Tutarlılığı kontrol etmek için ikinci bulguların çapraz referans alınabileceği, bilişsel yetenekler ve iş performansıyla ilgili kelimenin tam anlamıyla yüzlerce meta-analiz vardır. Davranışsal tutarlılık yöntemi söz konusu olduğunda, başka bir meta-analiz yoktur. Ayrıca, davranışsal tutarlılık prosedürünün tam olarak neyi ölçtüğü konusunda çok az bilgiye sahibiz.

Örneğin, bilişsel yetenek testi puanları ile davranışsal tutarlılık puanları arasında rapor edilmiş bir ilişki yoktur. Davranışsal tutarlılık puanları, bilişsel yetenekler gibi henüz zengin, yapılandırılmış, karmaşık ve ayrıntılı bir yerleşik bilgi ağının parçası değildir. Bu nedenle, bu meta-analiz çok daha büyük ölçüde tek başına durmalıdır.

Sonuçların aykırı değerlerden veya ikinci dereceden örnekleme hatasından önemli ölçüde etkilenmediğinden gerçekten emin olamayız. (Örneğin, artefaktlardan kaynaklanan gerçek varyans miktarı %100 veya %50 olabilir.) Bu nedenlerle, McDaniel ve ark. (1988a) bu bulguların bir ön kabul olarak değerlendirilmesi gerektiğini belirtmiş ve yerel ortamlar için yerel çalışmalardan “yerel geçerlilikleri” tahmin etmek için değil, meta-analizde birleştirilecek daha fazla çalışmaya sahip olmak için ek geçerlilik çalışmalarının yapılmasını tavsiye etmiştir.

Endüstriyel-örgütsel psikolojide, personel seçimi alanının tamamen dışında, (1) şu anda mevcut olan çalışmaların sayısının az olduğu ve (2) ayrıntılı ampirik ve teorik bilgi yapısının bulunmadığı başka araştırma alanları da vardır. meta-analitik sonuçlar kontrol edilebilir.

Meta-analizdeki bireysel çalışmaların sayısı az olduğu ve meta-analitik sonuçların kontrol edilebileceği ilgili ampirik ve teorik bilgi yapısı olmadığı için meta-analitik sonuçların daha az kanıtlayıcı değeri olduğunda, alternatif, tek bir çalışmaya güvenme ya da çalışma bulgularını bütünleştirmek için anlatı inceleme yöntemine geri dönüş; her ikisi de bilgi verimi açısından meta-analizden çok daha düşüktür.

Uygun tepki, daha sonra yeni ve daha bilgilendirici bir meta-analize dahil edilen ek çalışmaları yürütürken (veya beklerken) meta-analizi geçici olarak kabul etmektir. Bu süre boyunca, söz konusu hipoteze dayanan diğer kanıt biçimleri, aynı soruya farklı yaklaşımları temsil etmeleri bakımından, durumsal özgüllük alanındaki ortam içi çalışmalara benzer kanıt biçimleri gibi görünebilir. Bu tür kanıtlar daha sonra daha önce açıklanan türden yapılandırılmış kanıt modelinin inşasının başlamasına izin verir.

SPSS geçerlilik analizi
İç tutarlılık Nedir
Güvenilirlik Analizi Nedir
Güvenilirlik nedir
Geçerlilik analizi nedir
Güvenilirlik analizi nasıl yapılır
Testin güvenirlik katsayısı formülü
Madde toplam korelasyonu SPSS

İkinci Derece Meta Analizler

Daha önce açıklanan araştırma programında, hesaplanan yüzde varyans biçimindeki sonuçlar, farklı meta-analizlerde, özellikle de iş performansını tahmin etmek için kullanılan farklı yeteneklerin meta-analizlerinde birleştirildi. Aynı teorik düşüncelerin bir dizi meta-analiz için geçerli olduğu bu gibi durumlarda, ikinci mertebeden örnekleme hatası sorunu, meta-analizlerin meta-analizi veya ikinci mertebeden bir meta-analiz kullanılarak ele alınabilir.

Bilişsel yetenek testleri üzerinde geçerlilik genelleme araştırması bir örnektir. Durumsal özgüllük hipotezi altında, varsayılan durumsal moderatörler farklı yetenekler için esasen aynı olacaktır ve alternatif hipotez altında, tüm varyansların tüm yetenekler için yapay olduğu varsayılacaktır.

İkinci dereceden meta-analiz, birkaç meta-analiz boyunca hesaplanan ortalama varyans yüzdesinin hesaplanmasını içerecektir. Örneğin, Psychological Services, Inc. tarafından 16 şirkette yürütülen büyük bir konsorsiyum çalışmasında, örnekleme hatasının açıkladığı varyans yüzdesi, incelenen çeşitli yetenekler için yaklaşık %60 ila %100 arasında değişiyordu.

Yetenekler arasında hesaplanan ortalama yüzde %99’du; bu, ikinci dereceden örnekleme hatası dikkate alındığında, 16 şirketteki geçerliliklerin tüm varyansının, incelenen tüm yetenekler için örnekleme hatasıyla açıklandığını gösterir.

Özellikle, böyle bir bulgu, hesaba katılan gözlemlenen varyansın %100’ünden daha azına sahip meta-analizlerin, ikinci dereceden örnekleme hatası vakaları olarak açıklandığını gösterir (özellikle, bu bölümün ilerleyen kısımlarında tanımlandığı gibi, ikincil ikinci dereceden örnekleme hatası).

Aynısı, gözlenen varyansın %100’ünden fazlasının açıklandığı meta-analizler için de geçerlidir. İkinci dereceden bir meta-analiz yapılırken %100’den büyük rakamların %100’e yuvarlanmaması gerektiği açıktır. Bunu yapmak açıkça bu rakamların ortalamasını saptıracaktır, çünkü rastgele olarak %100’den düşük olanlar yukarıya yuvarlanmaz.

İkinci mertebeden meta-analizde çok önemli bir teknik konu vardır: Hesaplanan ortalama varyans yüzdesi belirli bir şekilde hesaplanmalıdır, aksi takdirde yanlış olacaktır. Bu teknik konu en iyi Spector ve Levine tarafından yürütülen bir çalışma ile gösterilmiştir.

Spector ve Levine (1987), r’nin örnekleme hatası varyansı için formülün doğruluğunu değerlendirmeyi amaçlayan bir bilgisayar simülasyon çalışması yürütmüştür. Çalışmalarında, ρ değeri her zaman 0’dı, bu nedenle gözlemlenen rs’nin örnekleme hatası varyansı formülü Se2 = 1/(N − 1) idi.

30 ila 500 arasında değişen çeşitli N değerleri için simülasyon çalışmaları yaptılar. Meta-analiz başına gözlemlenen rs sayısı 6 ila 100 arasında değişiyordu. Her N ve rs sayısı kombinasyonu için meta-analizi 1.000 kez tekrarladılar. ve ardından 1.000 meta-analizde Se2/Sr2’nin ortalama değerini değerlendirdi.

Yani, dikkatlerini, çalışmalar arasında örnekleme hatası formülünden tahmin edilen ortalama varyans oranına, rs’nin gözlemlenen ortalama varyansına odakladılar. Tahmin edilen ve gözlemlenen varyanslar arasındaki fark olan Sr2 – Se2’ye bakmadılar.

100’den küçük tüm r sayıları için, Se2 /Sr2 oranının ortalama 1.00’den fazla olduğunu buldular. Örneğin, meta-analiz başına 10 rs ve her çalışmada N = 75 olduğunda, ortalama oran 1,25 idi. Kemery, Mossholder ve Roth (1987) simülasyon çalışmalarında benzer sonuçlar elde etmişlerdir.

Meta-analiz başına rs sayısı ne kadar küçükse, oran o kadar fazla 1.00’ı aşmıştır. Bu rakamları, bir meta-analizdeki korelasyon sayısı 100’den az olduğunda Se2 formülünün örnekleme varyansını olduğundan fazla tahmin ettiğini gösterdiği şeklinde yorumladılar. Onların varsayımı, Se2 formülü doğru olsaydı, Se2/Sr2 oranının ortalama 1.00 olacağıydı.

Spector-Levine (1987) çalışması, doğruluğu Sr2 − Se2 farkıyla değerlendirilirse, örnekleme hatası varyans formülünün son derece doğru olduğunu gösteren Callender ve Osburn (1988) tarafından eleştirildi. çok sayıda önceki simülasyon çalışmaları vardır.

Önyargı yoktu. Ayrıca, Se2’nin örnekleme varyansının tarafsız bir tahmini olmasına rağmen, ortalama Se2/Sr2 oranının neden 1.00’den büyük olduğunu da gösterdiler. Bir meta-analizdeki korelasyon sayısı küçük olduğunda, şans eseri Sr2 bazen çok küçük olacaktır; yani, tesadüfen, gözlemlenen tüm rs’ler birbirine çok benzer olacaktır.

Sr2 oranın paydası olduğundan, bu küçük Sr2 değerleri Se2/Sr2 için bazen 30 veya daha fazla kadar büyük değerlere yol açar. Ayrıca, eğer Sr2 şans eseri 0 ise, oran sonsuz büyüktür. Bu uç değerler, ortalama oranı 1,00’in üzerine çıkarır; medyan oran 1.00’a çok yakındır. Callender ve Osburn (1988) tarafından yapılan analiz, Spector ve Levine’in (1987) şaşırtıcı sonuçlarını tam olarak açıklıyor ve korelasyon için temel örnekleme varyans formülünün aslında doğru olduğunu gösteriyor.

The post Tutarlılık – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz 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).