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).

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).