İç geçerlik, bir denemeye dahil edilen hasta grupları arasında gözlemlenen farklılıkların, rastgele hata dışında, araştırılan müdahaleye atfedilebileceğini ima eder. İç geçerlilik, “gerçek değerlerden sistematik olarak farklı sonuçlar üretme eğiliminde olan herhangi bir çıkarım aşamasında herhangi bir süreç” olarak tanımlanan yanlılık tarafından tehdit edilmektedir.

Klinik deney araştırmalarında, potansiyel önyargılar dört kategoriye ayrılır. Bunlar, (i) hastaların özellikleri (seçim yanlılığı), (ii) değerlendirilen tedaviden ayrı bakım sağlanması (performans yanlılığı), (iii) sonuçların değerlendirilmesi (tespit yanlılığı) bakımından karşılaştırma grupları arasındaki sistematik farklılıklarla ilgilidir. ve (iv) hasta yıpranmasının meydana gelmesi ve ele alınması (aşınma yanlılığı) gerekir.

Seçim Yanlılığı

Randomizasyonun amacı, bilinen veya bilinmeyen potansiyel karıştırıcı faktörler açısından karşılaştırılabilir grupların oluşturulmasıdır. Başarı birbiriyle ilişkili iki manevraya bağlıdır. İlk olarak, örneğin bozuk para atmak, zar atmak veya bir bilgisayar algoritması kullanmak suretiyle öngörülemeyen bir tahsis sırası oluşturulmalıdır. İkincisi, bu sıralama, hastaları kaydeden araştırmacılardan gizlenmelidir.

Örneğin, bir ilan tahtasına açıkça asılmış bir rasgele sayı tablosunun kullanımından kaynaklanan, yaklaşan atamaların bilgisi, prognostik faktörlere dayalı olarak hastaların seçici olarak kaydedilmesine neden olabilir.

“Uygunsuz” olduğu düşünülen bir tedaviye atanacak hastalar reddedilebilir ve bazı hastalar, istenen atama mevcut olana kadar araştırmaya girişlerini geciktirerek kasıtlı olarak “uygun” tedaviye yönlendirilebilir. Takvimi gizlemek için bir girişimde bulunulsa bile, tahsis planlarının şifresi çözülebilir. Örneğin, atama zarfları açılabilir veya çok parlak bir ışığa karşı tutulabilir.

Performans ve algılama yanlılığı

Karşılaştırma gruplarından birine tercihli olarak ek terapötik müdahaleler sağlanırsa performans yanlılığı oluşur. Hastaların ve bakım sağlayıcıların kör edilmesi bu tür yanlılığı önler ve ayrıca karşılaştırma grupları arasındaki plasebo yanıtlarındaki farklılıklara karşı koruma sağlar. Tespit yanlılığı, hasta atama bilgisi sonuç değerlendirme sürecini etkiliyorsa ortaya çıkar. Hastalar, klinisyen araştırmacılar, radyologlar ve son nokta inceleme komiteleri dahil olmak üzere sonuçları değerlendirenlerin kör edilmesiyle saptama yanlılığından kaçınılır.

Yıpranma Yanlılığı

Protokol sapmaları ve takip kaybı, hastaların tedavi gruplarına ayrıldıktan sonra dışlanmasına yol açabilir, bu da yıpranma yanlılığına neden olabilir. Olası protokol sapmaları, uygunluk kriterlerinin ihlal edilmesini ve öngörülen tedavilere uyulmamasını içerir.

Takip kaybı, hastanın daha fazla katılmayı vicdanen reddetmesi (ayrıca bırakma olarak da adlandırılır), atanan müdahaleyi durdurmaya yönelik klinik bir karar nedeniyle veya çalışma döneminin bir aşamasında hastaların muayeneler için uygun olmaması anlamına gelir. örneğin haber vermeden taşındığı için hastayla iletişim kurulamaz.

İçerik geçerliliği Nedir
GEÇERLİLİK Türleri
Güvenirlik Nedir
SPSS geçerlilik analizi
Test geçerliliği
Güvenirlik nedir ölçme
Güvenirlik Türleri
Güvenirlik katsayısı formülü

Tahsisten sonra hariç tutulan hastaların, çalışmadaki tüm hastaları temsil etmesi olası değildir. Örneğin, hastalar, hastalıklarının akut alevlenmesinden veya ciddi yan etkilerin ortaya çıkmasından muzdarip oldukları için takip için uygun olmayabilirler. Tedavilere uymayan hastalar genellikle prognozla ilgili açılardan farklılık göstermektedir.

Bu nedenle tüm randomize hastalar analize dahil edilmeli ve çalışma protokolüne bağlılıklarına bakılmaksızın orijinal olarak atanan gruplarda tutulmalıdır. Başka bir deyişle, analiz, tedavi etme ilkesine göre yapılmalı, böylece seçim yanlılığından kaçınılmalıdır. Doğal olarak bu, birincil sonucun aslında tüm randomize hastalar için takip süresi boyunca önceden belirlenmiş zamanlarda kaydedildiği anlamına gelir.

İlgilenilen son nokta tüm nedenlerden ölümse, bu çoğu zaman belirlenebilir. Bununla birlikte, geriye dönük olarak diğer ikili veya sürekli sonuçları tespit etmek basitçe imkansız olabilir ve bu nedenle bazı hastaların analizden çıkarılması gerekebilir. Bu durumda, analize dahil edilmeyen hastaların oranı rapor edilmeli ve yıpranma yanlılığı olasılığı tartışılmalıdır.

Önyargı ampirik kanıtı

Çok sayıda vaka çalışması, yukarıda açıklanan yanlılıkların pratikte ortaya çıktığını ve klinik deneylerin sonuçlarını çarpıttığını göstermektedir. Bir sistematik inceleme örneğinde veya büyük bir klinik çalışma popülasyonunda göreceli önemlerini ölçmeye çalışan yedi metodolojik çalışmanın farkındayız. Burada Schulz ve arkadaşlarının iki çalışmasına odaklanacağız. ve Moher et al. çünkü bu yazarlar hastalık veya müdahale ile kafa karıştırmaktan kaçındılar ve randomize ve körleme gibi çalışma kalitesinin bireysel boyutlarını incelediler.

Her iki çalışmada da tedavi tahsisinin yetersiz gizlenmesi, ortalama olarak, tedavi etkilerinin yaklaşık %40 oranında abartılmasıyla ilişkilendirilmiştir. Uygun olmayan tahsis dizileri üretimi, tedavi etkileri ile ilişkilendirilmemiştir. Bununla birlikte, bir çalışmada yalnızca yeterli ayırma gizlemesi olan denemeler analiz edildiğinde, yetersiz ayırma dizileri neslinin açıklamasına sahip olanlar yine şişirilmiş tedavi etkileri verdi.

Bu nedenle, gerçekten rastgele olan bir tahsis dizisi, seçim yanlılığının önlenmesi için gerekli ancak yeterli olmayan bir koşul gibi görünmektedir. Sekanslar tahmin edilebilir ise, yeterli gizleme ile bile bir miktar deşifre gerçekleşebilir. Öte yandan, gerçekten rastgele olan dizilerin oluşturulması, diziler hasta kaydına dahil olanlardan gizlenmiyorsa önemsizdir.

Schulz ve ark. Çift körlemenin olmamasının ortalama olarak daha büyük tedavi etkileriyle ilişkili olduğunu bulmuş, Moher ve meslektaşları anlamlı bir ilişki bulamamışlardır. Körlemenin önemi bir dereceye kadar değerlendirilen sonuçlara bağlı olacaktır. Bazı durumlarda, örneğin bir müdahalenin genel mortalite üzerindeki etkisini incelerken, sonuç değerlendirmesinin körlenmesi alakasız olacaktır.

İncelenen sonuçların türündeki farklılıklar bu nedenle iki çalışma arasındaki farklılığı açıklayabilir. Yalnızca Schulz ve meslektaşları yıpranma yanlılığını ele aldı. Beklenmedik bir şekilde, yazarlar, tahsisten sonra hastaları dışladığı bilinen denemelerle karşılaştırıldığında, görünüşte yıpranma içermeyen denemelerde daha büyük etki tahminlerine doğru bir eğilim buldular. Yazarlar bunun, diğer kriterlere göre kalitesiz olduğuna karar verilen yayınlanmış raporlarda hariç tutulanların yetersiz raporlanmasıyla açıklanabileceğini öne sürdüler.

Bunun gibi ampirik çalışmalar nedeniyle, bu bölümde ele alınan metodolojinin özellikleri, verilerin tahsisinin gizlenmesi, kör edilmesi ve eksiksiz olması, araştırma kalitesinin en sık atıf yapılan kilit unsurları olarak ortaya çıkmaktadır.

The post İç Geçerliliğin Boyutları – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Bağımlı değişkenin ölçümünde sistematik bir hata olduğunu varsayalım; yani, amaçlanan bağımlı değişkenden bir dereceye kadar farklı olan bir bağımlı değişkeni ölçeriz. Bunun efekt boyutu üzerinde nasıl bir etkisi olacak ve düzeltilebilir mi? Bu sorunun tam olarak ele alınması, önemli bir yol analizi bilgisi ve bağımlı değişkenin doğası ve diğer değişkenlerle ilişkileri hakkında bilgi gerektirir. Bununla birlikte, nispeten basit olan bazı yaygın durumlar vardır.

En yaygın durum, istenen bağımlı değişkenin dolaylı bir ölçüsü olan bir bağımlı değişkenin kullanılmasıdır. Örneğin, bir çocuk suçluluğu tedavi programının iyi bir değerlendirmesi, danışanların sonraki davranışlarının nesnel bir değerlendirmesini gerektirir. Bunun yerine, müfettişler genellikle müteakip tutuklama kaydı gibi dolaylı önlemlere güvenmelidir. Şekil 6.2, iki davranış ölçüsü ve tedavi değişkeni arasındaki ilişkilerin varsayılan yol modelini göstermektedir.

Y müşterinin fiili suçlu davranışının ölçüsü olsun ve Y ‘ tutuklama kaydı olsun. İstenen tedavi etkisi korelasyonu, çarpım kuralına göre gözlemlenen tedavi korelasyonu ile ilgilidir.

Bu durumda, kusurlu yapı geçerliliğini düzeltmek için gözlemlenen korelasyonun üç katından fazla olması gerekir. Gözlenen d istatistiği dY ′ = .12 ise, o zaman rTY′ = .06, bu da rTY = .06/.30 = .20 ve dolayısıyla dY = .40 olarak düzeltilir.

Tedavi korelasyonu veya d istatistiği, kusurlu yapı geçerliliği tarafından üretilen korelasyondaki sistematik azalmayı ortadan kaldırmak için düzeltilebilse de, artan örnekleme hatasının etkisi düzeltilemez. Düzeltilmiş korelasyon etrafındaki güven aralığı, korelasyonun neden olduğu artan örnekleme hatasını yansıtan, düzeltilmemiş korelasyon için olanın 1/.30 = 3.33 katıdır. Düzeltilmiş etki büyüklüğü için anlamlılık testi, düzeltilmemiş etki büyüklüğü için anlamlılık testine cebirsel olarak eşdeğerdir ve dolayısıyla aynı p değerine sahiptir.

Kusurlu yapı geçerliliği, etki boyutunun boyutunu her zaman azaltmaz. Denetçiler için sosyal beceri eğitimini düşünün. Eğitim programının değerlendirilmesi ideal olarak kursiyerin programdan sonra interaktif becerilerinin ölçülmesini gerektirir. Bunun yerine, mevcut tek ölçü, kişinin eğitim programında ne kadar ustalaştığının bir ölçüsü olabilir. Bununla birlikte, malzemeye hakim olmak, davranış değişikliğinden yalnızca önce gelir; kursiyerin bu öğrenmeyi uygulamaya koyması zaman alabilir veya özel bir deneyim gerektirebilir. Bu hipotez için yol modeli Şekil 6.3’te gösterilmiştir.

İstenen tedavi korelasyonu rTY ve gözlemlenen tedavi korelasyonu rTY′, ürün kuralıyla ilişkilidir. Bilişsel öğrenme ölçüsü ile sonraki sosyal davranış arasındaki korelasyon sadece rY’Y = .30 olsaydı, o zaman arzu edilen korelasyon rTY gözlemlenen korelasyon rTY’den daha düşük olurdu.

Bu çarpım kuralının kendisi, tedavi korelasyonu için düzeltme formülüdür. d istatistiği için düzeltme, düzeltilmiş tedavi korelasyonunun bir d değerine dönüştürülmesiyle elde edilir.

Yapı geçerliliği nedir
İçerik geçerliliği nedir
Yapı geçerliliği faktör analizi
SPSS geçerlilik analizi
Madde toplam korelasyonu SPSS
Güvenilirlik Analizi Nedir
İkinci düzey doğrulayıcı faktör analizi nedir
Yapı geçerliliği için doğrulayıcı faktör analizi uygulamalı bir

Tedavi Değişkeninde Kusurlu Yapı Geçerliliği

Tedavi değişkenindeki kusurlu yapı geçerliliği, amaçlanan tedavi etkisinin başka bir nedensel etkene bağlı etkiyle karıştırılmasıdır. Bu soruna yol analizi kullanılarak saldırılabilir ve belirli koşullar altında meta-analizde kullanılabilecek bir şekilde düzeltilebilir. Karıştırıcılığın düzeltilmesi, karıştırıcı nedensel etken tarafından indüklenen süreci ölçen bir araya giren değişkenin gözlemlendiği çok sayıda bağımlı değişken tasarımının kullanılmasını gerektirir.

Arzu edilen korelasyon daha sonra tedavi değişkeni ile bağımlı değişken arasındaki kısmi korelasyon ve aradaki değişken sabit tutulur. Bu yaklaşım, eşlik eden değişken olarak kullanılan araya giren değişkenle kovaryans analizi yapmak için titiz, nicel bir ikamedir. Bu yöntemin ayrıntılı tedavisi bu çalışmanın kapsamı dışındadır.

Etki Büyüklüğünde Sapma (d İstatistik)

Etki büyüklüğü istatistiği, yasaklayıcı “yanlılık” başlığıyla bilinen istatistiksel bir olguya tabidir. 20’den büyük numune boyutları için yanlılık, büyüklük olarak önemsizdir. Bununla birlikte, meta-analiz ile ilgili büyük bir sorunun “önyargılı yöntemlerin” kullanılması olduğunu savunan makaleler bulunmaktadır. Bölümün birincil amacı önyargının önemsiz büyüklükte olduğunu göstermek olsa da, bu bölüm önyargı için bir düzeltme sunacaktır.

Tamamı aynı örneklem büyüklüğüne ve aynı popülasyon etki büyüklüğüne sahip, mükemmel şekilde kopyalanmış bir dizi çalışma düşünün. Ortalama örnek etki büyüklüğü, popülasyon etki büyüklüğünden biraz farklı olacaktır. Bu tutarsızlık, istatistiksel tahmin literatüründe “yanlılık” olarak adlandırılır. Önyargı boyutu, örnek boyutuna bağlıdır. Etki büyüklüğü istatistiği d ve tedavi korelasyonu r için sapma farklı yönlerdedir. Ortalama d, δ’den biraz daha büyükken, ortalama korelasyon ρ’dan biraz daha küçüktür.

Tedavi korelasyonunda yanlılığın tam bir tedavisi Hunter, Schmidt ve Coggin (1996) tarafından verilmiştir ve bu yanlılığın çok küçük örneklemli çalışmalarda önemsiz olduğunu ve küçük örneklemli çalışmalar için küçük olduğunu göstermiştir. Bazı yazarlar, yanlılığı azaltmak için Fisher’s z dönüşümünü kullanmayı önerdiler, ancak Fisher’s z’yi kullanan sapma, ters yönde olmasına rağmen daha da büyük çıktı. Tedavi korelasyonundaki yanlılık ile verilir.

Bu önyargı ne kadar küçük? Nüfus korelasyonu ρ = .20 ve örneklem büyüklüğü N = 100 olan mükemmel şekilde kopyalanmış çalışmaları düşünün. Ortalama gözlemlenen korelasyon çarpanı a = 1 − .00485 = .995 olacaktır. Ortalama korelasyon .200 yerine .199 olacaktır. Korelasyondaki önyargının önemsiz boyutu, önyargının geleneksel olarak göz ardı edilmesinin nedenidir. Ancak, çok küçük örneklem boyutu meta-analizleri için (ortalama örneklem boyutu 10’dan az) veya çok titiz analistler için, yanlılık için gözlenen tedavi korelasyonunu düzeltmek mümkündür. Önceki denkleme karşılık gelen doğrusal olmayan düzeltme olacaktır.

Doğrusal düzeltme, meta-analizden sonra uygulanabilmesi avantajına sahiptir. Nüfus korelasyonlarının hem tahmini ortalamasını hem de tahmini standart sapmasını, ortalama örneklem büyüklüğünde N seti ile hesaplanan çarpana bölün. Düzeltilmiş korelasyonun, düzeltilmemiş korelasyondan önemsiz derecede daha büyük olacağına dikkat edin.

d istatistiğindeki yanlılığın tam bir tedavisi Hedges ve Olkin’de (1985) verilmiştir. Önyargı, çok küçük örneklem çalışmaları hariç tümü için önemsiz olsa da, bu önyargı için rutin düzeltmeyi önerirler. Gerçekten de, d simgesini yalnızca düzeltilmiş istatistik için kullanırlar.

Bu önyargı ne kadar büyük? N = 100’lük bir örneklem büyüklüğüne dayalı olarak ders kitabı boyutunda d = .40 etkisi olan bir çalışma düşünün. Çarpan a = 1 + .0077 = 1.0077’dir. Ortalama çalışma etki büyüklüğü .400 yerine .403 olacaktır. Öte yandan, örneğin N = 10 (her grupta beş denek) gibi son derece küçük bir örneklem büyüklüğü ile yapılan bir çalışmayı düşünün. Çarpan a = 1 + .107 = 1.107 olur ve ortalama etki büyüklüğü .400 yerine .443 olur. Düzeltme basittir; sadece a’ya bölün.

Bunun doğrusal bir düzeltme olduğuna dikkat edin. Böylece meta-analizden sonra uygulanabilir. Düzeltilmiş d değerlerinin hem tahmini ortalamasını hem de tahmini standart sapmasını çarpan a’ya bölmeniz yeterlidir. Yine, kullanılan N, ortalama N olmalıdır. Düzeltilmiş efekt boyutları, düzeltilmemiş efekt boyutlarından biraz daha küçük olacaktır.

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

Bağımlı değişkende mükemmel yapı geçerliliğinden sapmalar da olabilir. Bazı sapmalar düzeltilebilir, ancak bazıları düzeltilemez. Eksik geçerliliğin etkisinin ölçülebildiği bir durumu gösterir.Çalışma değişkeninin personel seçimi araştırmasından nedensel olarak alındığı soyut durumu göstermektedir. 

Örneği düşünün: bir personel seçimi doğrulama çalışmasında iş performansını ölçmek için süpervizör derecelendirmelerinin kullanılması.

İdeal ölçü, yapı-geçerli, tamamen güvenilir, iş örneği testi gibi nesnel bir iş performansı ölçüsü olacaktır. Bunun yerine, çalışma ölçü olarak süpervizör algısını (derecelendirmeleri) kullanır. İdeal derecelendirme, bir denetçi popülasyonu arasında bir fikir birliği kararı olacaktır. Bunun yerine, gözlemlenen çalışma değişkeni, acil denetçinin değerlendirmesidir.

Bu nedenle, o denetçinin algılarının kendine has özelliği, gözlemlenen derecelendirmelerdeki ölçüm hatasının bir parçasıdır. İnsan yargısını etkileyebilecek yabancı faktörler arasında arkadaşlık, fiziksel görünüm, ahlaki ve/veya yaşam tarzı gelenekselliği ve daha fazlası yer alır.

Örnek durumunda, bir meta-analizden elde edilen kümülatif ampirik veriler, fiili iş performansı ile fikir birliği derecelendirmeleri arasındaki korelasyonun sadece . Acil denetçi değerlendirmesinin güvenilirliği, derecelendirme aracının kalitesine bağlıdır. Bir toplam derecelendirme için güvenilirlik ortalama .47 olacaktır; tek bir küresel derecelendirme için güvenilirlik ortalama 36 olacaktır. Tek bir küresel derecelendirme ölçüsü kullanmanın geçerliliğinde azalma √ a= .36=.60andb=.52,yani, ρo = abρ = (.60)(.52)ρ = .31ρ’dan, gözlemlenen korelasyonda %69’luk bir azalma ile verilir.

Bu örnekte, bağımlı değişkendeki yeni faktörler sadece amaçlanan bağımlı değişkene yabancı değil, aynı zamanda bağımsız değişkenle ilişkisizdi. Ancak bazı durumlarda, yabancı değişken hem bağımlı hem de bağımsız değişkenlerle ilişkilidir. Bu tür durumlar daha karmaşıktır ve yabancı değişkenin bağımlı değişkenin yapı geçerliliği üzerindeki etkisini düzeltmek her zaman mümkün değildir. Bu vakalar bu çalışmanın kapsamı dışındadır.

Verilerdeki Hesaplama ve Diğer Hatalar

Meta-analizdeki en zor artefakt veri hatalarıdır. Bilimsel sürecin herhangi bir adımında kötü veriler ortaya çıkabilir. Ham veriler yanlış kaydedilebilir veya bilgisayara yanlış girilebilir. Biçim yanlış belirtildiğinden veya bir dönüştürme formülü yanlış yazıldığından bilgisayar yanlış değişkeni ilişkilendirebilir.

Korelasyonun işareti yanlış olabilir, çünkü analist değişkeni ters olarak puanlamıştır, ancak çıktıyı okuyan kişi bunu bilmiyordur veya okuyucu, değişkenin ters olarak puanlandığını düşünmediği halde ters puanlandığını düşünmüştür. Bilgisayar çıktısı tablolara alındığında, korelasyon yanlış kopyalanabilir; işaret kaybolabilir veya rakamlar tersine dönebilir; veya tablo yayınlandığında, dizgici korelasyonu yanlış kopyalayabilir.

Bu tür hatalar, inanmak istediğimizden çok daha sık görülür. Tukey, tüm gerçek veri setlerinin hatalar içerdiğini savundu. Gülliksen (1986) şu açıklamayı yapmıştır:

Hesaplamalarımı çalıştırmadan önce verilerde hata olup olmadığını kontrol etmenin gerekli olduğuna inanıyorum. Her zaman bir hata kontrol programı yazdım ve hesaplamadan önce verileri onun içinden geçirdim. Kendim veya bir başkası için çalıştırdığım her veri setinde, anketlere geri dönmeyi ve bazı kartları yeniden açmayı veya belki de bazı konuları atmayı gerektiren her zaman hatalar olduğunu çok ilginç buluyorum.

Ayrıca, bazı hataların aykırı değerlerle sonuçlanması muhtemeldir ve aykırı değerler varyans üzerinde dramatik bir enflasyonist etkiye sahiptir. Normal bir dağılımda, örneğin, SD, veri değerlerinin en yüksek ve en düşük %5’i tarafından belirlenen %65’tir. Pek çok araştırma literatüründe korelasyonlarda ve d değerlerinde gözlemlenen varyansın önemli bir kısmını muhtemelen çeşitli türlerdeki veri hataları açıklamaktadır.

Dış geçerlilik ne demek
İçerik geçerliliği Nedir
Nicel araştırmada Geçerlik ve güvenirlik
Geçerlilik nedir
Güvenilirlik analizi nasıl yapılır
Güvenilirlik Analizi Nedir
Güvenirlik katsayısı
Geçerlik ve güvenirlik nedir

Bunun sonucu olarak, çok sayıda korelasyon içeren hemen hemen her meta-analiz ve az sayıda çalışma içeren bazı meta-analizler bazı veri hataları içerecektir. Kötü veriler bulunabilirse, atılabilirler. Bununla birlikte, tanımlanabilecek tek kötü veri, dağılımın çok dışında kalan ve açıkça aykırı değerler olan korelasyonlardır. Aykırı değer analizi, çalışma örneklerinin en az orta büyüklükte olduğu durumlarda en iyi sonucu verir. Örnek boyutları küçükse, gerçek aykırı değerleri aşırı büyük örnekleme hatalarından ayırt etmek zordur.

Bu nedenle, mevcut artefakt listesi eksiksiz olsa (değildir) ve bilinen tüm artefaktlar kontrol edilmiş olsa bile (nadiren mümkündür), veri hatalarından dolayı çalışma sonuçlarında yine de farklılıklar olacaktır. Gerçek meta-analizlerde, kötü verilerin yanı sıra bilinmeyen ve kontrol edilemeyen artefaktlar nedeniyle her zaman zayıflama ve yanlış varyasyon vardır.

Bu düşünceler Schmidt ve Hunter’ı (1977) genel bir kural olarak öne süren “%75 kuralını” önermeye yöneltti; eğer herhangi bir veri setinde bilinen ve düzeltilebilir eserler çalışma korelasyonlarındaki varyansın %75’ini oluşturuyorsa, muhtemelen şudur: kalan %25 ise kontrolsüz artefaktlardan kaynaklanmaktadır. Tüm açıklanamayan varyansların gerçek moderatör değişkenlerinden kaynaklandığını varsaymak akıllıca değildir, çünkü çalışmalar arasında varyasyona neden olan tüm artefaktları düzeltmek asla mümkün değildir.

Çalışma Prosedürünün Getirdiği Yabancı Faktörler

Araştırmanın ölçüm süreci veya gözlem prosedürü, araştırma mükemmel bir şekilde yapılmış olsaydı var olmayacak (veya sabit kalacak) bir değişken nedeniyle bağımlı değişkende varyasyona neden olabilir. Örnek olarak, iş performansının eşzamanlı geçerlilik çalışmasında iş deneyiminin etkisini düşünün. Personel seçiminde adaylar bir kohort olarak değerlendirilebilir. Başvuranlar karşılaştırıldığında, sanki aynı anda işe başlayacaklarmış gibi örtük olarak karşılaştırılıyorlar.

Eşzamanlı bir geçerlilik çalışmasında, performans, işte farklı miktarlarda deneyime sahip mevcut tüm çalışanlar üzerinde ölçülür. Bu, çalışanların iş deneyimlerinde farklılık gösterdikleri için performanslarının kısmen farklı olacağı anlamına gelir. Bu, aynı anda işe alınan başvuru sahipleri için geçerli olmayacaktır. Bu nedenle, deneyimdeki farklılıklar, çalışma gözlem prosedürü tarafından yaratılan yabancı bir değişkeni oluşturur.

Bu süreç için soyut yol diyagramı, iş deneyimi durumunu gösterirken gösterilir. Duruma herhangi bir yabancı değişken dahil edilmemiş olsaydı, gözlemlenen korelasyon, bağımsız değişken ile bağımlı değişken arasındaki kısmi korelasyona eşdeğer olurdu ve yabancı değişken sabit tutulur. Yabancı değişken bağımsız değişkenle ilişkili olmadığından, kısmi korelasyon formülü şöyledir.

Bu, deneyimden kaynaklanan zayıflama için bir düzeltme olarak kabul edilebilir. Denklemi tersine çevirirsek, zayıflama formülünü elde ederiz. Kısmi bağıntı için denklemin paydasının tersi a olsun.

Okuyucu, neden her bir bireysel çalışmada sadece kısmi korelasyonu hesaplamadığımızı sorabilir. Aslında, bu sorunu çözecekti. Yani, çalışmada deneyim kaydedilmişse ve çalışma korelasyonu olarak kısmi korelasyon kullanılmışsa, daha fazla istatistiksel düzeltmeye gerek kalmayacaktır.

Bu aynı zamanda istatistiksel düzeltme tarafından üretilen örnekleme hatasındaki artışı da ortadan kaldıracaktır. Bu düzeltme, dikotomizasyona benzer. Orijinal araştırma raporunda doğru korelasyon verilmişse (veya bunu hesaplamak için gerekli ek korelasyonlar verilmişse), olay sonrası istatistiksel düzeltmenin kullanılmasına gerek kalmayacaktır. Bununla birlikte, genellikle durum böyle değildir ve bu nedenle düzeltme gereklidir.

The post Bağımlı Değişkende Kusurlu Yapı Geçerliliği – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).