Bu d istatistiğindeki örnekleme hatasının, bağımsız gruplar tasarımı için d’nin örnekleme hatasıyla aynı olmadığına dikkat edin. Bu nedenle, meta-analiz denek içi ve denek arası tasarımları karıştırıyorsa, örnekleme hatası iki çalışma grubu için ayrı ayrı hesaplanmalıdır. Bu tür d-değerleri ile d-değeri meta-analiz programlarımızın nasıl kullanılacağına dair bir ipucuna bakın. Programlar, bağımsız grup tasarımına dayalı olarak örnekleme hatasını hesaplar. Denklem (8.114)’deki örnekleme hatasıyla başlamalı ve N için bağımsız grup örnekleme hatası denklemini çözmelidir. Bu N daha sonra programa girilir.

Denek Etkileşimine Göre Tedavi

Bağımsız gruplar tasarımı, denek etkileşimi tarafından ele alınmadığını varsayar. Ayrıca, daha önce gördüğümüz gibi, bağımsız grup tasarımında bu varsayımı test etmenin bir yolu yoktur. Grup içi tasarım için, etkileşim için bir anlamlılık testi mevcuttur, yani:

• F = SV(OG)/Tah. Var(f )

Serbestlik dereceleriyle (N − 1, N − 1). Ancak, bu etkileşim için güven aralıkları da mevcuttur ve anlamlılık testi yerine kullanılmalıdır. (Bağımsız grup tasarımı durumunda, etkileşim için ne bir güven aralığı ne de anlamlılık testi mevcuttur.)

Burada α ve β sabittir. Pay ve payda popülasyon varyanslarının farklı olması gerçeği olmasaydı, varyans oranı SV(OG)/SV(Y1) yaklaşık bir F oranına sahip olacaktı. Yaklaşık bir F dağılımına sahip olan değiştirilmiş bir oran vardır. Serbestlik dereceleriyle (N − 1, N − 1). Güven aralığı için karşılık gelen uç noktalar, çoğu çalışmanın serbestlik derecesi karakteristiği için bu değere sahip birkaç tablo olmasına rağmen, p = .025 altında tablolanan F uç noktasından elde edilir. Yakın bir yaklaşımla, üst uç nokta ile verilir.

Etkileşim s için güven aralığı, her bitiş noktasının karekökü alınarak elde edilir. Bu s tahmininin standart hatasını tahmin etmek için, son güven aralığının genişliğini hesaplayın. Karşılık gelen standart hata, genişliğin 2(1.96) = 3.92’ye bölümüdür. Örnekleme hatası varyansı, standart hatanın karesidir. Yani örnekleme hatasını tanımlayan denklemi e olarak yazılır.

t İstatistik. Önceki tartışma, çalışmanın standart sapmalar bildirdiğini varsayıyordu. Ancak, standart sapmalar genellikle raporun dışında bırakılır. Bunun yerine, yazarlar t gibi anlamlılık testi istatistiklerini bildirirler. Bağımsız gruplar durumuna benzeterek, bir δ tahmini sağlamak için t’nin değerini dönüştürmenin bir yolunu arayabiliriz. Standart sapmalar olmadan, etkileşim s’yi tahmin etmenin bir yolu yoktur.

CMA meta-Analiz programı indir
meta-analiz çalışması örneği
Meta analizi
Meta-analiz yöntemi
Meta-analiz çalışmaları
meta-analiz eğitim bilimleri
meta-analiz makale örneği
meta-analiz nedir nasıl yapılır

Tedavi ana etkisi olmasaydı, bu t istatistiği N -1 serbestlik dereceli merkezi bir t dağılımına sahip olacaktı ve değeri geleneksel şekilde geleneksel t tablosundaki değerlerle karşılaştırılabilecekti. Bir tedavi ana etkisi varsa, bu t istatistiği, merkezi olmayan parametresi, gözlemlenen kazanç veya değişiklik puanlarının standart sapmasına göre tedavi ana etkisinin boyutuna bağlı olan, merkezi olmayan bir t dağılımına sahip olacaktır.

Örnekleme için ilgili standart sapmanın, seviye puanlarının standart sapması yerine kazanım puanlarının standart sapması olduğuna dikkat edin. Bu, t’nin bu değerini geleneksel denek içi güç parametresine dönüştürmenin yanlış paydaya sahip bir oran oluşturduğu anlamına gelir. Bunu görmek için, t’yi örnek boyutunun kareköküne bölün ve çok büyük örnekler için değeri göz önünde bulundurun.

İki formül yalnızca β2 = 1 özel durumunda, yani rYY = .33 özel durumu için anlaşacaktır. Daha yüksek güvenilirlik için, bağımsız gruplar formülü d’deki örnekleme hatasını abartacaktır.

İki Tasarımda İstatistiksel Güç

Yüksek ölçüm güvenilirliğine sahip denek içi tasarımın bağımsız gruplar tasarımından daha yüksek istatistiksel güce sahip olduğunu gösteren önemli bir argüman verdik. Ancak gücün ne kadar yüksek olduğunu gösteren ne formüller ne de örnekler verdik. Bu bölümde bu tür formülleri sunacağız. Sunum kolaylığı için, bağımsız grup tasarımının doğrulanabilir olduğunu varsayacağız; yani, özne etkileşimi tarafından bir tedavi varsa, o zaman bu etkileşimin görmezden gelinecek kadar küçük olduğunu varsayacağız. Yani, geleneksel ders kitaplarında olduğu gibi, özne etkileşimi yoluyla bir muamele olmadığını varsayacağız.

Tasarımları eşleştirmede anahtar soru örneklem büyüklüklerini eşleştirmektir. Bunu yapmanın iki farklı yolu vardır: denek sayısını eşleştirme veya puan sayısını eşleştirme. Bağımsız gruplar tasarımında, puan sayısı kişi sayısına eşittir. Yani, grup 1’deki N1 kişiler bağımlı değişkende N1 puan alırken, grup 2’deki N2 kişiler N2 puan almaktadır. Böylece N1+N2 kişiler ve N1+N2 puanları vardır.

Bununla birlikte, denek içi tasarımda, N kişi ve 2N puan vardır, çünkü her kişi iki puan alır, birinci koşul için bir puan ve ikinci koşul için bir puan (tartışmamızda bir ön test ve bir son test puanı). Bu nedenle, karşılaştırmaları mümkün kılmak için eşleştirme tasarımlarında, kişi (denek) sayısını eşleştirebilir veya eşitleyebilir veya puan sayısını (alınan ölçüm) eşleştirebilir veya eşitleyebiliriz.

Seçim basit değil. Uygulamada, eşleştirme bir “kaynak eşleşmesi” ile belirlenecektir. İki aşırı durum var. Çoğu saha çalışmasında, örneklem büyüklüğü, çalışmaya uygun kişi sayısına göre belirlenir. Örneğin, kalite çemberlerinin Acme imalatının makinist departmanına girişini incelemek istiyorsak, o zaman örneğimiz o anda orada çalışan en fazla 32 kişiyi içerecektir.

Bununla birlikte, çoğu laboratuvar çalışmasında, numune boyutu, laboratuvarın müsait olduğu saat sayısına (veya mevcut asistan saatlerinin sayısına) göre belirlenir. Laboratuar 40 saat boyunca müsaitse ve bir deneği bir koşulda çalıştırmak 30 dakika sürüyorsa, çalışma 80 puana sahip olacaktır.

Tipik saha çalışmasını düşünün. Mevcut N konumuz var. Tasarım seçimimiz şudur: (1) Tüm N deneği bir ön tasarımda çalıştırın veya (2) N deneği her biri N/2 kişiden oluşan iki yarım örneğe rastgele ayırın ve örneğin yarısını kontrole atayın grubuna ve diğer yarım örnek deney grubuna. Böylece, tasarımları denek sayısına göre eşleştiriyoruz, ancak ön son tasarımda bağımsız grup tasarımına göre iki kat daha fazla puan alıyoruz.

Tipik laboratuvar çalışmasını düşünün. N adet gözlem süremiz var. O halde bizim seçimimiz (1) iki koşulun her birinde N/2 denek çalıştırmak veya (2) bir koşulda rastgele seçilmiş bir özne grubunu çalıştırmak ve diğer koşulda rastgele seçilmiş ikinci bir özne grubunu çalıştırmaktır. Böylece, tasarımları puan sayısına göre eşleştiriyoruz, ancak bağımsız gruplar tasarımında iki kat daha fazla insan var.

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

Sabit c ile ilgili önceki tartışma daireseldi. c’yi tahmin etmek için A’nın ortalama değerini ve çalışmalar arasında δ’nin ortalama değerini hesapladığınızı söylemiştik. Ancak, ortalama fiili tedavi etkisini (ortalama δ) hesaplamak için, zayıflama için zayıflatılmış çalışma tedavi etkilerini düzeltmeniz gerekir. Zayıflama için çalışma tedavi etkilerini düzeltmek için c değerine ihtiyacınız vardır. Bu sonsuz bir gerileme gibi görünüyor, ancak kolay bir sayısal çözüm var.

Bu nedenle, Ave(c)’yi hesaplamak için Ave(A) ve Ave(δ)’yi hesaplamamız gerekir. Artefakt bilgisinin meta-analizin bir parçası olarak verildiği varsayıldığından, Ave(A)’nın hesaplanması kavramsal bir problem oluşturmaz. Bununla birlikte, Ort(δ) ortalama gerçek etki iken, orijinal veriler yalnızca zayıflatılmış çalışma etkilerini sağlar. Bu nedenle, Ave(δ)’nin hesaplanması meta-analizin bir yan ürünüdür ve meta-analizi hesaplamak için Ave(c)’yi tahmin etmeliyiz. Çözüm, ana meta-analizi yapmadan önce küçük bir meta-analiz yapmaktır.

Artefaktların boyutunu belirleyen temel süreçler, gerçek tedavi etkisini belirleyen temel süreçlerden bağımsız olduğundan, A ve δ sayıları çalışmalar arasında bağımsız olacaktır.

Şimdi iki denklemimiz var: biri Ave(c)’yi Ave(δ)’den hesaplayan ve diğeri Ave(δ)’yi Ave(c)’den hesaplayan. Bunlar iki bilinmeyenli iki denklemdir. Bu kadar doğrusal olmamasalardı, bunları sıradan cebirle çözebilirdik. Ancak, yinelemeli kolay bir çözüm var. Ave(c) = 1 yaklaşımıyla başlayın. Ardından Ave(δ) için karşılık gelen yaklaşıklığı hesaplamak için Ave(δ) denklemini kullanın.

Ave(c) için yeni bir yaklaşıklık oluşturmak için Ave(c) denkleminde Ave(δ)’nin bu değerini kullanın. Ave(c)’nin bu yeni tahmini, orijinal Ave(c) = 1 yaklaşımından daha doğru olacaktır. Ave(c)’nin yeni tahmini, daha sonra, kullanılabilecek yeni bir Ave(δ) tahmini oluşturmak için kullanılabilir. Ave(c) için yeni bir tahmin oluşturun, vb. Bu süreç hızla istenen tahmine yakınsar.

Yinelemeyi yapacak bir bilgisayar programı yazarlardan temin edilebilir. Bir örnek düşünün. Ortalama etüt etkisinin Ave(δo) = .30 ve ortalama artifakt çarpanının Ave(A) = .50 olduğunu varsayalım. Ave(c) = 1 tahmininden, tahmini elde ederiz.

Bireysel Düzeltilmiş Çalışmaların Meta Analizi

Her bir bireysel çalışma için artefakt bilgisinin bilindiğini varsayalım. Daha sonra gözlemlenen çalışma değerleri bireysel olarak düzeltilebilir ve düzeltilmiş dc istatistikleri üzerinde meta-analiz yapılabilir.

Her çalışma için düzeltme yapılmadan önce, tahmin için gerekli bilgileri sağlamak için bir ön meta-analiz yapılmalıdır c. Hesaplanacak iki sayı Ave(doi) ve Ave(Ai)’dir. Bu ortalamalar için en iyi ağırlıklar olacaktır.

Artifakt Dağılımları ile Meta-Analiz

Artefakt bilgisi ara sıra verilirse, ana meta-analiz, örnekleme hatasının etkisini ortadan kaldıran çıplak kemik meta-analizdir (çalışma sayısı fazlaysa). Daha sonra sistematik artefaktların etkisi için çıplak kemik meta-analizini düzeltmek gerekir.

Çıplak Kemikler Meta-Analiz. Çıplak kemik meta-analizi, daha önce verilen yöntemler kullanılarak gerçekleştirilir. Ortalama düzeltilmemiş etki büyüklüğünü d ̄o ile ve nüfus çalışması etki büyüklüklerinin tahmini varyansını Vo ile ifade edin. Örnekleme hatası varyansını ve ile belirtin.

meta-analiz nedir örneği
Meta analiz Nasıl yapılır
meta-analiz nedir nasıl yapılır
cma ile meta-analiz
Meta analiz Nedir
meta-analiz eğitim bilimleri
Meta analiz nasıl yazılır
Meta-analiz çalışmaları

Artefakt Dağıtımları

Eğer yapay bilgi düzensiz ise, o zaman bilgi genellikle bir seferde bir yapay nesne verilir. Bu nedenle, bileşik artifakt çarpanının dağılımı, bireysel eserler üzerindeki dağılım bilgisinden oluşturulmalıdır. Bu süreç Bölüm 4’te ayrıntılı olarak tartışılmıştır ve burada çok kısaltılmış biçimde sunulacaktır. Her bir yapay yapı a için, üç sayı hesaplayın: Ave(a), Var(a) ve kareli varyasyon katsayısıdır.

Artefakt bilgisini birleştirmek için, bireysel artifakt çarpanlarını a1, a2 olarak numaralandıralım. Bileşik artifakt çarpanı, bireysel çarpanların ürünüdür.

d Değerlerinin Meta-Analizinin Özeti

İstatistikçiler sürekli olarak buna karşı uyarmış olsalar da, deneylerin ve programların geleneksel değerlendirmesi istatistiksel anlamlılık testi olmuştur. İki gruplu bir tasarımda bu, yayınlanma olasılığı en yüksek sayının t istatistiği olduğu anlamına gelir. t değeri en alakalı soruya cevap vermiyor: Tedavi etkisi ne kadar büyüktü? Bunun yerine, t’nin değeri şu soruyu yanıtlar: Popülasyon tedavi etkisinin 0 olduğu varsayımı altında gözlemlenen tedavi etkisi ne kadar uzaktadır?

Bu bölüm, tedavi etkisinin boyutunun alternatif ölçümlerini sunarak başladı: ham puan ortalama farkı, standart puan ortalama farkı (d veya δ) ve nokta ikili korelasyonu (r veya ρ). Farklı yazarlar bağımlı değişkenin farklı ölçümlerini kullandığından, ham puan farkı genellikle meta-analiz için makul değildir. Olasılık oranı da çoğu sosyal bilim araştırmasında uygun bir istatistik değildir.

Bu nedenle, tedavi etkisinin boyutunu karakterize etmek için kullanılan genel istatistikler d ve r’dir. Nokta çift seri korelasyonu kullanılıyorsa (ve formüller açısından ikisinden daha kolaysa), ilgili bölümler Bölüm 2’den 4’e kadardır. Bu bölümde, d istatistiğini kullanarak meta-analiz için formüller sunulmuştur. d istatistiği, Bölüm 6’da listelendiği gibi bir dizi hata faktöründen veya yapaylıktan etkilenir: örnekleme hatası, her iki değişkende ölçüm hatası, her iki değişkende de kusurlu yapı geçerliliği, bağımlı değişkenin yapay olarak ikiye ayrılması vb.

Bu tür her bir yapıt için, meta-analizde bu yapıyı kontrol etmeyi mümkün kılacak yapı bilgisi vardır. Bununla birlikte, birincil araştırmacılar, eserleri kontrol etmek için gereken bilgilerin toplanmasını ve sunulmasını içerecek şekilde yayın uygulamalarını yönlendirmeye yeni başlıyorlar. Bu nedenle, çoğu zaman mevcut olan tek yapay bilgi parçası, örnekleme hatasının etkisini kontrol etmek için gereken sayı olan örnek boyutu N’dir.

Örnek boyutu, belirli bir araştırma alanında mevcut olan tek yapay bilgi parçasıysa, yapılabilecek tek meta-analiz, örnekleme hatasından başka hiçbir yapay yapıyı kontrol etmeyen tam anlamıyla bir meta-analizdir. Diğer artefaktlar kontrol edilmediğinden, çıplak kemik meta-analizi, ortalama tedavi etkisini büyük ölçüde hafife alacak ve çalışmalar arasında, özellikle ortalama (yani, tedavi etkilerinin varyasyon katsayısı) ile ilişkili olarak, tedavi etkilerinin standart sapmasını büyük ölçüde abartacaktır. fazlasıyla abartılacaktır).

d istatistiğinin temel meta-analizi için anahtar formül, d için örnekleme hatası varyans formülüdür. Tam formül gama işlevini kullanır ve matematiksel olarak anlaşılmazdır. Bununla birlikte, örnek boyutu küçüldükçe giderek daha karmaşık hale gelen yaklaşık formüller mevcuttur. Yaklaşım formülü seçildikten sonra, çıplak kemik meta-analizi çok basittir. Ortalama popülasyon d, çalışmalar genelindeki ortalama d istatistiği ile tahmin edilir; burada ortalama, her çalışmayı örnek boyutuna göre tartarak hesaplanır.

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

Meta-analizin temel fikri, çeşitli çalışmaların her birinden bir etki büyüklüğü hesaplamak ve bu etki büyüklüğü tahminlerinin ağırlıklı ortalamasını hesaplamaktır. Ağırlıkların sabit etki varsayımını veya rastgele etki varsayımını nasıl yansıttığını gösterdik. Ayrıca, alt grup analizleri ve meta-regresyon kullanarak çalışmalar arasındaki etki büyüklüklerindeki farklılıkları nasıl inceleyebileceğimizi de gördük.

Şimdiye kadar verdiğimiz tüm örneklerde, bu yöntemleri karşılaştırmalı çalışmalara veya ilişkilendirme çalışmalarına uyguladık. Örneğin, bir klinik denemede farklı tedavilere randomize edilen kişilerin sonuçlarını, ortalamalardaki farka veya risk oranlarına bakarak karşılaştırabiliriz. Veya, erkekler ve kadınlar gibi mevcut iki gruptaki puanları karşılaştırmak için aynı teknikleri de kullanabiliriz.

Tam olarak aynı meta-analiz yaklaşımı, başka tür araştırmalar ve başka tür verilerle çalışmak için kullanılabilir. Bir şeyin başka bir şey üzerindeki etkisine bakmamız gerekmediği gerçeğini yansıtmak için, nokta tahmini terimini etki büyüklüğü tahmininden daha genel bir terim olarak da kullanacağız.

Meta-analizin mümkün olabilmesi için tek gereksinim şudur:

• Nokta tahmini tek bir sayı olarak ifade edilebilir.
• Nokta tahmini için bir varyans hesaplayabiliriz.

DİĞER ETKİ ÖLÇÜLERİ

Şimdi, bu gereksinimlerin karşılandığı ve bu nedenle çalışmalar arasında bulguları birleştirmek için meta-analizin kullanılabileceği durumlara ilişkin bazı örnekler sunuyoruz. Bunların hiçbiri için ayrıntılı metodoloji sağlamaya çalışmıyoruz. Bunun yerine amacımız, temel yöntemler için bir dizi uygulamadan bir lezzet sağlamaktır. İlgili formüllerin çoğu, tamamlayıcı cilt olan Meta-Analiz için Hesaplama Etkisi Boyutları’nda sağlanmaktadır.

Tek tanımlayıcı istatistikler

Tek tanımlayıcı istatistikleri birleştirmek için bir meta-analiz kullanılabilir. Örneğin, sürekli ölçümlerin bir örneği, basitçe ortalaması ile özetlenebilir ve örnekler (veya çalışmalar) arasında araçları sentezlemek için bir meta-analiz de gerçekleştirilebilir.

Benzer şekilde, ikili sonuçların bir örneği, basitçe başarıların oranı, bir olayın riski veya bir durumun yaygınlığı ile özetlenebilir. Örneğin, genel popülasyonda gıda alerjilerinin yaygınlığını değerlendirmek için bir meta-analiz de kullanıldı.

Prevalans, varyansı ile birlikte her çalışmadan tahmin edildi ve standart teknikler kullanılarak bir meta-analizde birleştirildi. Ancak, tek gruplu çalışmalarda sıklıkla olduğu gibi, çok önemli heterojenlik gözlemlendi. Örneğin, bir meta-analizde kendi bildirdiği süt alerjisinin ortalama prevalansı %3’ün biraz üzerindeyken, %2,5 ile %4 arasında sıkı bir %95 güven aralığıyla, bireysel çalışmaların sonuçları %1,2 arasında da değişiyordu.

meta-analiz örneği
bilimsel araştırma yöntemleri meta-analiz
Meta-analiz pdf
Meta analiz Nedir
meta-analiz makale örneği
meta-analiz eğitim bilimleri
Meta-analiz özellikleri
Orman grafiği yorumlama

Fiziksel sabitler

Meta-analiz yöntemleri fizik alanında uzun bir geçmişe sahiptir. Örneğin, Raymond Birge, 1932’de farklı deneylerden elde edilen fiziksel sabitlerin tahminlerini birleştirme yöntemleri üzerine bir makale yayınladı. 1941’de, bir boşlukta ışığın hızını ölçmek için yapılan çok sayıda girişimi özetledi ve bulgularının ağırlıklı ortalamalarını hesapladı. . Diğer önemli sabitler için de benzer bir yaklaşım kullanılmıştır. Meta-analiz terimi 1976 yılına kadar tanıtılmamış olsa da, bunlar esasen çoklu deneylerin meta-analizleridir.

Diğer veri türleri ile iki gruplu çalışmalar

Sonuçlar sürekli veya ikili olduğunda iki grubu karşılaştırmak için bazı farklı endeksleri ayrıntılı olarak tanımlamış olsak da, başka tür verilerle karşılaşılabileceğini açıkça belirtmeliyiz. Belirli üç farklı veri türü de aşağıdaki gibidir.

Sıralı veriler, her bir birey üç veya daha fazla kategoriden birine atandığında ortaya çıkar ve bu kategorilerin mantıksal bir sıralaması vardır. Örneğin, bir tedavi periyodundan sonra bir durumun belirtileri ‘hafif’, ‘orta’ veya ‘şiddetli’ olarak değerlendirilebilir. Meta-analizde kullanılmak üzere sıralı verileri olan çalışmalardan tek bir etki büyüklüğü hesaplanabilir. Örneğin, orantısal bir oran modelinin varsayımları altında, bir oran oranı da mevcuttur.

Olaya kadar geçen süre (hayatta kalma) verileri, her bir kişinin ne kadar süre takip edildiğini ve sonucu (olay meydana geldi veya takip dönemi sona erdi) bildiğimizde kullanılır. Tipik olarak, her çalışmada tedavi etkisini yansıtmak için bir tehlike oranı hesaplarız ve bu tehlike oranlarını çalışmalar arasında sentezlemek için meta-analizi de kullanırız.

Hız verileri, veriler hem bir gözlem periyodu hem de bu periyot boyunca belirli bir olayın meydana gelme sayısını içerdiğinde ortaya çıkar. Bu tür veriler, (tekrarlanabilir) bir olayın görülme sıklığının bir grupta diğerinden daha düşük olup olmadığını belirlemek için kullanılır. Özellikle bireylerin birden fazla olaya sahip olmasına da olanak tanır.

Bu tür verilerden herhangi biriyle karşılaşıldığında iki grubu karşılaştırmak için yöntemler mevcuttur. Yukarıda belirtildiği gibi, en sık karşılaşılan endeks türleri sıralı veriler için olasılık oranları, zaman-olay verileri için tehlike oranları ve oran verileri için oran oranlarıdır. Meta-analiz, logaritmik ölçekte çalışan bu özel durumların her birinde aynı şekilde ilerleyecektir, çünkü endeksler de farklılıklardan ziyade oranlardır.

Regresyon katsayıları

Meta-analize uygun geniş çalışma türleri yelpazesinin son bir örneği, regresyon katsayılarının veya beta ağırlıklarının birleşimidir. Bu, birkaç regresyon analizinden elde edilen sonuçların sentezidir ve metaregresyon ile karıştırılmamalıdır. Örneğin, Sirmans ve meslektaşları (2006), ev fiyatı ile evin metrekaresi, yaşı, yatak odası sayısı ve bir yüzme havuzunun varlığı gibi çeşitli özellikleri arasındaki ilişkiyle de ilgilendiler.

Bunların her birini ayrı ayrı ele alarak, ilişkiyi (örneğin metrekare ve ev fiyatı arasındaki) inceleyen ve ilişkiyi karakterize etmek için regresyon katsayıları elde eden çalışmaları derlediler. Bunlar daha sonra, ağırlıklardaki katsayıların varyansları kullanılarak bir meta-analizde de birleştirilebilir.

Ancak, bu yazarların temel amacı sadece genel bir regresyon katsayısı elde etmek değil, regresyon katsayılarının çalışmanın yeri ve zamanlaması gibi diğer çalışma düzeyindeki özelliklere bağlı olup olmadığını ve regresyon analizinin yapılıp yapılmadığını incelemektir. Diğer ev özellikleri için kontrol edilir (örneğin yatak odası sayısı). Bu nedenle birincil analiz, regresyon katsayılarının bir meta-regresyonudur.

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

Migren baş ağrıları için bir tedavinin etkisini değerlendirmek için birincil bir çalışma için güç analizini sunduk. Grup başına n525 ile tek bir çalışma için, etki büyüklüğünün 0,30 olduğunu varsayarak varyansı 0,0809, lambda’yı 1,0547 ve gücü 0,18 olarak hesapladık. Aynı soruyu ele almak için bir meta-analiz planladığımızı ve grup başına n 5 25 olan tek bir çalışma yerine, her birinin bu örneklem büyüklüğüne sahip olduğu on çalışmamız olduğunu varsayalım.

Excel’de 5NORMSINV(1 􏰉 0.05/2) 1,96 döndürür ve 5 1-NORMSDAĞ(1.96 􏰉 3.3354) þ NORMSDAĞ(􏰉 1.96 􏰉 3.3354) 0.9155 değerini döndürür.

Başka bir deyişle, güç formülü birincil bir çalışmanın formülüyle aynı olsa da, varyans k faktörü (çalışma sayısı) kadar azaltılır, bu da lambdada k kat artış ve güçte artış sağlar.

Etki büyüklüğü ve çalışma sayısının bir fonksiyonu olarak gücü grafiklendirmek için etki büyüklüğünü ve çalışma sayısını değiştirirken formülü uygulayabiliriz.Her çalışmada grup başına 25’lik bir n, 0,05 alfa (2-kuyruklu) ve bir sabit etki modeli varsayıyoruz. Grafik, 0,4, 0,3, 0,2’lik bir etki büyüklüğü (d) için gücü gösterir ve çalışmaların sayısı 1 ile 25 arasında değişir.

0,40, 0,30 veya 0,20 etki büyüklüğü için %90’lık bir güç sağlamak üzere soldan sağa okuma, 6 çalışma, 10 çalışma veya 22 çalışma gerekir. Dahil etme kriterlerini karşılayan en az 20 çalışmanın olması muhtemel olduğu bir pilot çalışmadan açıkça anlaşıldığını varsayalım. Bu noktada, araştırmacılar planlandığı gibi ilerlemeye karar verebilirler. Bu sayıya göre grafiği yukarıdan aşağıya doğru okuyarak gerçek etki 0.40 veya 0.30 ise güç %99’u, gerçek etki 0.20 ise güç %90’a yaklaşacaktır.

Buna karşılık, dahil etme kriterlerini karşılayan yalnızca 5 veya 10 çalışma olacağı görülüyorsa, hakemler sayının daha doğru bir tahminini elde etmek isteyebilir (5 ile 10 arasındaki fark önemlidir). Alternatif olarak, ilgili araştırmaların sayısını artırmak için araştırma sorusunu değiştirmenin makul yolları olabilir.

Rastgele Efektler Modelini Kullanarak Ana Etki İçin Güç

Rastgele etkiler modeli altındaki önem ve güç formülleri, sabit etki meta-analizi için olanlarla aynı yapıya sahiptir. Yıldız işaretinin (*) bir istatistiğin rastgele etkiler varyansına dayandığını belirttiği Bölüm 12’de tanıtılan notasyonu kullanarak, ana etki için anlamlılık testi hala bir test istatistiğine (örneğin) Z* dayanmaktadır ve şu şekilde hesaplanır: ancak M* ve VM* artık tahmini ortalama etki büyüklüğü ve bunun rastgele etki ağırlıkları kullanılarak varyansıdır. Daha önce olduğu gibi, Z*, karşılık gelen p-değerini veren standart normal dağılıma referansla değerlendirilir.

Ancak şimdi d* ve Vd* gerçek ortalama etki boyutu ve bunun özet etki için varyansı. Varyans, çalışmalar içindeki varyansı ve çalışmalar arasındaki varyansı içerir. Her çalışmanın aynı çalışma içi varyansa sahip olduğu basit durumu düşünün, VY deyin.

Çalışma içi varyansın makul değerleri, VY, sabit etkili model için kullanılanlarla aynı prosedürler kullanılarak elde edilebilir. Çalışmalar arası varyansın makul değerleri, t2, pilot çalışmanın bir parçası olarak toplanan çalışmalar için etki büyüklükleri hesaplanarak ve bu etkilerin çalışmadan çalışmaya gerçekte ne kadar değiştiğine bakılarak, pilot çalışmadan elde edilen veriler kullanılarak elde edilebilir.

Meta analiz Nedir
Meta-regresyon nedir
meta-analiz eğitim bilimleri
Sistematik derleme ve meta-analiz Nedir
meta-analiz nedir örneği
meta-analiz nedir nasıl yapılır
Meta analiz nasıl yapılır
Meta analiz nasıl yazılır

Alternatif olarak, önceki, benzer bir meta-analizdeki çalışmalar arası varyans uygun olabilir. Son olarak, Hedges ve Pigott, küçük, orta ve büyük derecelerde heterojenliği temsil etmek için kullanılabilecek bir sözleşme önermektedir. Bu kural, toplam varyans Vd* 51.33VY/k, 1.67VY/k veya 2.00VY/k olacak şekilde t2’yi çalışma içi varyansın 0.33, 0.67 veya 1.0 katına ayarlamak içindir.

Uygulamada, etki büyüklüğünün rastgele etkiler modelinde sabit etki modelinde olduğu gibi olması muhtemeldir. Bununla birlikte, sabit etkili modele kıyasla rastgele etkiler modeli altında varyans her zaman daha büyük olacaktır.

Açıklayıcı örnek

Sabit etki modeli için yukarıdaki örnek, gerçek etki büyüklüğünün çalışmadan çalışmaya değiştiğini ve bu nedenle rastgele etkiler modelinin uygun olduğunu varsayarsak, burada da kullanılabilir. Yine, grup başına 25 hasta ile 10 çalışma ve 5 0.30’luk bir etki büyüklüğü varsayıyoruz. Bir çalışma için çalışma içi varyans şu şekilde hesaplanır.

Bu hesaplama EXCEL’de şu şekilde yapılabilir: Daha önce olduğu gibi, bir dizi varsayım altında gücü gösteren bir grafik oluşturabiliriz.

d5 0.30’un orta etki büyüklüğüne dayanmaktadır ve dağılım küçük, orta veya büyük olduğunda gücün nasıl değişeceğini göstermektedir. 0,20 veya 0,40 efekt boyutu (d) için benzer bir grafik oluşturabiliriz. Soldan sağa okuma, çalışmalar arası dağılım küçük, orta veya büyükse, %90’lık bir güç elde etmek için yaklaşık 12, 15 veya 20 çalışmaya ihtiyacımız olacaktır.

Pilot çalışmanın en az 15 çalışmayı bulabileceğimizi gösterdiğini varsayalım. X ekseninde 15’te yukarıdan aşağıya doğru okuyarak, dağılımın küçük, orta veya büyük olması durumunda gücün 0.95, 0.92 veya 0.90 civarında olacağını görüyoruz. Tabii ki, güç bir süre için daha düşük olacaktır. 0,40’lık bir etki boyutu için 0,20 ve daha yüksek etki boyutu.

Rastgele Efektler Hakkında Notlar

Rastgele etkiler modeli altında, her çalışmanın (ve özet etkisinin) varyansı, çalışmalar içindeki varyans ve çalışmalar arasındaki varyans olmak üzere iki bileşen içerir. Pratik etki, gücün hem toplam örneklem büyüklüğüne hem de çalışma sayısına bağlı olmasıdır. Eğer çalışmadan çalışmaya önemli bir dağılım varsa, o zaman iyi bir güç elde etmenin tek yolu çok sayıda çalışmayı dahil etmektir (bu, varyansın bu unsurunu azaltır).

Çalışmaların sayısı azsa, çalışmalar arasındaki toplam örneklem büyüklüğü onbinlere veya daha fazlasına ulaşsa bile güç düşük kalabilir.

Sabit etki modelinin ve rastgele etki modelinin farklı hipotezleri ele aldığını ve farklı varyans tahminlerini kullandıklarını anlamak önemlidir, çünkü bunlar, aşağıda açıklandığı gibi, çalışmalar arasında etkilerin dağılımının doğası hakkında farklı varsayımlarda bulunurlar. 

Araştırmacılar bazen rastgele etkiler modelinde gücün sabit etki modeline göre daha düşük olduğunu belirtiyorlar. Bu ifade doğru olsa da daha büyük noktayı gözden kaçırıyor: Sabit ve rastgele etkiler analizleri için gücü karşılaştırmak anlamlı değil çünkü iki güç değeri aynı soruyu ele almıyor.

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

Verilere sıklıkla sorduğumuz bir soru, etkisiz sıfır hipotezini reddetmemize izin verip vermediğidir. Bu soruyu bir anlatı incelemesi kullanarak ele alan araştırmacıların, ayrı çalışmalar tarafından bildirilen p-değerlerini sentezlemesi gerekir. Bunlar ayrı bilgi parçaları olduğundan ve anlatı incelemesi bu değerleri sentezlemek için istatistiksel bir mekanizma sağlamadığından, öyküleyici incelemeciler genellikle oy sayımı adı verilen bir sürece başvururlar.

Bu süreçte gözden geçiren, istatistiksel olarak anlamlı çalışmaların sayısını sayar ve bunu istatistiksel olarak anlamlı olmayan çalışmaların sayısıyla karşılaştırır.

Bazı durumlarda, bu süreç resmileştirilmiştir, öyle ki kişi gerçekten anlamlı ve önemsiz p değerlerinin sayısını sayar ve kazananı seçer. Bazı varyantlarda, gözden geçiren kişi basit çoğunluk yerine net çoğunluk arar. Veya, hakem doğrudan p değerleriyle değil, makalelerin p değerlerine dayalı tartışma bölümüyle çalışabilir.

Bir oy sayma prosedürü yoluyla p-değerlerini özetlemenin, özetlenen tek anlamlılık testlerinden herhangi birinin herhangi birinden daha doğru karar vereceğini düşünebiliriz. Ancak bu genellikle böyle değildir.

Aslında, Hedges ve Olkin (1980), istatistiksel bir karar prosedürü olarak kabul edilen oy sayma gücünün, sadece dayandığı çalışmalarınkinden daha düşük olamayacağını, oy sayma gücünün de sıfıra doğru eğilim gösterebileceğini göstermiştir. araştırma sayısı artıyor. Başka bir deyişle, oy sayımı yalnızca yanıltıcı olmakla kalmaz, kanıt miktarı (çalışma sayısı) arttıkça daha yanıltıcı olma eğilimindedir!

Her halükarda, oy sayımı fikri temelde kusurludur ve bu süreçteki varyantlar eşit derecede kusurludur (ve belki daha da tehlikelidir, çünkü temel kusur daha karmaşık bir algoritmanın arkasına gizlendiğinde veya p’den bir adım kaldırıldığında daha az belirgindir. -değer). Bu bölümdeki amacımız bunun neden böyle olduğunu açıklamak ve birkaç örnek vermektir.

OY SAYIMI NEDEN YANLIŞTIR?

Oy sayımının mantığı, önemli bir bulgunun bir etkinin var olduğuna dair kanıt olduğunu, önemsiz bir bulgunun ise bir etkinin olmadığına dair kanıt olduğunu söyler. İlk ifade doğru olsa da, ikincisi değil. Anlamsız bir bulgu, gerçek etkinin sıfır olması gerçeğinden kaynaklanabileceği gibi, aynı zamanda düşük istatistiksel güçten de kaynaklanabilir.

Basitçe söylemek gerekirse, herhangi bir çalışma için rapor edilen p değeri, gözlemlenen etki büyüklüğünün ve örneklem büyüklüğünün bir fonksiyonudur. Gözlenen etki önemli olsa bile, örneklem büyüklüğü yeterli olmadığı sürece p değeri anlamlı olmayacaktır. Başka bir deyişle, çoğumuzun ilk istatistik kursumuzda öğrendiği gibi, istatistiksel olarak anlamlı bir etkinin olmaması, bir etkinin olmadığının kanıtı değildir.

meta-analiz örnek çalışma
Meta analiz Nedir
Meta analiz çalışması
Meta-analiz aşamaları
Meta-analiz pdf
Meta-Analiz Kitap
meta-analiz eğitim bilimleri
meta-analiz nedir nasıl yapılır

Örneğin, bir müdahalenin etkisini test etmek için beş randomize kontrollü çalışmanın (RCT) yapıldığını ve gösterildiği gibi hiçbirinin istatistiksel olarak anlamlı olmadığını (her durumda p değeri 0.265’tir) varsayalım. Bir etkiye karşı oy sayısı 5’e 0’dır ve müdahalenin hiçbir etkisinin olmadığı varsayılabilir.

Buna karşılık, meta-analiz, bilgileri tek bir analizde birleştirerek, boş için uygun bir test yapmamızı sağlar. Bu yaklaşım yalnızca geçerli olmakla kalmaz, aynı zamanda özet etki testi, genellikle ayrı çalışmalardan herhangi biri üzerinde gerçekleştirilen testlerden çok daha güçlüdür. Verileri birleştirdiğimizde, etki boyutu aynı kalır, ancak güven aralığı daralır ve artık boş değeri içermez. Her çalışma için tek başına p değeri 0,265’tir, ancak özet etki için p değeri 0,013’tür. Açıkça, her çalışmada anlamlılığın olmaması, küçük bir etkiden ziyade kesinlik eksikliğinden kaynaklanmaktadır.

Oy saymanın neden kötü bir fikir olduğunu açıklamak için bölümü burada bitirebiliriz. Ancak, çeşitli biçimlerde oy sayımı çok yaygın olduğu için, oy sayımının altında yatan temel hatanın literatürün çoğunu nasıl etkilediğini ve meta-analizin bu sorunu çözmeye nasıl yardımcı olabileceğini göstermek için bu fikri genişleteceğiz.

OY SAYIMIN YAYGIN BİR SORUNU

Oy sayımı terimi, anlatı incelemeleriyle ilişkilendirilirken, önemli bir p değerinin bir etkinin var olduğuna dair kanıt olarak alındığı ve anlamlı olmayan bir p değerinin bir etkinin olmadığının kanıtı olarak alındığı tek bir çalışmaya da uygulanabilir. mevcut. Çok çeşitli önemli alanlarda yapılan çok sayıda araştırma, bu hatanın her yerde bulunan doğasını defalarca belgelemiştir.

Örneğin tıpta, Freiman, Chalmers, Smith ve Kuebler (1978), bir dizi tıp dergisinde (başlıca The Lancet, New England Journal of Medicine ve Journal of 1960–1977 döneminde Amerikan Tabipler Birliği) ve olumsuz sonuçlar bildiren 71 tanesini seçti. Yazarlar, gerçek ilaç etkisi %50 civarında olsaydı (örneğin, ilaç için %15’e karşılık plasebo için %30’luk bir ölüm oranı), medyan gücün %60 olacağını bulmuşlardır. Başka bir deyişle, ilaç ölüm oranını yarıya indirse bile, çalışmanın istatistiksel olarak anlamlı bir sonuç elde edememe olasılığı hala %40 idi.

Yazarlar şu noktaya değinmeye devam ettiler: Gücün çok düşük olmasına rağmen, çoğu durumda istatistiksel anlamlılığın yokluğu, ilacın etkili olmadığı şeklinde yorumlandı. Şunları yazdılar: “Sonuçsuz “negatif” denemelerden sonra etkisiz olarak atılan terapilerin birçoğunun hala klinik olarak anlamlı bir etkiye sahip olabileceği sonucuna varılması kaçınılmazdır. Aslında, bu temelde atılan bazı tedavilerin çok önemli terapötik etkilerinin olması mümkündür (veya muhtemeldir).

Sosyal bilimlerde Cohen (1962), 1960 yılında Journal of Abnormal and Social Psychology’de yayınlanan makaleleri araştırdı. Küçük, orta veya büyük bir etkiyi saptamak için ortalama güç sırasıyla 0.18, 0.48 ve 0.83 idi. Cohen, düşük güce rağmen, olumsuz sonuçları olan çalışmalar yayınlandığında okuyucuların, istatistiksel anlamlılığın yokluğunu tedavinin etkisiz olduğunun kanıtı olarak yorumlama eğiliminde olduğunu kaydetti.

Takip eden yıllarda, davranış araştırmaları alanındaki herhangi bir sayıda dergide düşük güç gerçeğini belgeleyen makaleler yayınlamak için bir tür kulübe endüstrisi gelişti. Bunların çoğu Sedlmeier ve Gigerenzer (1989) ve Rossi’de (1990) alıntılanmıştır. Tıp alanında aynı sorunu belgelemek için benzer makaleler yayınlandı.

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

Bu bölümde hem alt grup analizleri (varyans analizi) hem de meta-regresyon ile ilgili bir dizi konuyu ele alıyoruz.

HESAPLAMA MODELİ

Araştırmacı her zaman sabit etkili model ile rastgele etkiler modeli arasında seçim yapmalıdır. Tek bir çalışma grubuyla çalıştığımızda, sabit etki analizi, tüm çalışmaların ortak bir etki büyüklüğünü paylaştığını varsayar. Alt gruplarla çalışırken, bir alt gruptaki tüm çalışmaların ortak bir etki büyüklüğünü paylaştığı varsayılır. Meta-regresyon ile çalışırken, ortak değişkenler üzerinde aynı değerlere sahip tüm çalışmaların ortak bir etki büyüklüğünü paylaştığı varsayılmaktadır.

Bu tür varsayımlar bazen 83, 161 ve 195. sayfalarda kullandığımız farmasötik örnekte olduğu gibi haklı çıkarılabilir. Bununla birlikte, çoğu durumda, özellikle inceleme çalışmaları literatürden çıkarıldığında, alt grup üyeliğinin veya ortak değişkenlerin, etki büyüklüklerindeki dağılımın hepsini olmasa da bir kısmını açıkladığını varsayalım. Bu nedenle, rastgele etkiler modelinin verilere uyması daha olasıdır ve seçilmesi gereken modeldir.

Model seçiminde kaçınılması gereken hatalar

Rastgele etkiler modeli fikrini tanıttığımızda, araştırmacıların bazen sabit etkili bir modelle başladıklarını ve daha sonra deneysel heterojenlik kanıtı varsa (istatistiksel olarak anlamlı bir p değer) yapılır.

Alt grup analizi durumunda bu yaklaşım, gruplar içinde sabit etki modelini kullanarak başlamamızı ve daha sonra yalnızca gruplar içindeki Q istatistiksel olarak anlamlıysa rastgele etkiler modeline geçmemizi önerir. Meta-regresyon durumunda, sabit etki modelini kullanarak başlamamızı ve ardından yalnızca artık hata için Q’nun istatistiksel olarak anlamlı olması durumunda rastgele etkiler modeline geçmemizi önerir.

Tek bir çalışma grubuyla çalışırken bu yaklaşımın sorunlu olduğunu açıkladık ve aynı nedenlerle burada kötü bir fikir olmaya devam ediyor. Önemli değerlendirmeler, etki büyüklüğünün değişebileceğini gösteriyorsa (tüm çalışmalar içinde, alt gruplar içinde veya ortak değişken değerleri olan çalışmalar için), o zaman heterojenlik testi başarısız olsa bile ilgili modeli kullanıyor olmalıyız. önemli bir p değeri verir. Bu anlamlılık eksikliği, yalnızca (muhtemelen düşük istatistiksel güç nedeniyle) belirli bir kanıt eşiğini karşılayamadığımız anlamına gelir ve çalışmaların ortak bir etki büyüklüğünü paylaştığını kanıtlamaz.

Modelle ilgili pratik farklılıklar

Araştırmacılar genellikle sabit etkili bir model yerine rastgele bir etki modeli kullanmanın pratik sonuçlarını soruyorlar. Rastgele etkiler modeli, çalışma ağırlıklarını daha eşit bir şekilde paylaştırır, böylece büyük bir çalışmanın özet etki (veya regresyon çizgisi) üzerinde sabit etki modeli altında olacağından daha az etkisi olur ve küçük bir çalışma, daha fazla etkiye sahip olur. sabit etki modeli altında olurdu.

Ayrıca, güven aralıkları, rastgele etkiler modeli altında sabit etki modeline göre daha geniş olma eğiliminde olacaktır. Bu bize sabit etkili veya rastgele etkiler modelini kullanmanın etkisinin ne olacağını söylerken, hangi modeli kullanmamız gerektiği hakkında hiçbir şey söylemez. Bu kararla ilgili tek konu, hangi modelin verilere uyduğu sorusudur.

meta-analiz çalışması örneği
Meta analiz çalışması Nedir
Meta-analiz pdf
Meta-analiz özellikleri
CMA ile Meta-Analiz
meta-analiz eğitim bilimleri
Meta-analiz aşamaları
meta-analiz makale

Farklı modeller altında sıfır hipotezi

Bir özet etki büyüklüğünün anlamı, sabit ve rastgele etkiler için farklı olduğundan, test edilen sıfır hipotezi de iki model altında farklılık gösterir.

Tek bir grupla çalışırken, sabit etki modelinde özet etki büyüklüğünün tüm çalışmalar için ortak etki büyüklüğünü temsil ettiğini hatırlayın. Boş hipotez, ortak etki büyüklüğünün sıfır değerine (bir fark için 0,00 veya bir oran için 1.00) eşit olmasıdır. Buna karşılık, rastgele etkiler modeli altında özet etki büyüklüğü, etki büyüklüklerinin dağılımının ortalamasını temsil eder. Boş hipotez, tüm olası çalışmaların ortalamasının sıfır değerine eşit olmasıdır.

Alt grup analizlerinde, sabit etki modeli altında, A ve B alt grupları için özet etki büyüklüğü, bir grup çalışma için ortak etki büyüklüğünü temsil eder. Boş hipotez, A çalışmaları için ortak etkinin, B çalışmaları için ortak etkiyle aynı olmasıdır. Buna karşılık, rastgele etkiler modeli altında, A ve B alt grupları için etki büyüklüğünün her biri, etki büyüklüklerinin dağılımının ortalamasını temsil eder. Boş hipotez, tüm olası A çalışmalarının ortalamasının, tüm olası B çalışmalarının ortalaması ile aynı olmasıdır.

Regresyonda, sabit etki modeli altında, herhangi bir ortak değişken(ler) değeri için bir gerçek etki büyüklüğü olduğunu varsayıyoruz. Boş hipotez, bu etki büyüklüğünün ortak değişken(ler)in tüm değerleri için aynı olmasıdır. Buna karşılık, rastgele etkiler modeli altında, herhangi bir ortak değişken(ler) değeri için etki büyüklüklerinin bir dağılımı olduğunu varsayıyoruz. Boş hipotez, bu ortalamanın ortak değişken(ler)in tüm değerleri için aynı olmasıdır.

Ortak bir etki büyüklüğü ile ortalama bir etki büyüklüğü arasındaki ayrım, kulağa anlamsal bir nüans gibi gelse de, aslında modeller arasındaki önemli bir ayrımı yansıtmaktadır. Sabit etki modeli durumunda, ortak bir etki büyüklüğü ile uğraştığımızı varsaydığımız için, çalışmalar arası varyansın sıfır olduğunu varsayan bir hata modeli uygularız.

Rastgele etkiler modeli durumunda, etki büyüklüklerinin değişebileceğine izin verdiğimiz için, bu ek belirsizlik kaynağını hesaba katan bir hata modeli uygularız. Bu farkın ortalama üzerinde etkisi vardır (tek bir grup için özet etkisi, alt gruplar içindeki özet etkisi ve bir meta-regresyondaki eğim). Ayrıca standart hata, önem testleri ve güven aralıkları üzerinde de etkisi vardır.

Rastgele etkiler meta-regresyonunda bazı teknik hususlar

Ortak değişkenlerin yokluğunda standart bir rastgele etkiler meta-analizinde olduğu gibi, tahmin için çeşitli yöntemler mevcuttur.

• Moment yöntemi ve maksimum olabilirlik yöntemi dahil olmak üzere meta-regresyonda 2. Uygulamada, yöntemler arasındaki farklılıklar genellikle küçük olacaktır.
• Bu bölümde sunduğumuz sonuçlar, tahmin etmek için Bölüm 16’da kullandığımız yöntemle aynı olan bir moment tahmini kullandı.
• Tek bir grup için 2. Değişkensiz bir meta-regresyon yapacak olsaydık, 􏰀2 tahminimiz o bölümdeki formülleri kullanarak elde edeceğimiz tahminle aynı olurdu.
• Tahmin için hangi yöntem kullanılırsa kullanılsın
• 2, bir ortak değişkenin (veya iki alt grup arasındaki farkın) istatistiksel önemini değerlendirmek için bir Z testinin kullanılması, yaygın olmakla birlikte, kesinlikle uygun değildir. Basit sayısal verilerle uğraşırken, bir güven aralığı hesaplamak veya bir farkın (veya varyansın) önemini test etmek için örnekleme dağılımı biliniyorsa Z kullanırız.
• Buna karşılık, örnekleme dağılımı örnekte gözlemlenen dağılımdan tahmin ediliyorsa t’yi kullanırız (örneğin, bir t-testi kullanarak ortalamaları karşılaştırdığımızda olduğu gibi).

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

Burada, sabit etkili model için yaptığımızla aynı hesaplama setinden geçiyoruz, ancak bu sefer her alt grup için ayrı bir 􏰀2 tahmini ile rastgele etki ağırlıkları kullanıyoruz.

Etkileri hesaplama

 A ve B alt gruplarındaki çalışmaların bir orman grafiğidir. Çalışmalar, sabit etkili orman grafiğindekilerle aynıdır ancak elmaslarla temsil edilen özet etkiler, artık rastgele etki ağırlıklarına dayanmaktadır. . A ve B alt grupları için ortalama etki büyüklüğü, 0,006 ve 0,004 varyanslarla birlikte 0,325 ve 0,610’dur.

Hesaplamalar değerlere dayanmaktadır. Bu değerler, her çalışma için varyansın artık çalışma içi varyansı ve çalışma arası varyansı içermesi dışında benzerdir. Ortak bir 􏰀 2 değeri varsaymadık ve bu nedenle her alt grup için ayrı bir 􏰀 2 tahmini kullandık.Bu, T2A için bir değere ve T2B için bir başka değere sahip olduğumuz sağdaki sembollerle gösterilmektedir. Tablo 19.5’te, T2 etiketli sütun, A çalışmaları için 0.0164 ve B çalışmaları için 0.0022’yi gösterir.

Not. Burada rastgele etki ağırlıkları kullanılarak hesaplanan Q* istatistiği, Q*’yu çeşitli bileşenlerine ayırmak için yalnızca varyans analizi için kullanılır. Bu nedenle, Q* için bir p değeri göstermiyoruz. Bunun yerine, sabit etki ağırlıkları kullanılarak hesaplanan Q istatistiği, çalışmalar arası dağılımı yansıtan, alt grup A içindeki çalışmalar için bir homojenlik testi sağlayan ve T2’yi tahmin etmek için kullanılandır.

Çalışmanın tümü için hesaplamalar (rastgele etkiler, ayrı t2 tahminleri)

Buradaki istatistikler, gruplar içinde kullanılanla aynı T2 değeri kullanılarak hesaplanır (bu durumda, havuzlanmaz).

Etkileri Karşılaştırma

Dönersek ve iki alt grup için elmasları alırsak, elde ederiz. A ve B alt grupları için ortalama etki büyüklüğü, 0,006 ve 0,004 varyanslarla birlikte 0,325 ve 0,610’dur.

Amacımız bu iki ortalama etkiyi karşılaştırmaktır ve ilerleyebileceğimiz birkaç yol vardır. Bu yaklaşımlar cebirsel olarak eşdeğerdir ve (bundan sonra) aynı p-değerini verir. Birkaç yaklaşım sunmaktaki amacımız, sürece ilişkin içgörü sağlamaktır.

A ile B’yi karşılaştırma: bir Z testi (Yöntem 1)

A ve B alt grupları için ortalama etkiyi karşılaştırmak için basit bir Z testi kullanabiliriz. Formüller daha önce kullanılanlarla aynıdır, ancak rastgele etkiler modelini yansıtmak için iki sembolü değiştiririz. İlk olarak, istatistiklerin sabit etki ağırlıkları yerine rastgele etki ağırlıklarına dayandığını belirtmek için bir (*) kullanırız. İkinci olarak, sıfır hipotezi 􏰂A 5 􏰂B olarak çerçevelenir ve sabit etki modeliyle çalışırken ortak değerlere atıfta bulunduğumuz 􏰁A 5 􏰁B yerine bunların ortalama değerler olduğu gerçeğini yansıtır.

meta-analiz eğitim bilimleri
Meta analiz Nedir
meta-analiz çalışması örneği
Sistematik derleme Nedir
Meta-analiz pdf
Rastgele etki modeli nedir
Egger testi nedir
Meta analiz nasıl yapılır

􏰂A ve 􏰂B, A ve B alt gruplarının altında yatan gerçek ortalama etkiler olsun, MA* ve MB* tahmini etkiler olsun ve VM􏰌A ve VMB􏰌 bunların varyansları olsun. İki etki arasındaki farkı belirtmek için Diff* kullanırsak ve A’nın ortalamasını B’nin ortalamasından çıkarmayı seçeriz.

Z*Diff 5 2.8381’e karşılık gelen iki uçlu p değeri 0,0045’tir. Bu bize ortalama tedavi etkisinin A çalışmaları için B çalışmaları için muhtemelen aynı olmadığını söyler. Excel’de, Z için 2 kuyruklu p değerini hesaplama işlevi 5’tir (1-(NORMSDAĞ(ABS(Z))))*2. Burada 5(1-(NORMSDIST(ABS(2.8381))))*2 0,0045 değerini döndürür.

A ile B’yi karşılaştırma: varyans analizine dayalı bir Q testi (Yöntem 2)

Sabit etki modeli altında 2. yöntem için kullandığımız formüllerin aynısını kullanıyoruz, ancak şimdi rastgele etki ağırlıkları uyguluyoruz. Bu yaklaşımın yalnızca, genel etkiyi hesaplamak için gruplar içindeki etkileri hesaplamak için kullandığımız ağırlıkları kullandığımızda işe yaradığını unutmayın. Tablo 19.5’te, alt grup A’daki çalışmalar, hem alt grup ortalamasını hesaplamak hem de genel ortalamayı hesaplamak için 0.0164’lük T2 değerini kullanır. Benzer şekilde, alt grup B’deki çalışmalar, hem alt grup ortalamasını hesaplamak hem de genel ortalamayı hesaplamak için 0,0022’lik T2 değerini kullanır.

Aşağıdaki miktarları hesaplıyoruz (burada SS, sapmaların karelerinin toplamıdır).

• Q*A, A’nın ortalaması hakkındaki tüm A çalışmalarının ağırlıklı SS’si.
• Q*B, B’nin ortalaması hakkındaki tüm B çalışmalarının ağırlıklı SS’si.
• Q*içinde, Q*A ve Q*B’nin toplamı.
• Q*bet, alt grubun ağırlıklı SS’si, büyük ortalama hakkındadır.
• Q*, büyük ortalamayla ilgili tüm etkilerin ağırlıklı SS’si.

Grup içi ağırlıklı SS’nin toplamını veya daha genel olarak p alt grupları için Q*’u 5 Q*A × Q*B içinde yazabiliriz. Etki büyüklüklerinin 􏰂 tüm gruplar için aynı olduğu sıfır hipotezi altında, 1’den p’ye, Q*bahsi, p – 1’e eşit serbestlik dereceleriyle ki-kare olarak dağıtılacaktır.

Sonuçlar özetlenmiştir. Burada yorumladığımız tek Q istatistiğinin gruplar arası olduğuna dikkat edin. Çalışan örnekte, Arasında satırı bize gruplar arasındaki farkın (A ve B için birleşik etki) istatistiksel olarak anlamlı olduğunu söyler (Q*bet 5 8.0547, df 5 1, p 5 0.0045), bu da etkinin boyutu, ders verme sıklığı ile ilgilidir. Excel’de, Q için bir p- değeri hesaplama işlevi 5 KİŞİSEL(Q,df)’dir. A’ya karşı B testi için 5CHIDIST(8.0547,1) 0,0045 döndürür. Toplam varyansın veya gruplar içindeki varyansın istatistiksel önemini ele almak için, Q* (toplam), QA*, QB* veya Qw*ithin kullanmak yerine sabit etki ağırlıkları kullanılarak rapor edilen istatistikleri kullanırız.

A ile B’yi karşılaştırma: heterojenlik için bir Q testi (Yöntem 3)

Son olarak, alt grupları çalışmalarmış gibi ele alabilir ve çalışmalar arasında heterojenlik testi yapabiliriz. İki alt grup çizgisini ve toplam çizgiyi çıkarırsak ve elmasları karelerle değiştirirsek elde ederiz.

Somut olarak, etki büyüklükleri 0,324 ve 0,610 ve varyansları 0,006 ve 0,004 olan iki çalışma ile başlıyoruz. Ardından, Q’yu hesaplamak için olağan meta-analiz yöntemlerini uygularız. Somut olarak, değerleri kullanarak ve (11.2) ve sonraki formülleri uygulayarak hesaplarız, burada Q, Çalışma A ve B için büyük anlam. Q 5 8.0547 ve df 5 1 için p değeri 0,0045’tir. Excel’de Q için bir p-değeri hesaplama işlevi 5KİŞİDAĞ(Q,df)’dir. A’ya karşı B testi için 5CHIDIST(8.0547,1) 0,0045 döndürür.

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

Bu noktaya kadar odak noktamız öncelikle ortalama etkiyi tahmin etmek olmuştur ve bu bağlamda etki büyüklüklerindeki varyasyon, öncelikle ortalama etkiyi nitelemeye hizmet etmiştir. Örneğin, ortalama etkiyi hesaplamak için ağırlıkları atamak ve ortalama etki hakkında gerçek etki boyutlarının dağılımı hakkında tahminler yapmak için varyasyonu kullandık.

Şimdi, odak noktamız ortalama etkiden varyasyonun kendisine kayıyor. Bu bölümde, farklı çalışma alt grupları için ortalama etkiyi karşılaştırmak için meta-analizin nasıl kullanılabileceğini göstereceğiz (birincil çalışmadaki varyans analizine benzer şekilde). Bir sonraki bölümde, çalışma düzeyinde ortak değişkenler ve etki büyüklüğü (birincil çalışmalarda çoklu regresyona benzer şekilde) arasındaki ilişkiyi değerlendirmek için meta-analizin nasıl kullanılabileceğini göstereceğiz.

Aşağıdaki örnekleri göz önünde bulundurun.

• Bir ilaç sınıfının kardiyak aritmili hastalarda ölüm riskini azalttığını tahmin ediyoruz, ancak etkinin büyüklüğünün durumun akut veya kronik olmasına bağlı olduğunu varsayıyoruz. İlacın her hasta türü için etkili olup olmadığını ve ayrıca etkinin ikisi arasında farklılık gösterip göstermediğini belirlemek istiyoruz.
• Meta analizimiz, uygun rasgeleleştirme tekniklerini kullanan ve kullanmayan 10 araştırmayı içermektedir. 20 çalışmanın tamamında bir özet etki hesaplamadan önce, her 10 kişilik grup için etkiyi hesaplamak ve etki büyüklüğünün çalışmada kullanılan randomizasyon türüyle ilişkili olup olmadığını belirlemek istiyoruz.
• Orman yönetiminin böcek zararlıları tarafından ağaç meşcerelerinin tahribatını azalttığını tahmin ediyoruz, ancak etkinin büyüklüğünün meşceredeki ağaçların çeşitliliğine bağlı olduğunu varsayıyoruz. Orman yönetiminin hem tek tür hem de karışık meşcereler için tahribatı azaltmada etkili olup olmadığını ve ayrıca etkinin ikisi arasında farklılık gösterip göstermediğini belirlemek istiyoruz.
• Dokuzuncu sınıf öğrencilerinin matematik puanları üzerindeki etkisine bakan on araştırmadan veri aldık.
• Çalışmaların beşi müdahalenin bir varyantını kullanırken beşi başka bir varyantı kullandı. Her iki varyantın da etkili olduğunu tahmin ediyoruz ve analizdeki birincil amacımız birinin diğerinden daha etkili olup olmadığını belirlemek.

Bu bölüm boyunca bu örneklerin sonunu (ders vermenin matematik üzerindeki etkisi) takip edeceğiz. Bu örnekteki etki büyüklüğü, gruplar arasındaki standartlaştırılmış ortalama farktır (Hedges’ g), ancak aynı formüller herhangi bir etki büyüklüğü indeksi için geçerli olacaktır. Her zaman olduğu gibi, olasılık oranları veya risk oranları ile çalışıyor olsaydık tüm değerler log birimlerinde olurdu ve korelasyonlarla çalışıyor olsaydık tüm değerler Fisher’in z birimlerinde olurdu.

meta-analiz çalışması örneği
Meta analiz çalışması Nedir
Meta-analiz pdf
Meta-analiz özellikleri
meta-analiz eğitim bilimleri
CMA meta-analiz programı
Meta-analiz aşamaları
meta-analiz makale

Tüm çalışmaların aynı tasarımı kullandığını, bazı öğrencilerin özel ders alması ve diğerlerinin bir kontrol koşuluna atandığını varsayalım. Bazı çalışmalarda (burada A olarak adlandırılır) öğrencilere haftada bir ders verilirken, diğerlerinde (B) öğrencilere haftada iki kez ders verilirdi. Amacımız, müdahalelerden birinin diğerinden daha etkili olup olmadığını görmek için iki protokolün etkisini karşılaştırmaktır.

Not. Bu örnekte, bir çalışma alt grubundaki etki ile ikinci bir çalışma alt grubundaki etkiyi karşılaştıracağız. İdeal senaryo, müdahalenin iki varyantını doğrudan karşılaştıran çalışmalara sahip olmak olacaktır, çünkü bu, olası karışıklıkları ortadan kaldıracak ve ayrıca hata terimini azaltacaktır. Bu tür çalışmaların bizim için mevcut olmadığını varsayıyoruz.

Üç hesaplama modeli sunuyoruz. Bunlar, (a) sabit etki, (b) ayrı 􏰃2 tahminleri kullanan rastgele etkiler ve (c) 􏰃2’lik bir havuzlanmış tahmin kullanan rastgele etkilerdir.

Üç modelin her biri için alt grupları karşılaştırmak için üç yöntem sunuyoruz. Bunlar (1) Z testi, (2) varyans analizine dayalı bir Q testi ve (3) heterojenlik için bir Q testidir.

Üç hesaplama yöntemiyle çaprazlanan üç istatistiksel model, toplam dokuz olası kombinasyon verir. Bunlar, bu bölüm için bir yol haritası işlevi gören noktada gösterilmektedir. Konular hakkında hızlı bir fikir edinmek isteyen okuyucular, her model için giriş ve yöntem 1’i okumayı daha kolay bulabilir ve daha sonra yöntem 2 ve 3’e geri dönebilir. Veri seti ve tüm hesaplamalar kitabın web sitesinde mevcuttur.

ALT GRUPLARDA SABİT ETKİ MODEL

Özel Ders çalışmalarının bir orman arsası Şekil 19.1’de gösterilmektedir. Beş A çalışması (en üstte), yaklaşık 0,10 ila 0,50 aralığında etki büyüklüklerine (Hedges’ g) sahiptir. Beş B çalışması (aşağıda) yaklaşık 0.45 ila 0.75 aralığında etki büyüklüklerine sahiptir.

A çalışmaları için birleşik etki (ilk elmasla temsil edilir) %95 artı/eksi 0.11 güven aralığı ile 0.32’dir. B çalışmaları için birleşik etki (ikinci elmasla temsil edilir) %95 artı/eksi 0.12 güven aralığı ile 0.61’dir. O halde amacımız bu iki etkiyi karşılaştırmaktır.

Birincil bir çalışma ile çalışıyor olsaydık (Thornhill, Kendall vb. A tedavisindeki kişiler ve Jeffries, Fremont vb. B tedavisindeki kişiler), her tedavi için ortalama ve varyansı ve seçeneklerimizi hesaplardık. bu araçları karşılaştırmak için açık olacaktır. Örneğin, ortalamalar arasındaki farkı, farkın standart hatasına göre değerlendirmek için bir t testi gerçekleştirebiliriz.

Veya, gruplar içindeki varyansa göre gruplar arasındaki varyansı değerlendirmek için varyans analizini kullanabiliriz. Meta-analizde, denek grupları yerine çalışmaların alt gruplarıyla çalışıyoruz, ancak alt grup ortalamalarını karşılaştırmak için bir t-testi varyantı veya bir varyans analizi varyantı kullanarak temelde aynı yaklaşımı izleyeceğiz. Bunun için iki görevi yerine getirmemiz gerekiyor.

• Her alt grup için ortalama etkiyi ve varyansı hesaplayın.
• Alt gruplar arasında ortalama etkiyi karşılaştırın.

Özet efektlerin hesaplanması

A çalışmaları için veriler üstte, B çalışmaları için veriler altta görüntülenir. Özet etkilerini hesaplamak için tek bir grup (11.2) ila (11.10) için sunduğumuz formüllerin aynısını kullanırız. Alt grup A için özet etkisi, Sum A ile işaretlenen satırdaki değerler kullanılarak hesaplanır. Alt grup B için özet etkisi, Sum B ile işaretlenen satırdaki değerler kullanılarak hesaplanır. Tüm çalışmalar için özet etkisi, Sum ile işaretlenen satırdaki değerler kullanılarak hesaplanır.

The post Alt Grup Analizleri – 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).

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).