Veriler toplandıktan sonra istatistiksel analizler yapılabilir, böylece araştırmacı tarafından öne sürülen hipotezler objektif olarak test edilebilir. Çoğu araştırma araştırmasında iki tür istatistik kullanılır:

1. Tanımlayıcı istatistikler
2. Çıkarımsal istatistikler

Tanımlayıcı istatistikler, veri setinin özelliklerini tanımlar veya özetler. Örneğin, üniversite sporcularında üç farklı antrenman tekniğinin aerobik dayanıklılık üzerindeki etkileriyle ilgilendiğimizi varsayalım. Her koşul altındaki her katılımcı eğitiminin puanlarını tanımlamak yerine, ortalamayı bildirerek her koşuldaki katılımcıların ortalama puanlarını tanımlayabiliriz.

Ardından, standart sapmayı bildirerek her bir puan kümesinde ortalama etrafında ne kadar değişkenlik bulunduğunu tanımlayabiliriz. Tanımlayıcı istatistikler, çok fazla hipotezi test etmemize izin vermez, ancak araştırmacıya yararlı tanımlayıcı bilgiler sağlar ve her zaman herhangi bir araştırma makalesinde rapor edilmelidir.

Çıkarımsal istatistikler çok daha karmaşıktır ve bu konunun kapsamı başlar. Hipotezleri test etmek ve daha büyük bir popülasyon için bir örneklem hakkında çıkarımlarda bulunmak için kullanılırlar. Önceki örneği kullanarak, varyans analizi testi olarak bilinen bir test kullanarak bir kolej sporcusu örneğinde aerobik dayanıklılığı geliştirmek için en etkili antrenman tekniğinin hangisi olduğunu belirleyebilirim.

Atlet örneğinin daha büyük bir popülasyonu temsil ettiği varsayıldığından, bu testin sonuçları daha sonra tüm kolej sporcularını içeren daha büyük bir popülasyona genelleştirilebilir.

Çıkarımsal istatistiksel testlerin uygulanmasından elde edilen sonuçlar, araştırma hipotezlerini ya destekleyecek ya da çürütecektir. Öğrenciler hipotezlerini test etmek için istatistiksel analizleri ilk kez kullandıklarında, analiz sonuçlarının hipotezlerinin doğru olduğunu kanıtladığını önermek genellikle onlara cazip gelir. Ancak, bilimsel açıklamalar her zaman geçicidir. Sık sık değiştirilirler ve güncellenirler. Nitekim bilimin güzelliklerinden biri de kendi kendini düzeltmeye açık olmasıdır.

Bu nitelik nedeniyle, dikkatli olunması ve sonuçlar beklenen yönde ise yalnızca bir hipotez için destek önermek tavsiye edilir. Benzer şekilde, sonuçlar beklenen yönde değilse, sonuçlar kanıt oluşturmak için yeterli olmasa da bir hipotez reddedilebilir. Farklı türde çıkarımsal istatistiklerin kapsamı başlar ve çalışmanın geri kalanında çeşitli testler tartışılır.

Çizim Sonuçları

Araştırma sürecinin son aşaması, sonuçların, sorunun üretildiği literatürle ilişkilendirilmesini ve soruşturmada ne olduğuna dair net bir açıklama sunmaya çalışmayı içerir. Bir hipotezi destekleyen araştırma bulgularını açıklamak nispeten basit bir görev olsa da, beklenmedik sonuçları açıklamak biraz daha zordur.

Sonuçların bir araştırma hipotezini destekleyip desteklemediğine bakılmaksızın, sonuçları açıklamak konu hakkında sağlam bir bilgi birikimi gerektirir. Bunun nedeni, araştırmacıların bulgular için sıklıkla alternatif açıklamalar düşünmeleri gerektiği ve bu nedenle açıklamalarının tek olasılık olmadığı konusunda dikkatli olmaları gerektiğidir. Bu aşama ve soru üretme aşaması, araştırmacının detaylı bilgisinin ve yaratıcılığının en çok talep edildiği aşamadır.

Bu kitabın içeriğine geçmeden önce, ilgi alanınızdaki istatistiğin rolü hakkında bilgi sahibi olmanız yararlı olabilir. Bu konuda size yardımcı olması için aşağıdaki alıştırmayı tamamlamanız önerilir.

Hangi istatistiksel analiz nerede kullanılır
Makalede istatistiksel analiz yöntemleri Nedir
Tez istatistik analiz
İstatistiksel analiz yöntemleri PDF
İstatistiksel analiz yöntemleri
Veri analiz yöntemleri
Verilerin istatistiksel analizi
Veri analiz Türleri

Tanımlayıcı İstatistikler

Çoğu araştırma sorusunu yanıtlamaya çalışırken, genellikle bireysel katılımcının ilgilenilen değişkenler üzerindeki puanlarını temsil eden büyük miktarda veri toplamak yaygındır. Örneğin, kalp ameliyatı geçirmiş hastaların iyileşmesine yardımcı olabilmek için egzersiz araştırmacıları, yaş, önceki egzersiz alışkanlıkları ve bir kardiyak rehabilitasyon programına bağlılık konusunda özgüven gibi faktörlerin ne kadar önemli olduğunu bilmekle ilgilenebilirler.

Bu değişkenlerin uyum üzerindeki etkisini incelemek için öncelikle her bir katılımcının yaşı, önceki egzersiz alışkanlıkları ve özgüveninin yanı sıra rehabilitasyon programına bağlılık ölçümlerini elde etmemiz gerekir.

Ancak, ilgilenilen değişkenler üzerindeki her bir bireysel puanla uğraşmak yerine, verileri iyileştirmek ve yönetilebilir bir forma indirgemek için veri indirgeme teknikleri kullanılacaktır. Bu, her bir katılımcının puanlarına atıfta bulunmak yerine, bir bütün olarak örneklem hakkında özet ifadeler yapmamızı sağlar. Bu nedenle, tanımlayıcı istatistiklerin büyük miktarda verinin kısa bir tanımını sağlamayı amaçladığını görebiliriz.

Bunun ne anlama geldiğini göstermek için, egzersizle ilgili daha az karmaşık bir örneği ele alalım. Yerel bir üniversitedeki öğrencilerin egzersiz davranışlarıyla ilgilenen bir araştırmacı, kullanım alışkanlıklarını belirlemek için üniversite sağlık kulübünü düzenli olarak kullanan bir öğrenci örneğine bir anket dağıttı.

Veriler, araştırmacı tarafından toplanan bilgilerin bir bölümünü temsil eder ve bir öğrenci örneğinin öğrenci sağlık kulübünde aerobik egzersiz derslerine ayda kaç kez katıldığını gösterir. 19 öğrenciden oluşan bir örneklem, araştırmacıya egzersiz davranışları hakkında bilgi verdi. İstatistikte gözlem sayısı n harfi ile gösterilir.

Bu ham formda gösterildiği için, verilerin herhangi bir özelliğini anlamak ve insanların ne sıklıkla aerobik egzersiz yaptığına dair soruları yanıtlamak zordur. Yararlı bir süreç, gözlemleri en küçüğünden en büyüğüne doğru sıralamaktır. Bu işlem dizi denilen şeyi üretecektir.

Bu düzenlemeden, bu veri setindeki puanların 1 ile 13 arasında değiştiği kolayca görülebilir. Dolayısıyla, bir öğrencinin yaptığı minimum egzersiz miktarının ayda bir aerobik seansı olduğu ve maksimum egzersiz sayısının bir aerobik seansı olduğu sonucuna varılabilir. üstlenilen oturumlar 13’tür. Bu aralık, en yüksek puan eksi en düşük puan artı bire eşittir. Artı birin nedeni, bu aralığın hem en yüksek hem de en düşük puanları içermesidir.

Gözlem sayısını bilmek (n = 19) ve bu puanların dağılımının kaba bir ölçüsüne sahip olmak (aralık = 13) faydalıdır, ancak verilerin doğru bir kısa tanımını sağlamak için yeterli değildir. Örneğin, 19 puanın bu 13 aralığına nasıl dağıldığına dair herhangi bir gösterge sağlamazlar.

Ayrıca, çoğu öğrencinin ayda bir veya iki kez, ayda 12 veya 13 kez sadece birkaç egzersizle mi yoksa çoğu ayda bir veya iki kez sadece tembel birkaç egzersizle ayda 12 veya 13 kez mi egzersiz yaptığı bilinmiyor. Egzersiz sıklığının bu 13 aralığına nasıl dağıldığını bulmak için verilerin frekans dağılımı olarak bilinen şekilde sınıflandırılması gerekir.

Bu görevi üstlenmek için puan aralığı, düşük katılımdan yüksek katılıma kadar değişen bir dizi farklı sınıfa bölünmelidir. Daha sonra, bir sıklık dağılımı üretmek için her belirli katılım düzeyine düşen puanların sıklığı sayılabilir.

Frekans dağılımı

Eğer veri birkaç sınıfa bölünecekse, yapılacak ilk şey kaç tane sınıf olması gerektiğine karar vermektir. Aslında bu sürece yön verecek bir kural yoktur. Ancak, ne kadar çok sınıf varsa, her sınıfın genişliğinin o kadar dar olduğu açık olmalıdır. Bu örnekte sınıf sayısının 7 olmasına karar verdik. Sınıf sayısı k harfi ile gösterilir.

Ortaya çıkan 1.86 sınıf genişliği, frekans dağılımı elle yapılacaksa, başa çıkmak için garip bir sayıdır. Neyse ki, sınıf sayısı keyfi olduğu gibi, en alt sınıfa başlanacağı ve son sınıfın biteceği nokta da keyfidir. Örneğin, en düşük puan olan 1’den başlayıp en büyük puan olan 13’te bitirmek yerine, bunu başlangıç ​​noktası 1 ve bitiş noktası 14 olacak şekilde değiştirebiliriz. Bu, sınıf genişliğinin bir tam sayı olmasını sağlayacaktır. 

The post İstatistiksel Analizler – Spss Ödevleri – İstatistik Ödev Hazırlatma – Spss Alanında Tez Yazdırma – İstatistik Ödev Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Spss Analizi Yaptırma first appeared on Online (Parayla Ödev Yaptırma).

Özet noktalar

• Meta-analiz, bir dizi çalışmanın her biri için uygun bir özet istatistiğin hesaplanmasını ve ardından bu istatistiklerin ağırlıklı bir ortalamada birleştirilmesini içeren iki aşamalı bir süreçtir.
• İkili veriler için olasılık oranlarını, risk oranlarını ve risk farklılıklarını ve olaya kadar geçen süre verileri için tehlike oranlarını birleştirmek için yöntemler mevcuttur.
• Sürekli veriler, ya araçlardaki farklılıklar olarak ya da bir ölçüm ölçekleri karışımı kullanıldığında ortalamalardaki standartlaştırılmış farklılıklar olarak birleştirilebilir.
• Sabit etki modelleri, içerdikleri bilgi miktarının bir ölçüsüne göre ağırlıklandırarak özet istatistiklerin ortalamasını alır. Temel olarak bireysel çalışma ağırlıklarını hesaplamak için kullanılan hesaplamalarda farklılık gösteren çeşitli yöntemler (ters varyans, Mantel–Haenszel ve Peto) mevcuttur.
• Rastgele etki modelleri, ortak etkinin hesaplanmasına, çalışma varyasyonu (heterojenlik) arasındaki bir tahmini dahil eder. Basit bir yöntem kolayca mevcuttur (DerSimonian ve Laird); diğer yöntemler daha karmaşık istatistiksel hesaplamalar gerektirir.
• Belirli bir analiz için bir meta-analiz yönteminin seçimi, veri tipini, özet istatistiğin seçimini (etkinin tutarlılığı ve istatistiğin yorumlanma kolaylığı dikkate alınarak), gözlemlenen heterojenliği ve hesaplamanın bilinen sınırlamalarını yansıtmalıdır. 

Sistematik bir gözden geçirmede önemli bir adım, çalışmaların tümünü (veya belki de bazılarını) bir meta-analizde birleştirmenin uygun olup olmadığının düşünülerek değerlendirilmesidir. 

Heterojenlik olarak bilinen, bireysel çalışma sonuçları arasındaki varyasyon derecesinin istatistiksel olarak araştırılması, genellikle sonuçların “birleştirilebilirliği” ile ilgili kararların alınmasına katkıda bulunabilir. Bu bölümde meta-analizin genel ilkelerini ele alacağız ve meta-analiz gerçekleştirmek ve heterojenliği incelemek için en sık kullanılan yöntemleri tanıtacağız. Tedavileri değerlendiren randomize çalışmaların meta-analizine odaklanacağız, ancak aynı ilkeler diğer karşılaştırmalı çalışmalar, özellikle vaka kontrol ve kohort çalışmaları için de geçerlidir.

Genel İlkeler

Meta-analiz iki aşamalı bir süreçtir. İlk aşamada, her çalışma için bir özet istatistik hesaplanır. Kontrollü denemeler için bu değerler, her bir denemede gözlemlenen tedavi etkisini tanımlar. Özet istatistikler genellikle risk oranları, olasılık oranları veya olay verileri için risk farklılıkları, sürekli veriler için araçlardaki farklılıklar veya hayatta kalma süresi verileri için tehlike oranlarıdır.

İkinci aşamada, genel tedavi etkisi, bu özet istatistiklerin ağırlıklı ortalaması olarak hesaplanır. Ağırlıklar, her denemenin içerdiği bilgi miktarını yansıtacak şekilde seçilir. Pratikte ağırlıklar, genellikle, numune boyutuyla yakından ilgili olan, tedavi etkisinin varyansının (standart hatanın karesi) tersidir.

Genel tahminin kesinliği (güven aralığı) ve istatistiksel önemi de hesaplanır. Genellikle tavsiye edilmese de, çalışma kalitesine göre ek olarak ağırlık vermek de mümkündür. Yaygın olarak kullanılan tüm meta-analiz yöntemleri bu temel ilkeleri takip eder. Bununla birlikte, aşağıda açıklandığı gibi, alternatif yöntemler arasında farklılık gösteren bazı başka yönler de vardır.

Bir meta-analizde, tüm denemelerden elde edilen verileri tek bir büyük denemedenmiş gibi birleştirmeyiz. Böyle bir yaklaşım birkaç nedenden dolayı uygun değildir ve özellikle denemelerde her gruptaki katılımcı sayısı dengeli olmadığında yanıltıcı sonuçlar verebilir.

Tesadüf parselleri ile tesadüf blokları arasındaki farklar
temel i̇statistik
Hata kareler ortalaması formülü
istatistiksel analiz yöntemleri
istatistik formülleri
istatistik nedir
Genel kareler toplamı hesaplama
İstatistiksel yöntemler Ders Notları

Heterojenliğin Değerlendirilmesi

Sistematik bir incelemenin önemli bir bileşeni, birincil çalışmalar arasında tedavi etkisinin tutarlılığının araştırılmasıdır. Denemeler ortak bir protokole göre yürütülmeyeceğinden, genellikle hasta gruplarında, klinik ortamlarda, eşlik eden bakımda ve müdahalenin uygulanma yöntemlerinde farklılıklar olacaktır.

Araştırma sonuçlarının genel tahminden bir miktar farklılaşması her zaman tamamen şans eseri beklenirken, tedavinin etkinliği ayrıca bireysel deneme özelliklerine göre değişebilir ve bu da sonuçların değişkenliğini artıracaktır. Farklı denemelerin sonuçları arasındaki aşırı değişkenlik olasılığı, homojenlik testi ile incelenir (bazen heterojenlik testi olarak tanımlanır).

Araştırma özelliklerinin farklı olmasına rağmen ortak bir etki ile deneme sonuçlarının tutarlılığı, tedavi etkisinin genelleştirilmesinin önemli ve güçlü bir şekilde doğrulanmasını sağlar, böylece daha geniş klinik uygulamaya uygulanmasına daha fazla kesinlik getirilebilir.

Bununla birlikte, homojenlik testinin, özellikle çok fazla çalışma olmadığında, aşırı varyasyonu tespit etme gücü düşüktür, bu nedenle tip II (yanlış negatif) hata olasılığı her zaman göz önünde bulundurulmalıdır. Buna karşılık, homojenlik testi istatistiksel olarak anlamlıysa, denemeler arasındaki değişkenlik tek başına şans eseri beklenenden daha fazladır. Bu durumlarda, bir tedavinin sabit olmasa da gerçek bir yararı olduğunun gösterilmesi hala mümkündür. Özellikle, ekstra varyasyon, bir rastgele etkiler modeli kullanılarak analize dahil edilebilir.

Heterojenliğin önemli olduğu durumlarda, incelemeyi yapan kişi, araştırma sonuçları arasındaki farklılıkların nedenlerinin araştırılmasını veya birleştirilmiş bir tahminin raporlanmamasını dikkate almalıdır. Çalışma faktörleri ve tahmini tedavi etkisi arasındaki potansiyel ilişkileri test etmek ve incelemek için tabakalı meta-analiz ve özel istatistiksel meta-regresyon yöntemleri kullanılabilir.

Bireysel çalışmalardan elde edilen etki tahminleri için formüller

Burada meta-analizin yayınlanmış makalelerden elde edilen özet bilgiler üzerinde yapıldığını varsayıyoruz. Bireysel hasta verilerinin durumu kısaca ele alınır.

Tedavi etkisinin bireysel çalışma tahminleri: ikili sonuçlar

İkili bir sonucu olan çalışmalar için sonuçlar, iki grubun her birinde olayı yaşayan veya yaşamayan kişilerin sayısını veren bir 2 􏰀 2 tablosunda (Tablo 15.1) sunulabilir (buraya müdahale ve kontrol denir).

i. çalışma için hücre sayılarını gibi, Ni = nli + n2i ile gösteriyoruz. Sıfır hücreleri standart hataların hesaplanmasında sorunlara neden olur, bu nedenle bu tür çalışmalar için her hücreye (a , b , c , d ) genellikle 0,5 eklenir.

Tedavi etkisi, göreli veya mutlak etki olarak ifade edilebilir. Göreceli etki ölçüleri (olasılık oranları ve risk oranları) genellikle log ölçeğinde birleştirilir. Bu nedenle log oranı ölçüsü için standart hatayı da veriyoruz.

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