Erlenmeyer-Kimling ve Jarvik (1963), zihinsel yetenek üzerindeki kalıtsal etkilerin bir resmini bir araya getirmek için birçok çalışmadan alınan zeka testi puanları için akrabalık korelasyonlarını kullandı. Fleishman ve Levine ve ortakları, alkol alımı ile farklı yeteneklere bağlı olarak görev performanslarındaki azalmalar arasındaki ilişkiyi belirlemek ve insan performansının uyanıklık alanındaki bir yetenek sınıflandırma sisteminin etkinliğini belirlemek için deneysel çalışmalar boyunca etki büyüklüklerini biriktirdiler.

Bununla birlikte, bu yazarların hiçbiri, kümülatif bilgi üretmek için bulguların çalışmalar arasında bütünleştirilmesine ilişkin genel problemin çözümünde kullanılmak üzere sistematik bir meta-analiz metodolojisi bütünü geliştirmedi. Araştırma bulgularını çalışmalar arasında bütünleştirmek için sistematik nicel tekniklerin tanıtılması 1970’lere kadar değildi. Glass (1976) bu tür ilk prosedür dizisini geliştirdi.

Glass’ın çalışmalarından habersiz, ertesi yıl meta-analiz yöntemleriyle ilgili ilk makalemizi yayınladık. Glass, analizlerin (çalışmaların) analizine atıfta bulunmak için “meta-analiz” terimini kullandı. Bu terimi tanıtmasının bir nedeni, bu tür analizleri ikincil analizlerden ayırmaktı. İkincil analizde, araştırmacı daha önceki bir çalışmanın dayandığı orijinal verileri elde eder ve yeniden analiz eder.

Meta-analiz, çalışmalar arasında etki büyüklüklerinin ve diğer tanımlayıcı istatistiklerin nicel kümülasyonu ve analizidir. Orijinal çalışma verilerine erişim gerektirmez.

Meta-analiz yöntemleri, grafik olarak gösterildiği gibi üç geniş kategoriye ayrılır. Tamamen tanımlayıcı yöntemler (Cam yöntemleri ve çalışma etkileri meta-analiz yöntemleri) araştırma literatüründe bulunanların tanımlayıcı bir resmini çizer, ancak çalışma bulgularını çarpıtan herhangi bir eseri analiz etmeye, düzeltmeye veya başka bir şekilde ele almaya çalışmaz.

Sonraki, yalnızca örnekleme hatası yapaylığını ele alan meta-analiz yöntemleridir. Bunlar, Hedges ve Olkin (1985) ile Rosenthal ve Rubin’in homojenlik testine dayalı yöntemlerini ve ayrıca Bölüm 3’ün başlarında açıklanan “çıplak” meta-analiz yöntemlerini içerir.

Özellikle, ölçüm hatasını ele almazlar. Son olarak, yalnızca örnekleme hatasının değil, aynı zamanda çalışma sonuçlarını çarpıtan çeşitli diğer yapay nesnelerin etkilerini ele alan ve düzelten meta-analiz yöntemleri vardır. Bu yöntemler, tüm çalışmalar metodolojik olarak hatasız bir şekilde yürütülmüş olsaydı elde edilecek sonuçları tahmin eder.

Yani, bir grup kusurlu gerçek dünya çalışmasının altında yatan bilimsel gerçekliği ortaya çıkarmaya çalışırlar. Rubin’in (1990) meta-analiz yöntemlerinin hizmet etmesi gerektiğini belirttiği amaç budur. Psikometrik meta-analiz yöntemleri olarak adlandırılan bu yöntemler, bu yazının odak noktasıdır. 

meta-analiz örnek çalışma
Meta analizi Nedir
Meta-analiz makale
Etkili araştırma sentezleri yapabilmek için Bir araştırma yöntemi: Meta-analiz
meta-analiz makale örneği
Meta-analiz özellikleri
Meta-analiz araştırma yöntemi
Sistematik derleme nedir

Tanımlayıcı Meta-Analiz Yöntemleri: Glassian ve İlgili Yöntemler

Glassian Meta-Analiz Yöntemleri ve Eleştiriler

Glass için meta-analizin amacı tanımlayıcıdır; amaç, belirli bir araştırma literatürünün çok genel, geniş ve kapsayıcı bir resmini çizmektir. Cevaplanması gereken sorular çok geneldir; örneğin, türü ne olursa olsun, psikoterapinin, bu sonuçların doğasından bağımsız olarak, terapi araştırmacılarının ölçmek için yeterince önemli olduğunu düşündükleri sonuç türleri üzerinde bir etkisi var mı (örneğin, kişinin bildirdiği kaygı, duygusal patlamaların sayısı, vb.) ? Bu nedenle, Glassian meta-analizi genellikle çalışmaları biraz farklı bağımsız değişkenlerle (örneğin, farklı terapi türleri) ve farklı bağımlı değişkenlerle birleştirir. Sonuç olarak, bazıları bu yöntemleri elma ve portakalı birleştirmek olarak eleştirdi.

Glassian meta-analizinin üç temel özelliği vardır:

1. Anlamlılık düzeylerinden çok etki büyüklüklerine güçlü bir vurgu. Glass, araştırma entegrasyonunun amacının çıkarımsal olmaktan çok tanımlayıcı olduğuna ve en önemli tanımlayıcı istatistiklerin, etkilerin büyüklüğünü en açık şekilde gösterenler olduğuna inanıyordu. Glassian meta-analizi tipik olarak Pearson r’nin tahminlerini veya d’nin tahminlerini kullanır. Glassian meta-analizinin ilk ürünü, çalışmalar arasında gözlemlenen etki büyüklüklerinin veya korelasyonların ortalama ve standart sapmasıdır.

2. Görünen değerde etki büyüklüklerinin varyansının kabulü. Glassian meta-analiz, dolaylı olarak, etki büyüklüklerinde gözlemlenen değişkenliğin gerçek olduğunu ve bazı önemli açıklamaları olması gerektiğini varsayar. Etki büyüklüklerinde örnekleme hatası varyansına dikkat edilmez. Çalışmaların değişen özelliklerinde (örneğin, deneklerin cinsiyeti veya ortalama yaşı, tedavi süresi ve daha fazlası) somut açıklamalar aranır. Çalışma etkileriyle ilişkili çalışma özellikleri, açıklama güçleri açısından incelenir.

Glassian meta-analizinin uygulamalarındaki genel bulgu, birkaç çalışma özelliğinin çalışma sonuçlarıyla önemli ölçüde ilişkili olduğudur. Meta-analizde bu adımla ilişkili şans ve düşük istatistiksel güç üzerinde kapitalizasyon sorunları tartışıldı.

3. Çalışmaların hangi yönlerinin kodlanması ve çalışma sonuçlarıyla olası ilişki için test edilmesi gerektiğini belirlemeye yönelik güçlü bir ampirik yaklaşım. Glass (1976, 1977), bu tür tüm soruların ampirik sorular olduğunu hissetti ve çalışma sonucunun potansiyel moderatörleri olarak hangi değişkenlerin test edilmesi gerektiğini belirlemede teorinin rolünün altını çizdi.

Bu bölümün sonraki bölümlerinde, Glass’ın meta-analizinin önemli açılardan eksik olduğunu ve bu kitapta sunulan yöntemlerin Glass’ın yöntemlerini genişlettiğini ve tamamladığını savunuyoruz. Bununla birlikte, başkaları da Glass’ın yöntemlerine yönelik ileri düzeyde eleştirilere sahiptir. Bu eleştirilerin bir sonucu olarak, esasen Glass yöntemlerinin varyasyonları olan yeni meta-analiz yaklaşımları geliştirilmiştir. Bu yeni yaklaşımlar daha sonra tartışılacaktır.

Glassian yöntemlerinin başlıca eleştirisi şudur:

1. Glassian meta-analizinde, çalışma etki büyüklüğü tahmini, analiz birimidir. Tek bir araştırma örneğine dayanan çalışmalar, genellikle etki büyüklüklerinin birkaç (bazen çok sayıda) tahminini rapor eder; bu gibi durumlarda, Glass ve ortakları, tipik olarak, bu tür tüm tahminleri meta-analize dahil ederek, istatistiksel bağımsızlık varsayımının ihlal edilmesine neden olur.

Bunun etkisi, meta-analizde uygulanabilecek herhangi bir çıkarımsal istatistiksel testin, örneğin, d ̄ değerinin önemine ilişkin testler gibi, geçerliliği üzerinde şüphe uyandırmaktır. Bu eleştiri istatistiksel olarak doğrudur, ancak Glass’cı meta-analiz için araştırma entegrasyonunun amacının çıkarımsal olmaktan çok tanımlayıcı olduğu önemli gerçeğini gözden kaçırır.

İstatistiksel testler genellikle kullanılsa da, tanımlayıcı amaca ikincildirler. Glassian meta-analizinde önem testinin öneminin azaltılmasına katılıyoruz. Gösterildiği gibi, psikoloji ve diğer sosyal bilimlerdeki istatistiksel anlamlılık testlerine aşırı güven, araştırma literatürlerinden doğru sonuçlara varmada aşırı zorluklara yol açmıştır.

The post Araştırma Çalışmalarının Meta Analizi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

İstatistiksel güç çalışmalarının istatistiksel çalışmaların gücü üzerinde etkisi var mı? başlıklı bir makale yayınladılar. Cohen’in ilk anket gücünün 25 yıldan bu yana önemli bir şekilde değişmediğini buldular. Benzer şekilde, Rossi (1990), Journals of Abnormal Psychology, Consulting and Clinical Psychology ve Personality and Social Psychology’de 1982’de yayınlanan makaleleri gözden geçirdi. Küçük, orta ve büyük etkileri saptamak için ortalama güç sırasıyla 0.17, 0.57 ve 0.83 idi.

Bu, mevcut yazarlardan birinin (Borenstein, 2000) aşağıdaki gibi dört teorem önermesine yol açtı.

1. Birçok araştırma alanındaki güç son derece düşüktür.
2. Kural (1), değişikliğe karşı dayanıklı görünmektedir.
3. Önem eksikliği, daha fazla bilgi gerektiği şeklinde yorumlanmalıdır, ancak hatalı olarak, hiçbir etkinin olmadığı şeklinde yorumlanır.
4. Kural (3), değişime açık görünüyor.

O halde, bir bakıma, oy sayımı anlatı incelemesinden kaynaklanmadı. Aksine, temel hata, birincil araştırmalarda bir yuva bulduğu on yıllardır var olmuştur. Alan anlatı incelemelerine geçtiğinde, bu temel hata adlandırıldı ve kodlandı, ancak temelde değişmeden kaldı.

Ancak önemli bir fark var. Tek bir çalışma ile çalıştığımızda ve önemsiz bir sonuç aldığımızda, etkinin gerçek olup olmadığını bilmemize imkan yoktur. Anlamsız p değeri, ya gerçek etkinin sıfır olduğu gerçeğini ya da çalışmamızın düşük güce sahip olduğu gerçeğini yansıtabilir. İlkini (gerçek etkinin sıfır olduğunu) kabul etmemeye dikkat etsek de, onu göz ardı edemeyiz.

Buna karşılık, bir dizi çalışmadan elde edilen verileri sentezlemek için meta-analizi kullandığımızda, genellikle gerçek etkiyi belirleyebiliriz. Ve birçok durumda (örneğin, gerçek etki önemliyse ve çalışmalar arasında tutarlıysa), ayrı çalışmalarda önemsiz p-değerinin bir etkinin olmamasından ziyade düşük güçten kaynaklandığını iddia edebiliriz.

Örneğin, streptokinaz meta-analizinde, tedavinin ölüm riskini azalttığı açıktır. 27 çalışmanın anlamlı olmayan p değerlerine sahip olmasının nedeninin, tedavinin etkisinin olmaması değil, düşük istatistiksel güç nedeniyle olduğunu söylemek doğru olur. (Bir sonraki bölümde aslında streptokinaz çalışmaları için gücü hesaplayacağız.)

Sıfırın ötesine geçmek

Bu bölümde, amacımız sıfır hipotezini test etmekse, meta-analizin (anlatı incelemesinden farklı olarak) bu amaç için istatistiksel olarak sağlam bir mekanizma sağladığını gösterdik. Bununla birlikte, meta-analizin bir boş değer testinin ötesine geçmemize izin verdiğini vurgulamak istiyoruz. Etkinin büyüklüğünü değerlendirmemize (ki bu genellikle daha alakalı bir sorudur) ve etki büyüklüğünün çalışmalar arasında tutarlı olup olmadığını belirlememize olanak tanır.

ÖZET NOKTALAR

• Oy sayımı, istatistiksel olarak anlamlı olan çalışma sayısının sayılması ve bunun istatistiksel olarak anlamlı olmayan sayılarla karşılaştırılması işlemidir.
• Oy sayımı, önemsiz bir p-değerini, bir etkinin olmadığının kanıtı olarak değerlendirir. Aslında, küçük, orta ve hatta büyük etki büyüklükleri, yetersiz istatistiksel güç nedeniyle anlamlı olmayan bir p değeri verebilir. Bu nedenle oy sayımı hiçbir zaman geçerli bir yaklaşım değildir.

meta-analiz örnek çalışma
Meta analiz Nedir
Meta-analiz özellikleri
Meta-analiz pdf
Meta-analiz avantaj dezavantaj
Meta-analiz makale
Orman grafiği yorumlama
Meta-analiz araştırma yöntemi

Meta-Analiz İçin Güç Analizi

Araştırmada (hem birincil çalışmalarda hem de meta-analizde) ortak bir amaç, etkisiz sıfır hipotezini test etmektir. Amacımız buysa, çalışmanın iyi bir istatistiksel güce sahip olduğundan emin olmak önemlidir (istatistiksel olarak anlamlı bir sonuç verme konusunda yeterince yüksek bir olasılık). Bu bölümde istatistiksel güçle ilgili iki temayı takip edeceğiz.

İlk tema kavramsaldır. Gücü belirleyen faktörleri tartışıyoruz ve birincil bir çalışmadan bir meta-analize geçerken bu faktörlerin değerinin nasıl değişebileceğini araştırıyoruz. Bu temelde, dahil edilen çalışmaların herhangi birinde bir meta-analiz için gücün neden bazen (ama her zaman değil) güçten daha yüksek olduğunu görebiliriz. Burada, ana etkinin bir testi için sadece gücü ele alıyoruz.

İkinci tema pratiktir. Birincil çalışmalar için güç analizi sürecini kısaca gözden geçiriyoruz ve ardından aynı sürecin meta-analiz için nasıl genişletilebileceğini gösteriyoruz. Burada, ana etkinin bir testi için öncelikle güce odaklanıyoruz, ancak aynı zamanda heterojenlik testlerine ilişkin materyalleri de dahil ediyoruz.

KAVRAMSAL BİR YAKLAŞIM

Önem testi (çalışma tamamlandıktan sonra gerçekleştirilir) formu alır. Z test istatistiği olduğunda, M etki büyüklüğüdür ve SEM etki büyüklüğünün standart hatasıdır. Z’nin gözlemlenen değeri daha sonra alfa (􏰈) kriteri ile karşılaştırılır. Alfa 0,05 olarak ayarlanmışsa, 0,05’ten düşük bir p değeri (±1,96’nın ötesinde bir Z değeri) istatistiksel olarak anlamlı olacaktır.

Bu nedenle, sonuçların istatistiksel olarak anlamlı olma olasılığı aşağıdakilere bağlıdır. Etki boyutu. M arttıkça Z artar ve istatistiksel anlamlılık olasılığı artar. Tahminin kesinliği. Kesinlik arttıkça (SEM azaldıkça), Z artar ve istatistiksel anlamlılık olasılığı artar. Önem kriteri(􏰈).Sıfırdan uzaklaştıkça, p’nin 􏰈’den küçük olma olasılığı artar ve istatistiksel anlamlılık olasılığı artar.

Anlamlılık testi ile güç analizi arasındaki fark, anlamlılık testini veriler toplandıktan sonra, yani M, SEM ve 􏰈 noktaları bilindikten sonra gerçekleştirmemizdir. Buna karşılık, gücü hesapladığımızda (genellikle, çalışma yapılmadan önce), M hakkında bir varsayımda bulunmamız, SEM hakkında eğitimli bir tahminde bulunmamız ve 􏰈 için bir değer seçmemiz gerekir.

Bu nedenle, gözlemlenen değerlerden ziyade öngörülen değerlerle çalışıyoruz. Yine de gücü kontrol eden faktörler, anlamlılık testini kontrol edenlerle aynıdır. Yani, beklenen etki büyüklüğü arttıkça, tahminin kesinliği arttıkça ve/veya 􏰈 sıfırdan uzaklaştıkça, güç o kadar yüksek olur.

Birincil çalışmalarla karşılaştırıldığında meta-analizler için güç

Arka plan olarak bununla, birincil çalışmalar ve meta-analiz arasında güç hususlarının nasıl farklılaştığını tahmin edebiliriz. Tipik olarak, beklenen etki büyüklüğü ve anlamlılık kriteri (􏰈), birincil çalışma ve meta-analiz için aynı olacaktır. Bununla birlikte, birincil çalışmalardan meta-analizlere geçerken kesinlik (bazen önemli ölçüde) değişecektir.

Bireysel çalışmalardan özet etkiye geçerken kesinliğin nasıl değiştiğine dair bir fikir edinmek için orman grafiğinde güven aralıklarıyla çalışabiliriz. Somut olarak, her bir güven aralığının genişliği (alt sınırdan üst sınıra olan mesafe) standart hatayla orantılıdır.

The post Meta-Analiz İçin Güç Analizi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

T2 ve T’nin faydası, bunların mutlak ölçüler olmaları gerçeğinde yatmaktadır; bu da, etki büyüklüğü indeksi ile aynı ölçekte sapmayı ölçtükleri anlamına gelmektedir. Ancak bazı durumlarda, ölçekten bağımsız olarak heterojenliği düşünmeyi tercih ederiz ve gözlemlenen varyansın hangi oranı etki büyüklüğündeki gerçek farklılıkları yansıtır?

Higgins ve ark. (2003), bu oranı yansıtmak için bir tür sinyal-gürültü oranı işlevi görebilecek bir istatistik olan I2’yi kullanmayı önerdi. olarak hesaplanır. Yani, fazla dispersiyonun toplam dispersiyona oranı. I2 istatistiği, formun bir istatistiği olarak görülebilir.

Yani, gözlemlenen etki tahminleri boyunca gerçek heterojenliğin toplam varyansa oranı. Ancak bu, I2’nin gerçek bir tanımı değildir, çünkü çalışma içi varyanslar çalışmadan çalışmaya değiştiğinden, gerçekte tek bir VY yoktur. I2 istatistiği, tanımlayıcı bir istatistiktir ve herhangi bir temel nicelik tahmini değildir.

I2’yi kontrol eden (ve kontrol etmeyen) faktörleri anlamak için Şekil 16.7’yi göz önünde bulundurun. Verilen herhangi bir df için I2, Q ile birlikte hareket eder. Bu itibarla, tamamen gözlemlenen dağılımın çalışma içi dağılıma oranı tarafından yönlendirilir. En üst sırada, A ve B grafiklerinin her ikisi de 5 serbestlik derecesiyle 12.00 Q değerine sahiptir.

Bu nedenle, her ikisi de aynı I2 değerine sahiptir, %58.34. A’nın B’den daha geniş bir ölçeğe sahip olması (ki bu daha yüksek bir T2 değeri verir) I2’yi etkilemez. Benzer şekilde, alt satırda hem C hem de D grafikleri 5 serbestlik dereceli 48.01 Q değerine sahiptir ve bu nedenle her ikisi de aynı I2’ye, %89.59’a sahiptir. Yine, C’nin D’den daha geniş bir ölçeğe sahip olması I2’yi etkilemez.

I2, gerçek etkilerin gerçek konumuna veya yayılmasına bağlı olmayan güven aralıklarının örtüşme derecesini yansıtır. Bu nedenle, I2’yi, altta yatan gerçek etkiler arasındaki gerçek varyasyonun bir ölçüsü olarak değil, çalışmaların bulguları arasındaki bir tutarsızlığın ölçüsü olarak görmek uygundur.

Meta-analizin kendisi için kullanılan ölçekten bağımsız olarak I2 ölçeği %0-100 aralığındadır. Bir oran olarak yorumlanabilir ve psikometride (güvenilirliğin doğrunun toplam varyansa oranı olduğu) veya regresyonda (R2’nin toplam varyansın şu şekilde açıklanabilen oranı olduğu) kullanılan endekslere benzer olma ek avantajına sahiptir. ortak değişkenler). Daha da önemlisi, I2, analizdeki çalışmaların sayısından doğrudan etkilenmez.

I2 indeksi, göreceli bir ölçekte varyans miktarını tartışmamıza izin verir. Örneğin, varyasyonun nedenleri hakkında tahminde bulunmayı planlıyorsak, gözlemlenen varyansın ne kadarının gerçek olduğunu belirlemek için önce I2’yi kullanmalıyız. I2 sıfıra yakınsa, gözlemlenen varyansın neredeyse tamamı sahtedir, bu da açıklanacak hiçbir şey olmadığı anlamına gelir. Buna karşılık, eğer I2 büyükse, varyansın nedenleri hakkında spekülasyon yapmak ve muhtemelen bunu denemek ve açıklamak için alt grup analizi veya meta-regresyon gibi teknikleri uygulamak mantıklı olacaktır. I2 için güven aralıklarını hesaplamak için formüller bu bölümün sonunda sunulmuştur.

Meta analizi Nedir
meta-analiz çalışması örneği
Meta-Analiz Kitap
meta-analiz eğitim bilimleri
Meta-analiz araştırma yöntemi
meta-analiz nedir nasıl yapılır
Meta-analiz özellikleri
Meta-regresyon nedir

Higgins ve ark. (2003), I2 için bazı geçici ölçütler sağlar. %25, %50 ve %75 mertebesindeki değerlerin sırasıyla düşük, orta ve yüksek olarak kabul edilebileceğini öne sürerler. I2’nin yorumlanması için bazı bağlamlar, Higgins ve ark. (2003). Meta-analizlerin yaklaşık yarısı için I2 değeri sıfırdı ve diğer yarısı için %0 ila %100 arasında eşit olarak dağıtıldı. Diğer alanların veya diğer çalışma türlerinin meta-analizlerinde I2’nin farklı şekilde dağıtılması muhtemeldir.

Kıyaslamaların (endeksin kendisi gibi), mutlak bir ölçekteki varyasyona değil, gözlemlenen varyasyonun ne kadarının gerçek olduğu sorusuna atıfta bulunduğuna dikkat edin. %100’e yakın bir I2 değeri, yalnızca gözlemlenen varyansın çoğunun gerçek olduğu anlamına gelir, ancak etkilerin geniş bir aralığa dağıldığı anlamına gelmez (dar bir aralığa düşebilirler, ancak kesin olarak tahmin edilebilirler). Düşük bir I2 değeri, etkinin dar bir aralıkta kümelendiği anlamına gelmez (gözlenen etkiler, çok sayıda hata içeren çalışmalarda geniş bir aralıkta değişebilir). Bu itibarla, I2, dağılımın esaslı etkilerini ele almak anlamına gelmez.

HETEROJENLİK ÖLÇÜLERİNİN KARŞILAŞTIRILMASI

Heterojenliği ölçmenin beş yolunu tanımladık, Q, p, T2, T ve I2. Tablo 16.1, bu önlemler arasındaki ilişkiyi göstermektedir. Tüm endeksler Q’ya (df ile ilgili olarak) dayandığından, toplam dağılım, çalışmalar içindeki hataya göre düşükse ve toplam dağılım yüksekse, yüksekse daha yüksek olacaktır. çalışmalar içindeki hata. Bununla birlikte, çeşitli heterojenlik ölçüleri, her birini belirli bir amaç için yararlı kılan farklı şekillerde bu çekirdek üzerine inşa edilir.

T2 ve T tahminlerinin aşırı dağılıma dayandığını, ancak popülasyon değerlerinin (􏰀 2 ve 􏰀 ) yalnızca gerçek etkilerin varyansı ile tanımlandığını unutmayın.

• Q istatistiği ve onun p değeri, bir anlamlılık testi işlevi görür. Bunları bu amaç için faydalı kılan özellikler, çalışma sayısına duyarlı olmaları ve etki büyüklüğü indeksinin metriğine duyarlı olmamalarıdır.
• 􏰀2 tahminimiz, analizde çalışmalar arası varyans olarak hizmet eder ve 􏰀 tahminimiz gerçek etkilerin standart sapması olarak hizmet eder. Bunları bu amaç için yararlı kılan özellikler, etki büyüklüğü metriğine duyarlı olmaları ve çalışma sayısına duyarlı olmamalarıdır.
• I2, gerçek heterojenliğin gözlemlenen etkilerdeki toplam varyasyona oranıdır, bir tür sinyal-gürültü oranı. Bu amaç için kullanışlı kılan özellikler, etki büyüklüğü metriğine duyarlı olmaması ve çalışma sayısına duyarlı olmamasıdır.

T2 ve T’nin (bir yanda) ve I2’nin (diğer yanda) tamamen farklı iki işleve hizmet ettiğini anlamak önemlidir. İstatistikler T2 (ve T), gerçek heterojenlik miktarını (varyans veya standart sapma) yansıtırken I2, bu heterojenlikten kaynaklanan gözlemlenen dağılım oranını yansıtır. Bir anlamda, gözlemlenen varyansı I2 ile çarpacak olsaydık, T2 elde ederdik (gerçek hesaplama daha karmaşık olduğu için bu yalnızca bir örnekleme amaçlıdır). Bu nedenle, ikisi birlikte hareket etme eğilimindedir, ancak çok farklı anlamları vardır.

I2, yalnızca doğru olan varyans oranını yansıtır ve bu varyansın mutlak değeri hakkında hiçbir şey söylemez. Şekil 16.8’de, A ve B çizimleri aynı I2 değerine (%58.34) sahiptir, ancak A’da gerçek etkiler küçük bir aralıkta (T2 5 0.006) kümelenirken, B’de daha geniş bir aralıkta (T2 5 0.037) dağılmıştır. 

Tersine, T2 yalnızca gerçek varyansın mutlak değerini yansıtır ve doğru olan gözlemlenen varyansın oranı hakkında hiçbir şey söylemez. Şekil 16.9’da, T2 her iki grafikte de aynıdır, ancak A’da gözlemlenen küçük bir dağılımın büyük bir kısmıdır (I2 5 %58.34), B’de ise gözlemlenen büyük bir dağılımın küçük bir parçasıdır (I2 5 %16.01) .

Ayrıca, I2’nin değilken T2’nin etki büyüklüğü indeksine bağlı olduğunu unutmayın. Örneğin, risk oranlarının bir sentezi için T2, log risk oranlarının metriğinde olurken, standartlaştırılmış ortalama farklılıkların bir sentezi için T2, standartlaştırılmış ortalama farklılıkların metriğinde olacaktır. Aynı metrikte olmadıkça iki sentez için T2 değerlerini karşılaştırmak anlamlı olmayacaktır. Buna karşılık I2, %0 ila %100 arasında bir oran ölçeğindedir ve bu değeri farklı sentezlerden karşılaştırmak mümkündür.

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

Tau-kare parametresi (􏰀2), gerçek etki büyüklüklerinin varyansı olarak tanımlanır. Başka bir deyişle, her biri sonsuz büyüklükte (böylece her çalışmadaki tahmin gerçek etkiydi) sonsuz büyük bir çalışma örneklemine sahip olsaydık ve bu etkilerin varyansını hesaplasaydık, bu varyans 􏰀2 olurdu.

Gerçek etkileri gözlemleyemediğimiz için bu varyansı doğrudan hesaplayamayız. Bunun yerine, T2 ile gösterilen tahminle gözlenen etkilerden tahmin ediyoruz. Bu tahmini elde etmek için, standartlaştırılmış bir ölçekte gerçek etkilerdeki dağılımı temsil eden fark (Q – df) ile başlıyoruz. Ölçüyü orijinal metriğine geri koyma ve aynı zamanda onu karesel sapmaların toplamı yerine ortalama yapma etkisine sahip bir niceliğe (C) böleriz. Somut olarak, Bu, T2’nin etki büyüklüğünün kendisiyle aynı metrikte (kare) olduğu ve aynı zamanda bu ölçekte mutlak varyasyon miktarını yansıttığı anlamına gelir.
Gerçek etkilerin (􏰀2) gerçek varyansı hiçbir zaman sıfırdan az olamazken, örnekleme hatası nedeniyle, gözlemlenen varyans, temel olarak beklediğimizden daha az ise, bu değere (T2) ilişkin tahminimiz sıfırdan küçük olabilir. çalışma içi hata – başka bir deyişle, eğer Q < df. Bu durumda, T2 basitçe sıfıra ayarlanır.

Q > df ise T2 pozitif olacak ve iki faktöre bağlı olacaktır. Birincisi, fazla varyasyon miktarı (Q – df), ikincisi ise etki büyüklüğü indeksinin metriğidir.

Aşırı varyasyonun T2 tahminimiz üzerindeki etkisi, A ve B grafiklerini karşılaştırırsak açıktır. Çalışma içi hata B’de daha küçüktür. Bu nedenle, gözlenen varyasyon her iki grafikte de aynıyken, B’de bu varyasyonun daha yüksek bir oranının gerçek olduğu varsayılır. A’dan B’ye hareket ettikçe, Q 12.00’den 12.00’ye hareket eder. 

Ölçeğin T2 tahminimiz üzerindeki etkisi, C ve D grafiklerini karşılaştırırsak açıktır. Q ve df iki grafikte aynıdır, bu da gözlemlenen varyansın aynı oranının çalışmalar arası varyansa atfedileceği anlamına gelir. Bununla birlikte, varyansın mutlak miktarı D’de daha büyüktür, dolayısıyla bu oran 􏰀2’lik daha büyük bir tahmine dönüşür. C’den D’ye hareket ettikçe, T2 0,037’den 0,096’ya hareket eder.

T2 Hakkında Ayrıntılar

Gerçek etkilerin varyansına ilişkin tahminimiz olarak, her bir çalışmaya atanan ağırlığın olduğu rastgele etkiler modeli altında ağırlıkları atamak için T2 kullanılır. 

Bu çalışmalar arasındaki varyansı tahmin etme yöntemi en popüler olanıdır ve momentler yöntemi veya DerSimonian ve Laird yöntemi olarak bilinir. Bu yöntem, rastgele etkilerin dağılımı hakkında herhangi bir varsayımda bulunmaz. Ayrıca, hesaplanması en kolay ve açıklanması en kolay olma avantajına sahiptir, bu da onu bir metin için faydalı kılar. Alternatifler var ve bazı istatistikçiler sınırlı bir maksimum olabilirlik (REML) yöntemini tercih ediyor.

meta-analiz örnek çalışma
Meta analiz Nedir
Meta-analiz araştırma yöntemi
Sistematik derleme ve meta-analiz Nedir
meta-analiz nedir nasıl yapılır
Meta-analiz avantaj dezavantaj
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz özellikleri

İlginç bir şekilde, önemli DerSimonian ve Laird makalesinin yazarlarından biri, o zamandan beri, hesaplama basitliği artık önemli bir husus olmadığı için tanımladığımız basit yöntemin artık kullanılmaması gerektiğini savundu. Bununla birlikte, bu basit yöntemi açıklamanın öğretici olduğuna inanıyoruz ve bir yöntemden diğerine sonuçlardaki farklılıkların muhtemelen küçük olduğuna dikkat edin. T2 için güven aralıklarını hesaplamak için formüller bu bölümün sonunda sunulmuştur.

Tau

Yukarıda, gerçek etki büyüklüklerinin varyansını tartıştık, burada 􏰀2 gerçek varyansı ifade eder ve T2 bu parametreye ilişkin tahminimizdir. Şimdi gerçek etki boyutlarının standart sapmasına dönüyoruz. Burada 􏰀 gerçek standart sapmayı ifade eder ve T bu parametre için bizim tahminimizdir. Standart sapmanın tahmini olan T, basitçe T2’nin kareköküdür.

T 2 gibi, T de etki büyüklüğünün kendisiyle aynı ölçektedir, ancak T 2 (varyans) kare bir değer iken T (standart sapma) değildir. Birincil bir çalışmadaki standart sapma gibi, T de ortalama etkiyle ilgili etki büyüklüklerinin dağılımını tanımlamak için kullanılabilir. Etkilerin normal olarak dağıldığını varsaymaya istekliysek (ve makul derecede kesin bir T tahminimiz varsa), gerçek etki büyüklüklerinin aralığı için bir fikir edinebilir ve sonra bu aralığın önemli sonuçlarını değerlendirebiliriz.

Şekil 16.6, Şekil 16.5 ile aynıdır, ancak bu sefer her çizime, T’ye dayalı olarak gerçek etkilerin beklenen dağılımını ekledik. Örneğin, çizim A’da özet etki 0.41 ve T 0.193’tür. Gerçek etkilerin yaklaşık %95’inin 0,41 artı veya eksi 1,96 T veya 0,04 ila 0,79 T aralığında olmasını bekliyoruz ve bu, çan eğrisinde yansıtılan aralıktır. Tüm grafikler için eğriyi oluşturmak için aynı yaklaşım kullanılır.

A ve B grafiklerinin aynı gözlemlenen varyansa sahip olduğunu, ancak etki büyüklüğündeki gerçek farklılıklara atfedilen bu varyansın oranında farklılık gösterdiğini hatırlayın. A’da, çan eğrisi nispeten dardır ve gözlemlenen dağılımın yalnızca bir kısmını yakalar – geri kalanının hatayı yansıttığı varsayılır. B’de, çan eğrisi nispeten geniştir ve dağılımın çoğunun burada gerçek olduğu varsayıldığından, dağılımın daha büyük bir kısmını yakalar.

Benzer şekilde, C ve D grafiklerinde gerçek ile gözlemlenen varyansın oranının aynı olduğunu, ancak gözlemlenen dağılımın (ölçek) D’de daha büyük olduğunu hatırlayın. Çan eğrisi D’de C’den daha geniştir (farklı ölçek nedeniyle) , ancak her iki durumda da etkilerin karşılaştırılabilir bir oranı eğri aralığı içinde yer alır (çünkü oran aynıdır).

Gerçek etkilerin standart sapmasına ilişkin T tahminimiz, dağılımın asli önemi hakkında konuşmamızı sağlar. Bir müdahalenin özet etki büyüklüğünün 0,50 olduğunu varsayalım. T 0,10 ise, etkilerin çoğu (%95) yaklaşık 0,30 ila 0,70 aralığına düşer. T 0,20 ise, gerçek etkilerin çoğu yaklaşık 0,10 ila 0,90 aralığındadır.

T 0.30 ise, gerçek etkilerin çoğu yaklaşık 􏰈0.10 ila +1.10 aralığındadır. Bu aralıklara hala bir değer yargısı eklememiz gerekiyor (hangi etki büyüklüğü zararlı, hangi etki büyüklüğü önemsiz, hangi etki büyüklüğü faydalı), ancak dağılım duygusuna sahip olarak bu tartışmalar için en azından bir başlangıç ​​noktamız var.

Bu örnekte, etki büyüklüğünün ve T’nin doğru bir şekilde tahmin edildiğini varsayıyoruz. Pratikte, gerçek etkilerin dağılımı hakkında tahminlerde bulunmak istiyorsak, bu değerlerin her ikisini de tahmin etmedeki hatayı hesaba katmamız gerekir. Bu bölümün sonuna doğru T değeri için güven aralıklarının nasıl hesaplanacağını gösteriyoruz ve  bu hata kaynaklarını hesaba katan tahmin aralıklarının nasıl hesaplanacağını gösteriyoruz.

The post t2 TAHMİNİ  – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

GERÇEK ETKİ BOYUTU

Sabit etki modeli altında meta-analizdeki tüm çalışmaların ortak (gerçek) bir etki büyüklüğünü paylaştığını varsayıyoruz. Başka bir deyişle, etki büyüklüğünü etkileyebilecek tüm faktörler tüm çalışmalarda aynıdır ve bu nedenle tüm çalışmalarda gerçek etki büyüklüğü aynıdır (dolayısıyla etiket sabittir). Gerçek (bilinmeyen) etki boyutunu teta ile gösteririz.

Gerçek toplam etki büyüklüğü 0.60’tır ve bu etki (üçgen ile temsil edilir) altta gösterilmektedir. Her çalışma için gerçek etki bir daire ile temsil edilir. Sabit etki modeli tanımı altında, her çalışma için gerçek etki büyüklüğü de 0.60 olmalıdır ve bu nedenle bu daireler doğrudan üçgenin üzerinde hizalanır.

NUMUNE HATASININ ETKİSİ

Tüm çalışmalar aynı gerçek etkiyi paylaştığından, gözlemlenen etki büyüklüğünün yalnızca her çalışmanın doğasında bulunan rastgele hata nedeniyle bir çalışmadan diğerine değiştiği sonucu çıkar. Her çalışmanın sonsuz bir örnek boyutu olsaydı, örnekleme hatası sıfır olur ve her çalışma için gözlemlenen etki gerçek etkiyle aynı olurdu. Gerçek etkiler yerine gözlenen etkileri çizecek olsaydık, gözlenen etkiler gerçek etkilerle tam olarak örtüşürdü.

Pratikte elbette her çalışmada örneklem büyüklüğü sonsuz değildir ve bu nedenle örnekleme hatası vardır ve çalışmada gözlenen etki gerçek etki ile aynı değildir. Her çalışma için gerçek etki hala 0.60’tır (dairelerle gösterildiği gibi) ancak gözlemlenen etki (karelerle gösterilmiştir) bir çalışmadan diğerine farklılık gösterir. Çalışma 1’de örnekleme hatası (e1) 􏰂0,20’dir ve bu, ‘nin gözlenen etkisini (Y1) verir.

Herhangi bir çalışmadaki hata rastgele olsa da, hataların örnekleme dağılımını tahmin edebiliriz. Her çalışma için gerçek etki büyüklüğü hakkında normal bir eğri yerleştirdik ve eğrinin genişliği o çalışmadaki varyansa dayalıdır. Çalışma 1’de örneklem boyutu küçüktü, varyans büyüktü ve gözlemlenen etkinin nispeten geniş olan 0.20 ila 1.00 aralığında herhangi bir yere düşmesi muhtemeldir. Buna karşılık, Çalışma 2’de örneklem boyutu nispeten büyüktü, varyans küçüktü ve gözlemlenen etkinin nispeten dar bir aralık olan 0.40 ila 0.80’e düşmesi muhtemeldir. (Normal eğrinin genişliği, varyansın veya standart hatanın kareköküne dayanır).

SABİT ETKİLİ BİR META-ANALİZİN YAPILMASI

Gerçek bir meta-analizde, elbette, nüfus etkisi ile başlamak ve gözlenen etkiler hakkında tahminler yapmak yerine, geriye doğru, gözlenen etkilerden başlayıp nüfus etkisini tahmin etmeye çalışıyoruz. Popülasyon etkisinin en kesin tahminini elde etmek için (varyansı en aza indirmek için), her çalışmaya atanan ağırlığın o çalışmanın varyansının tersi olduğu ağırlıklı bir ortalama hesaplarız. Somut olarak, sabit etkili bir meta-analizde her çalışmaya atanan ağırlıktır.

meta-analiz nedir örneği
Meta analiz Nedir
Meta-analiz özellikleri
Meta-analiz araştırma yöntemi
Ağ meta analizi nedir
meta-analiz nedir nasıl yapılır
Sistematik derleme ve meta-analiz Nedir
meta-analiz eğitim bilimleri

ÖZET NOKTALAR

Sabit etki modeli altında, analizdeki tüm çalışmalar ortak bir gerçek etkiyi paylaşır. Özet etki, bu ortak etki büyüklüğüne ilişkin tahminimizdir ve boş hipotez, bu ortak etkinin sıfır (bir fark için) veya bir (bir oran için) olmasıdır. Gözlenen tüm dağılım, örnekleme hatasını yansıtır ve bu çalışma içi hatayı en aza indirmek amacıyla çalışma ağırlıkları atanır.

Rastgele Etkiler Modeli

Bu bölümde rastgele etkiler modelini tanıtacağız. Bu modelin varsayımlarını tartışıyoruz ve bunların bir özet etkisini hesaplamak için kullanılan formüllerde ve özet etkisinin anlamında nasıl yansıtıldığını gösteriyoruz.

GERÇEK ETKİ BOYUTLARI

Yukarıda tartışılan sabit etki modeli, tüm çalışmalarda gerçek etki büyüklüğünün aynı olduğu varsayımıyla başlar. Ancak, birçok sistematik incelemede bu varsayım mantıksız. Bir meta-analizde bir grup çalışmayı dahil etmeye karar verdiğimizde, çalışmaların bilgiyi sentezlemenin mantıklı olduğu yeterli ortak noktaya sahip olduğunu varsayıyoruz, ancak genellikle bunların aynı olduğunu varsaymak için hiçbir neden yoktur. gerçek etki büyüklüğü tüm çalışmalarda tamamen aynıdır.

Örneğin, iki grupta (aşılanmış ve plasebo) hastalık gelişen hastaların oranını karşılaştıran çalışmalarla çalıştığımızı varsayalım. Tedavi işe yararsa, etki büyüklüğünün (örneğin risk oranı) benzer olmasını ancak çalışmalar arasında aynı olmamasını bekleriz.

Etki büyüklüğü, katılımcılar diğerlerinden daha yaşlı veya daha eğitimli veya daha sağlıklı olduğunda veya bir müdahalenin daha yoğun bir çeşidi kullanıldığında vb. daha yüksek (veya daha düşük) olabilir. Çalışmalar, katılımcıların karışımında ve müdahalelerin uygulanmasında farklılık göstereceğinden, diğer nedenlerin yanı sıra, farklı çalışmaların altında yatan farklı etki büyüklükleri olabilir.

Veya bir eğitim müdahalesinin etkisini değerlendiren çalışmalarla çalıştığımızı varsayalım. Etkinin büyüklüğü, çocukların kullanabileceği diğer kaynaklara, sınıf mevcudiyetine, yaşa ve çalışmadan çalışmaya değişmesi muhtemel diğer faktörlere bağlı olarak değişebilir.

Bu değişkenleri her çalışmada değerlendirmemiş olabiliriz. Aslında, etkinin boyutuyla gerçekte hangi ortak değişkenlerin ilişkili olduğunu bile bilmiyor olabiliriz. Bununla birlikte, mantık, bu tür faktörlerin var olduğunu ve etkinin büyüklüğünde değişikliklere yol açacağını belirtir. Çalışmalar arasında bu varyasyonu ele almanın bir yolu, rastgele etkiler meta-analizi yapmaktır.

Rastgele etkiler meta-analizinde, genellikle gerçek etkilerin normal olarak dağıldığını varsayıyoruz. Örneğin, tüm gerçek etki büyüklüklerinin ortalaması 0.60’tır, ancak bireysel etki büyüklükleri, normal eğri ile gösterildiği gibi bu ortalama etrafında dağıtılır. Eğrinin genişliği, gerçek etkilerin çoğunun 0,50 ila 0,70 aralığında olduğunu göstermektedir.

NUMUNE HATASININ ETKİSİ

Meta-analizimizin, normal eğri ile gösterilen çalışmaların dağılımından alınan üç çalışmayı içerdiğini ve bu çalışmalarda gerçek etkilerin (􏰎1, 􏰎2 ve 􏰎3 ile gösterilir) 0,50, 0,55 ve 0,65 olduğunu varsayalım.

Her çalışmanın sonsuz bir örnek boyutu olsaydı, örnekleme hatası sıfır olur ve her çalışma için gözlemlenen etki, o çalışma için gerçek etkiyle aynı olurdu.

Gerçek etkiler yerine gözlenen etkileri çizecek olsaydık, gözlenen etkiler gerçek etkilerle tam olarak örtüşürdü. Elbette herhangi bir çalışmada örneklem büyüklüğü sonsuz değildir ve bu nedenle örnekleme hatası sıfır değildir. Bir çalışma için gerçek etki büyüklüğü 􏰎i ise, o çalışma için gözlemlenen etki, örnekleme hatası nedeniyle 􏰎i’den küçük veya büyük olacaktır.

Örneğin, Şekil 12.2’deki Çalışma 3’ü düşünün. Bu çalışma, gözlemlenen etkiyi kontrol eden faktörleri ele aldığımız konudur. Çalışma 3 için gerçek etki 0,50’dir, ancak bu çalışma için örnekleme hatası –0,10’dur ve bu çalışma için gözlenen etki 0,40’tır.

Bu şekil ayrıca, herhangi bir çalışmada genel ortalama ile gözlemlenen etki arasındaki mesafenin iki ayrı bölümden oluştuğunu vurgulamaktadır: etki büyüklüklerindeki gerçek değişim (􏰌i) ve örnekleme hatası (ei). Çalışma 3’te 􏰑 ile Y3 arasındaki toplam mesafe 􏰂0,20’dir. 􏰑 ile 􏰎3 (0,60 ila 0,50) arasındaki mesafe, gerçek etki boyutunun aslında bir çalışmadan diğerine değiştiği gerçeğini yansıtırken, 􏰎3 ila Y3 (0,5 ila 0,4) arasındaki mesafe örnekleme hatasıdır.

The post SABİT ETKİLİ BİR META-ANALİZİN YAPILMASI – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).