerin nüfusudur. Artık her popülasyon için bir tane olmak üzere iki korelasyonumuz var. Testin kullanışlılığı, başvuran popülasyondaki bilgi ve performans arasındaki korelasyona bağlıdır ve bu nedenle bilmek istediğimiz korelasyon budur. Ancak, verilerimiz bize yalnızca yerleşik nüfus için korelasyon verir.

Psikometrik teori için soru, tam (başvuran) popülasyon için korelasyonu tahmin etmenin bir yolunu bulmaktı. Önemli bir bulgu, başvuran popülasyondaki bağımlı değişkenin (performans) bağımsız değişkene (test) gerilemesi ile ilgilidir. Y’nin X üzerindeki regresyonu başvuran popülasyonda lineer ve homoskedastik ise, yerleşik popülasyonda lineer ve homoskedastik olacaktır.

Ayrıca, ham puan (standartlaştırılmamış) eğim ve koşullu standart sapma aynı olacaktır. Bu bulgunun nedeni, doğrudan menzil kısıtlamasının verilen herhangi bir X değerinin frekansını değiştirmesi, ancak bu X değerinde olanlar için Y üzerindeki ortalama ve standart sapmayı değiştirmemesidir. X’i 70’in altında olan kişiler terfi edilmiyorsa, o zaman terfi ettirilen kişilere ilişkin veriler (X > 70 için veriler), başvuran nüfustaki kişilere ilişkin verilerle aynıdır, çünkü bunlar aynı kişilerdir.

Regresyon doğrusal ve homoskedastik ise, iki popülasyonu karşılaştırmanın en iyi yolu iki standart sapmayı karşılaştırmaktır. Standart sapmaların oranı, yerleşik nüfusun başvuran nüfusa kıyasla ne kadar kısıtlandığını gösterir.

Karmaşıklık, çarpan a’nın paydasında görülebilir. Paydada ρ bulunması, çarpanın yalnızca kısıtlama derecesine değil, aynı zamanda korelasyon düzeyine de bağlı olduğu anlamına gelir. Menzil kısıtlamasını basit eserlerden ayıran şey budur. Basit bir artifakt için, çarpan tamamen eserin kapsamına göre belirlenir. Menzil kısıtlaması için, çarpan yalnızca artefaktın kapsamıyla değil, aynı zamanda gerçek korelasyonun boyutuyla da belirlenir.

Doğrudan Menzil Kısıtlaması için Düzeltme

Bu, prensipte menzil kısıtlaması için işe yarar, ancak pratikte çalışmaz. Sorun şu ki, a çarpanını hesaplamak için ρ’yı zaten biliyor olmalısınız. Doğrudan menzil kısıtlaması için düzeltme için geleneksel formül, zayıflama formülünün doğrusal olmayan cebirini cebirsel olarak tersine çevirir.

Karşılıklı parametre UX = 1/uX, ters sırada standart sapmaların karşılaştırma oranıdır: başvuru sahibi ile yerleşik kişi. b formülü, cebirsel biçimde, menzil kısıtlaması nedeniyle zayıflama formülüyle aynıdır; UX parametresinin uX ile değiştirilmesi, ters yönde gitmesini sağlar.

Hipotez Testleri
Hipotez testi örnekleri
Hipotez testleri örnekleri PDF
İstatistik 2 Hipotez Testleri Soruları ve çözümleri
Hipotez Testleri Sınav Soruları
Hipotez testleri PDF
Popülasyon örnekleri
H0 ve H1 hipotezi örnekleri

Tek Bir Artifakt Olarak Menzil Kısıtlaması için Meta-Analiz

Aralık kısıtlaması basit bir yapı değildir ve basit yapılar için kullanılan meta-analiz yöntemleri, aralık kısıtlaması için tam olarak çalışmayacaktır. Denklem (5.8)’deki problem terimi (u2X − 1) ρ2’dir. uX 1’e yakınsa veya ρ2 küçükse bu terim küçüktür. Çok az menzil kısıtlaması varsa, uX oranı 1’e yakın olacaktır. ρ mütevazı ise kare korelasyonu ρ2 küçük olacaktır. Bu iki koşulun karşılandığı birçok alan vardır. Ne yazık ki, istihdam ve eğitim seçiminde her iki koşul da karşılanmayabilir.

Örneğin, genel zihinsel yetenek (GMA), iş performansı ile yüksek bir korelasyona sahiptir ve GMA’daki aralık kısıtlaması, iş görevlilerinin çoğu örneğinde önemlidir. Bu koşulların karşılanmadığı başka araştırma alanları da vardır. Bu, artefakt dağıtımı meta-analiz yöntemleri için bir soruna neden olur. Raju ve Burke’ün (1983) Taylor serisi yöntemleri ve Schmidt, Gast-Rosenberg ve diğerlerinin etkileşimli yöntemi. (1980) bu sorunu çözmek için türetilmiştir. Bu yöntemler, menzil kısıtlaması çok aşırı olmadığı sürece iyi bir yaklaşım sağlar.

Doğrudan Menzil Kısıtlamasında İki Popülasyon

İki popülasyonumuz olduğunu hatırlamak çok önemlidir. Bu, herhangi bir istatistik için genellikle her popülasyon için bir tane olmak üzere iki farklı değer olacağı anlamına gelir. Her iki değişken için ortalamalar ve standart sapmalar iki popülasyon arasında farklılık gösterecektir. Bu ikilik, diğer artefaktların dikkate alınması için özellikle önemlidir, çünkü artefakt değerleri iki popülasyon arasında farklılık gösterebilir. Bağımlı değişkenin güvenilirliğini düşünün. X üzerinde doğrudan seçim, Y üzerinde dolaylı seçim üretecektir. Bu, Y’nin güvenilirliğinin yerleşik nüfusta başvuran nüfusa göre daha küçük olacağı anlamına gelir.

Yapay dikotomizasyonu düşünün. Medyan, iki popülasyon arasında farklılık gösterdiğinden, her gruptaki bir medyan bölünmesi, her popülasyonda farklı bir kesme anlamına gelir. Ayrıca, başvuran nüfusta X’in dağılımı normal ise, yerleşik nüfusta normal olmayacaktır; başvuran popülasyonun normal dağılımının en üstünde olacaktır. İki seri korelasyon hesaplamaları, X’in normalliğini varsayar ve bu nedenle, yerleşik nüfus üzerinde hesaplandığında hatalı olacaktır.

Doğrudan Aralık Kısıtlamasında Bağımsız Değişkende Ölçüm Hatası

Tahmin edicinin standart sapması iki popülasyon arasında farklılık gösterdiğinden, X’in güvenilirliği iki popülasyon arasında farklılık gösterecektir. Ancak burada daha ciddi bir sorun var. Doğrudan seçim sürecinin asli doğası, mevcut veriler için “güvenilirlik” anlamını belirsiz hale getirir.

The post İki Popülasyon – 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).