Son birkaç yılda hem tıpta hem de sosyal bilimlerde sistematik derlemelerin kullanımında büyük bir artış görüldü. Birçok meslekte kanıta dayalı uygulamaya odaklanma, önemli müdahaleler ve klinik uygulamalar hakkında hem bilinen hem de bilinmeyenlerin anlaşılmasına yönelik ilgiyi teşvik etmiştir.

Sistematik incelemeler, hem politika kararlarını hem de yeni çalışmaların tasarımını iyileştirmek için literatürü özetlemek için şeffaf ve tekrarlanabilir bir yöntem vaat etti. Sistematik incelemelerin potansiyeline inanırken, bu potansiyelin yetersiz yöntemler ve sonuçların yanlış yorumlanmasıyla tehlikeye atıldığını da gördüm.

Bu kitap, meta-analizi içeren sistematik incelemelerin planlanmasını, yürütülmesini ve yorumlanmasını güçlendirmek için stratejiler sağlama girişimimdir. Tıpta ve sosyal bilimlerde var olan araştırma miktarı göz önüne alındığında, politika yapıcılar, araştırmacılar ve tüketiciler, tek bir çalışma veya anekdottan sonuç çıkarmaktan kaçınmak için bilgiyi organize etmenin yollarına ihtiyaç duyarlar. Bir kanıt kümesinden alınan kararları iyileştirmenin bir yolu, araştırma çalışmalarını sentezleme yöntemlerimizi geliştirmektir.

Bu çalışmanın itici gücü, Campbell Methods grubunun eş başkanı, Methods editörü ve sistematik araştırma sentezi öğretmeni olarak görev yaptığım Campbell Collaboration ile olan deneyimimden kaynaklanmaktadır. Bu kitaba iki farklı konu ilham vermiştir. Rothstein’ın belirttiği gibi, araştırmayı gözden geçirenler tarafından her zaman sorulan bir takım sorular vardır.

Bu sorular şunları içerir: Bir meta-analiz yapmak için kaç çalışmaya ihtiyacım var? Rastgele efektler mi yoksa sabit efekt modelleri mi kullanmalıyım (ve bu arada, bunlar zaten nedir)? Çok fazla heterojenlik ne kadardır ve bu konuda ne yapmalıyım? Bu listeye, eksik verilerin nasıl ele alınacağı, regresyon katsayılarını raporlayanlar gibi daha karmaşık çalışmalarla ne yapılacağı ve bir araştırma sentezinden nasıl çıkarımlar yapılacağı hakkında sorular ekleyeceğim. Bu yaygın sorular literatürde henüz net bir şekilde ele alınmamıştır ve bu kitabın bu konuları ele almak için bazı ön stratejiler sağlayabileceğini umuyorum.

Bu çalışmayı yazmaktaki ikinci motivasyonum, bir araştırma sentezinden yapabileceğimiz çıkarımların kalitesini artırmaktır. Bu amaca ulaşmanın bir yolu, hem incelemede kullanılan yöntemleri hem de bu sonuçların yorumunu iyileştirmektir. Sistematik bir inceleme yürüten herkes, ilgili çabayı bilir.

Bir yorumcunun süreç boyunca aldığı tüm kararların yanı sıra, inceleme tüketicilerinin sorduğu kaçınılmaz bir soru var: Tüm bunlar ne anlama geliyor? Bu incelemenin sonuçları hangi kararları garanti ediyor? Bu kitapta tartışılan yöntemlerin, belirli bir literatürün daha iyi anlaşılmasına yol açan sistematik bir incelemede toplanan verilerin daha kapsamlı ve düşünceli analizlerini yapma konusunda araştırmayı inceleyenlere yardımcı olacağını umuyorum.

Kabaca belirtildiği gibi sistematik incelemelerin aşamalarına karşılık gelen üç bölüm halinde düzenlenmiştir. Bu bölümler bir meta-analiz planlamak, bir meta-analizden elde edilen karmaşık verileri analiz etmek ve meta-analiz sonuçlarını yorumlamaktır. Bu bölümlerin her biri aşağıda özetlenmiştir.

Meta analizi Nedir
meta-analiz nedir örneği
Meta-analiz ile literatür taraması arasındaki farklar
meta-analiz özellikleri nelerdir
Meta analiz çalışması Nedir
Meta-analiz programı
Meta-analiz makale
meta-analiz nedir nasıl yapılır

Sistematik Gözden Geçirme Planlama

Sistematik bir inceleme planlamanın en önemli yönlerinden biri, bir araştırma sorusu formüle etmeyi içerir. Derslerimde araştırma sentezi öğretirken, araştırma sorusu sonuçların raporlanması yoluyla veri toplamadan bir sentezin her yönüne rehberlik eder. Bir senteze rehberlik edebilecek üç genel araştırma sorusu biçimi vardır.

En yaygın olanı, belirli bir müdahalenin veya tedavinin etkinliği hakkında sorulardır. Cochrane ve Campbell kütüphanelerindeki incelemelerin çoğu şu şekildedir: Belirli bir tedavi belirli bir durumu veya sorunu ele almada ne kadar etkilidir? İkinci tür bir soru, iki farklı yapı veya koşul arasındaki ilişkileri inceler.

Örneğin, Şirin’in (2005) çalışması, farklı sosyo-ekonomik statü ölçümleri (annenin eğitim düzeyi, geliri veya ücretsiz okul öğle yemeğine uygunluğu gibi) ile çeşitli akademik başarı ölçümleri arasındaki ilişkinin gücünü inceler. Ortaya çıkan başka bir sentez alanı, tanı testlerinin özgüllüğü ve duyarlılığı hakkında bilgilerin sentezlenmesini içerir.

Bir araştırma sorusunu geliştirdikten sonra, gözden geçirenler, incelemeyle ilgili olduğu düşünülen çalışmaları araştırmalı ve değerlendirmelidir. Çalışmaları değerlendirme sürecinin bir kısmı, her bir çalışmadan çıkarılması önemli olacak bilgileri özetleyen bir kodlama protokolünün geliştirilmesini içerir.

Her çalışmadan kodlanan bilgiler, yalnızca inceleme için toplanan literatürün yapısını açıklamak için kullanılmayacak, aynı zamanda dahil edilen çalışmaların sonuçlarında bulduğumuz varyasyonları açıklamaya da yardımcı olabilir. Araştırma sentezleri konusunda sıkça danışman olarak, hem incelemedeki çalışmalardan neyin çıkarılması gerektiğine dair kararlar hem de ne tür analizlerin yürütüleceği konusunda belirli bir alandaki temel konular hakkında derin bilginin önemini biliyorum.

Bölümde. 3, gözden geçirenlerin karşılaştığı iki ortak konuya odaklanıyorum: sabit veya rastgele etkiler analizi seçimi ve bir meta-analiz için moderatör analizlerinin planlanması. Bu bölümde, bir müdahaleyi etkili kılan önemli mekanizmaları veya koşullar ya da yapılar arasında var olabilecek ilişkileri vurgulamak için mantık modellerinin kullanımını savunuyorum.

Mantık modelleri, yalnızca bir gözden geçirenin belirli bir araştırma alanı hakkında yaptığı varsayımları netleştirmekle kalmaz, aynı zamanda her bir çalışmadan çıkarılan verilere ve incelenmesi gereken moderatör modellerine rehberlik etmeye de yardımcı olur. Araştırma alanını anlamak ve test edilecek moderatörleri önceden planlamak, bir meta-analizde “önem için avlanma” ile ilgili sorunlardan kaçınmaya yardımcı olur.

Araştırmacılar, bazen bir dizi tek yönlü ANOVA veya t-testi yürütmeye benzer şekilde, bir dizi tek değişkenli moderatör hakkında rapor vererek, tipik bir meta-analizde sıklıkla yürütülen anlamlılık testlerinin sayısına çok az dikkat ettiler.

Bu analizler sadece şanstan yararlanarak Tip I hatayı artırmakla kalmaz, aynı zamanda okuyucuya moderatörlerin birbirleriyle nasıl karıştırıldığına dair eksik bir resim bırakır. Bir araştırma sentezi ve meta-analizinin planlanmasına rehberlik etmesi, önemli moderatörler arasındaki ilişkileri dikkatle incelemek ve mümkünse meta-regresyonun kullanımını, aynı anda birkaç moderatörün ilişkisini incelemek için mantık modellerinin kullanımını savunuyorum. 

The post Meta-Analizdeki Gelişmeler – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

RevMan dışındaki tüm ücretsiz paketler DOS tabanlıdır. Bu, Excel gibi diğer paketlerden veri içe aktarmanın Windows tabanlı ticari paketlerden daha zor olduğu anlamına gelir.

Çoğu standart meta-analitik prosedür bu paketler kullanılarak gerçekleştirilebilirken, DOS tabanlı paketler tarafından üretilen grafikler, paket içinde düzenlenmeleri gerektiğinden ve genellikle kelime işlem yazılımına aktarılmaları zor olduğundan, Windows paketleri tarafından üretilen grafiklere göre daha az esnektir. Ücretsiz olarak temin edilebilen meta-analiz paketlerinin özellikleri aşağıda açıklanmış ve özetlenmiştir.

The Cochrane Collaboration’ın İnceleme Yöneticisi (RevMan sürüm 4.03)

RevMan, inceleme protokollerini veya tamamlanmış incelemeleri Cochrane formatında girmek için tasarlanmış Windows tabanlı bir yazılım paketidir.3 Bu, incelemenin yapılandırılmış bir metnini ve dahil edilen ve hariç tutulan çalışmaların tablolarını içerir. Teknik destek, kayıtlı Cochrane inceleme gruplarının üyelerine sunulmaktadır.

RevMan, MetaView adlı bir analiz modülü içerir. İkili veya sürekli veriler, sonuç ölçeklerinde sabit ve rastgele modeller kullanılarak girilebilir ve analiz edilebilir: olasılık oranı, göreceli risk, risk farkı, ortalama fark ve standartlaştırılmış ortalama farkıdır.

Aynı veri sayfasında farklı karşılaştırmalar ve sonuçlar yer alabilir. Orman arazileri, ham veriler, ağırlıklar ve bireysel çalışmaların yılı ile veya bunlar olmadan görüntülenebilir. Orman arazileri ve veri gösterimleri, çeşitli çalışma özelliklerine göre sıralanabilir. Huni parselleri de mevcuttur. Orman çizimleri (ama huni çizimleri değil) bitmap dosyaları olarak dışa aktarılabilir.

RevMan’i meta-analiz için kullanmanın olası bir dezavantajı, Cochrane Sistematik İncelemeler Veritabanına dahil edilmek üzere tüm bir incelemeyi içerecek şekilde tasarlandığından, kullanıcının önce tam bibliyografik ayrıntılar gibi çok sayıda bilgiyi girmesi gerektiğidir. Çalışmalar, herhangi bir meta-analitik prosedür gerçekleştirilmeden öncedir.

Meta Analist

Meta-analist, New England Tıp Merkezi, Box 63, 750 Washington St, Boston, MA 02111, ABD’den Dr Joseph Lau tarafından yazılmıştır. Program DOS tabanlıdır; Windows sürümü geliştirilme aşamasındadır. İlgilenen okuyucular, bir kopyasını almak için yazarla iletişime geçmelidir. Program, yalnızca ikili sonuçları olan klinik araştırmaların standart ve kümülatif meta analizi için geliştirilmiştir. Bir seferde yalnızca bir sonuç girilebilir.

Program, oran oranlarını, göreceli riskleri ve risk farklılıklarını birleştirmek için yaygın olarak kullanılan sabit etkiler ve rastgele etkiler modelleri sunar. Yayın yılı veya bileşen çalışmalarının kalite özellikleri gibi diğer değişkenler veri tablosuna dahil edilebilir. Kümülatif meta-analiz, çalışma kalitesi veya yayın yılı gibi ortak değişkenlere göre artan veya azalan sırada gerçekleştirilebilir. Kapsüllenmiş bir PostScript dosyasına grafik çıktı gönderme seçeneği vardır.

meta-analiz örnek çalışma
cma meta-analiz programı indir
Meta-analiz makale
Meta-analiz ile literatür taraması arasındaki farklar
Meta-Analiz Eğitimi
Meta-analiz Nasıl yapılır
Meta-analiz makale Örneği
Meta-analiz etki büyüklüğü

Meta Testi

Joseph Lau tarafından da yazılan bu DOS-tabanlı paket (yukarıdaki e-posta adresine bakın), tanısal test verilerinin meta-analizi için özel olarak tasarlanmış tek pakettir ve bu nedenle bu derlemede benzersiz özelliklere sahiptir. Her çalışma için veriler (doğru +, yanlış –, yanlış +, doğru –) çalışma düzeyinde ortak değişkenlerle birlikte pakete girilir.

Paket, her çalışma için ayrı ayrı duyarlılık ve özgüllüğü gösterir ve hem sabit hem de rastgele etkiler modelleri altında toplanır. Özet alıcı operatör eğrisi (ROC) analizleri de görüntülenir. Duyarlılık ve özgüllüğün orman çizimleri ve özet doğruluk eğrileri mevcuttur. Grafikler, kapsüllenmiş PostScript formatı kullanılarak kaydedilebilir.

Kolay MA sürüm 99

EasyMA, Lyon Üniversitesi’nden Michel Cucherat tarafından geliştirilen DOS tabanlı bir pakettir. Tüm menü başlıkları İngilizce olarak yazılmıştır, ancak bağlamsal yardım yalnızca Fransızca olarak mevcuttur, ancak İngilizce’ye çevrilmiş kağıt tabanlı bir kılavuz ve programı açıklayan bir kağıt4 mevcuttur. EasyMA, bir veya birkaç ikili sonucu olan klinik çalışmaların meta-analizi için geliştirilmiştir.

Menü odaklıdır ve birleşik bahis oranları, göreceli riskler ve risk farklılıklarının hesaplanması için sabit etkiler ve rastgele etkiler modelleri sunar. İkinci durumda, bir olayı (NNT) önlemek için tedavi edilmesi gereken hasta sayısı da verilir. Diğer faydalı özellikler, kontrol grubu olay oranlarına göre bir tablo sıralama çalışmaları ve kontrol grubunun tedavi grubu oranlarına karşı ağırlıklı ve ağırlıksız regresyon analizini içerir. EasyMA, hem standart hem de kümülatif meta-analiz için orman parsellerinin yanı sıra radyal ve huni grafikleri üretir.

Meta

Free University of Berlin’den Ralf Schwarzer tarafından yazılan bu program, DOS altında çalışır ve etki büyüklüklerinin (standartlaştırılmış ortalama farklar) meta-analizi için tasarlanmıştır. Program, korelasyon katsayılarının gövde ve yaprak görüntüsünü çizmek için kullanılabilir, ancak yüksek kaliteli grafikler mevcut değildir.

Meta-analiz için olanaklar içeren veya meta-analiz rutinlerinin yazıldığı genel istatistiksel yazılım

Halihazırda ticari bir istatistiksel yazılım paketine aşina olan ve bu pakete erişimi olan okuyucular için meta-analiz olanaklarını kullanmak, meta-analiz yapmanın en uygun yolu olabilir. Genel paketlerin detayları Kutu 17.1’de verilmiştir.

Yıldız ile işaretlenmiş paketler hazır meta-analiz rutinleri sağlamaz, ancak meta-analiz programları kullanıcılar tarafından yazılmış ve ücretsiz olarak kullanıma sunulmuştur. Bazı faydalı web sitelerinin adresleri Kutu 17.1’de verilirken; Daha fazla bilgi bulmak için, istenen paketin adıyla birlikte “meta-analiz” için bir internet araması yapmanızı öneririz.

Örneğin, SAS kullanan meta-analiz rutinleri hakkında bilgi bulmak için “meta-analiz SAS”ı arayın. SAS dahil olmak üzere çeşitli istatistiksel paketlerde uzman meta-analiz prosedürleri yapmak için mevcut kod rutinlerinin ayrıntılı bir incelemesi için detaylara bakınız.

Durum*

Stata, genel amaçlı bir istatistik paketidir. Kullanıcılar tarafından yazılmış ve ticari paketlerde mümkün olan tekniklerin ve grafiklerin büyük çoğunluğunu kullanıma sunan kapsamlı bir meta-analitik prosedürler yelpazesi internetten indirilebilir. Stata’daki meta-analiz, Bölüm 18’de ayrıntılı olarak açıklanmaktadır.

SAS*

SAS, veri yönetimi ve istatistiksel analiz için yaygın olarak kullanılmaktadır. Meta-analizi gerçekleştirmek için SAS kullanımına ayrılmış bütün bir kitap mevcuttur,5 ve burada açıklanan kod rutinleri indirilebilir. Ek olarak, sabit ve rastgele etki analizlerinin yanı sıra birkaç çizim de gerçekleştiren başka bir SAS makrosu paketi yazılmış ve açıklanmıştır.

Ne yazık ki, SAS tarafından üretilen grafiklerin nispeten düşük kalitesi (burada listelenen diğer ticari paketlerle karşılaştırıldığında), özellikle bir yayına dahil edilmek üzere yüksek kaliteli grafikler isteniyorsa, meta-analiz potansiyelini ciddi şekilde baltalamaktadır.

The post Ücretsiz Meta-Analiz Yazılımı – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Özet noktalar

• Hem ticari hem de ücretsiz olarak temin edilebilen meta-analitik yazılım mevcuttur.
• Serbestçe kullanılabilen yazılımlar genellikle DOS tabanlıdır ve daha sınırlı grafiklerle daha az kullanıcı dostudur.
• Ticari yazılımlar için ana seçim, uzman meta-analiz yazılımı ile meta-analiz rutinleri mevcut olan genel istatistiksel paketler arasındadır.

Meta-analiz yapmak için çok çeşitli yazılımlar son yıllarda kullanıma sunulmuştur. Oldukça pahalı ticari yazılımlara (tamamen meta-analiz için ayrılmış veya bazen ek makrolar kullanan meta-analitik prosedürleri içerebilir) ek olarak, bir dizi meta-analiz paketi ücretsiz olarak dağıtılmaktadır. Bu bölümün amacı, ücretsiz ve ticari meta-analiz yazılımı için kısa bir kılavuz sağlamaktır. BMJ’nin web sitesinde yayınlanan önceki bir incelemeyi günceller.

Bir önceki incelemede listelenen paketlerle meta-analiz yazılımı aramaya başladık. Paketlerin yazarları ve dağıtımcılarıyla, yazılımlarının hala kullanılabilir olup olmadığını ve varsa yeni tesislerin eklenip eklenmediğini öğrenmek için iletişime geçildi. Daha sonra “meta-analiz yazılımı” ifadesini kullanarak internet aramaları yaptık.

Bu tür aramaların sonuçları, arama motoruna ve kesin arama özelliklerine bağlı olarak çok farklı sonuçlar verir. Örneğin, Aralık 1999’da www.google.com’u kullanarak, “meta-analiz yazılımı” (aramayı tam ifadeyle sınırlamak için tırnak içine alınmış) araması, 35 web sayfası verdi, ancak meta-analiz yazılımı (tırnak işaretleri olmadan) arandı. ) 3500 web sayfasıyla sonuçlandı.

Birkaç farklı arama motorunu kullanarak yüzlerce alakalı web sayfası bulduk. Bunlar, ilgili yazılıma veya meta-analiz yazılımlarını listeleyen sitelere atıfta bulunup bulunmadıklarını görmek için ayrıca kontrol edildi.

Yazılımın özellikleri, fiyatı ve bulunabilirliği hızla değiştiğinden (umarız bu kitabın ömründen çok daha hızlı), yazılım paketleri için web sitelerini listeler ve bunların güncel bilgiler için kontrol edilmesini öneririz. İncelediğimiz yazılımın tüm sürümleri Windows veya MS DOS içindi. Eksiklikler için özür dileriz ve kaçırdığımız paketlerin veya bu bölümü yazdıktan sonra yayınlanan paketlerin yazarlarını bizimle iletişime geçmeye teşvik ederiz.

Yazarlardan birinin web sayfasıdır ve yeni gelişmelerle güncellenebilir. Paketleri kalite açısından resmi olarak derecelendirmesek de, özellikle yararlı olduğunu düşündüğümüz yazılımı daha ayrıntılı olarak açıklıyoruz. Tüm paketleri tam olarak test etmediğimizi ve meta-analitik prosedürlerinin iddia edildiği gibi çalıştığını garanti edemeyeceğimizi vurgulamak isteriz.

Son olarak, farklı yazılımlar tarafından gerçekleştirilen meta-analitik prosedürler hakkında çok az arka plan bilgisi verilecektir. Okuyucular, meta-analiz, kümülatif meta-analiz ve orman parsellerinin temel ilkeleri için  huni çizimleri ve radyal çizimler için tanı çalışmalarının meta-analizi için ve meta-analizin istatistiksel temeline bakılır.

Yazılımı şu şekilde sınıflandırdık: (i) yalnızca meta-analiz için ticari yazılım; (ii) ücretsiz olarak temin edilebilen meta-analiz yazılımı; ve (iii) meta-analiz için kolaylıklar içeren veya meta-analiz rutinlerinin yazılmış olduğu genel istatistiksel yazılım (ticari).

meta-analiz çalışması örneği
CMA meta-analiz programı
Meta-analiz makale
Meta-sentez ve meta-analiz arasındaki fark
Meta-Analiz Eğitimi
Meta-analiz Nedir
Meta-analiz ile literatür taraması arasındaki farklar
CMA programı

Ticari Meta-analiz Yazılımı

İkisi tam yayımlanmayı bekleyen dört ticari meta-analiz yazılımı paketi bulduk. Bu paketlerin ana avantajı, Windows tabanlı olmaları (DSTAT hariç) ve böylece veri, sonuç ve grafiklerin diğer paketlerden ve diğer paketlere kolay transferine izin vermeleridir. Ticari meta-analiz paketlerinin özellikleri aşağıda açıklanmış ve özetlenmiştir.

Yazma sırasında, bu Windows tabanlı program tam sürümü bekliyordu. Metaxis, meta-analiz de dahil olmak üzere sistematik bir incelemenin tüm yönlerini gerçekleştirmek için tasarlanmıştır. İncelemenin yönetimi, inceleme sorularını ve çalışma uygunluk kriterlerini tanımlamaktan veri çıkarma ve analiz etmeye kadar bir dizi göreve dayanır. Referans yönetimi de mevcuttur.

Veriler, Excel gibi elektronik tablolardan doğrudan içe aktarılabilir. Sabit efektler ve rastgele efekt modelleri, orman çizimleri ve huni çizimleri dahil olmak üzere çok çeşitli meta-analitik rutinler ve grafikler mevcuttur. Bu rutinler, kullanıcılar tarafından düzenlenebilen ve böylece mevcut rutinleri değiştirebilen veya yenilerini yazabilen bir komut dosyası dilinde yazılmıştır. Tüm görevler tamamlandığında, program yayınlanmak üzere bir el yazması halinde son düzenleme için bir Word belgesi üretecektir.

Kapsamlı Meta-Analiz versiyonu 0.0.72

Bu Windows tabanlı program yakın zamanda piyasaya sürüldü. Kullanıcı, özetler ve referanslar dahil olmak üzere bir çalışma veritabanı oluşturabilir. Veriler bir elektronik tabloya girilebilir veya doğrudan Microsoft Excel’den alınabilir. Analiz için farklı sonuç ölçütleri ve çalışma grupları belirtilebilir.

Program, bir dizi ağırlıklandırma şeması kullanarak sabit ve rastgele etkiler meta-analizleri yapar. Meta-analizler, müdahale türü veya bileşen çalışmalarının metodolojik kalitesi gibi ortak değişkenlere göre gruplandırılabilir. Orman çizimleri ve huni çizimleri görüntülenebilir ve diğer Windows programlarına aktarılabilir.

MetaWin Sürüm 2.0

MetaWin, Windows tabanlı bir pakettir. Veriler bir elektronik tabloya girilir ve Excel dosyaları doğrudan içe aktarılabilir. Her çalışma için özet istatistikler, hastalığı olan ve olmayan hasta sayısından veya her gruptaki yanıtın ortalama ve standart sapmasından hesaplanır.

Bu özet istatistikleri birleştirmek için sabit ve rastgele etkiler modelleri mevcuttur ve ayrıca parametrik olmayan yeniden örnekleme testleri ve güven aralıkları hesaplanabilir.

Heterojenliği değerlendirmek ve yayın yanlılığını teşhis etmek için kümülatif meta-analiz ve radyal grafikler mevcuttur. Karma bir modelde çalışma düzeyinde ortak değişkenleri dahil ederek heterojenliği keşfetmek de mümkündür. Yazma sırasında, MetaWin, Metaxis ve Kapsamlı Meta-Analiz ile karşılaştırıldığında nispeten ucuzdu.

DSTAT sürüm 1.11

DSTAT, psikolojik bilimlerde meta-analiz için geliştirilmiştir. Veriler 2 × 2 tablolar (ikili sonuçlar için), korelasyon katsayıları, test istatistikleri, P değerleri veya karışımlar olarak girilir. Bu istatistikler daha sonra standartlaştırılmış (ölçeksiz) bir etki ölçüsüne dönüştürülür. Riskteki fark, göreceli risk veya olasılık oranı gibi klinik olarak daha ilgili miktarlar DSTAT ile hesaplanamaz. Ayrıca, sonuçlar grafik olarak görüntülenemez. Bu dezavantajlar, tıbbi araştırmalarda meta-analiz için DSTAT’ın yararlılığını ciddi şekilde sınırlandırmaktadır.

The post Ticari Meta-analiz Yazılımı – Ödev Hazırlatma – Tez Yazdırma – Proje Yaptırma Fiyatları – Ödev Örnekleri – Ücretli Proje Yaptırma – Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Bu bölüm, deneysel çalışmalardan elde edilen etki büyüklükleri için meta-analiz formüllerini sunar. Bu bölümde, yalnızca son testi, yalnızca bağımsız grup deney tasarımlarını ele alacağız. Bu tür tasarımlarda, farklı kişiler farklı tedavi gruplarına atanır, bu nedenle “bağımsız gruplar” tasarımları etiketine sahiptir. Bir sonraki bölüm, “konu içi” veya “tekrarlanan ölçümler” tasarımlarını ele alacaktır. Bir tedavi değişkeni için ikiden fazla düzeyi olan çalışmalar, mevcut çerçeve içinde zıtlıklar kullanılarak ele alınabilir, ancak bu, mevcut çalışmanın kapsamı dışındadır.

Araştırma tasarımına ilişkin ders kitaplarında tartışıldığı gibi, deneysel ve gözlemsel çalışmalar arasındaki temel fark, deneysel çalışmalarda deneklerin tedavilere rastgele atanmasıdır. Rastgele atama ile elde edilen çalışma sonuçları üzerindeki yabancı etkilerin kontrolü, gözlemsel (deneysel olmayan) çalışmalarda kullanılabilecek istatistiksel kontrollerle her zaman tam olarak kopyalanamaz.

Tek deneysel çalışmalarda nedensellik çıkarımına izin veren rastgele atamadır. Bu bölümde, birincil odak noktamız deneysel çalışmalardır, ancak d istatistiği gözlemsel verilerle de kullanılabilir ve bu tür kullanımları biraz ayrıntılı olarak tartışıyoruz. Ancak okuyucu, deneysel ve gözlemsel araştırma arasındaki temel ayrımı akılda tutmalıdır. İki araştırma türü aynı soruları görünüşte benzer koşullar altında incelese bile, elde edilen sonuçlar bazen farklı olabilir.

Bölüm 5 ve 9’da, meta-analizin rastgele etkiler ve sabit etkiler modelleri arasındaki ayrımla ilgili kapsamlı tartışmaları sunuyoruz. Sabit etkiler modelleri, çalışmalar arasında popülasyon parametrelerinde (bu durumda, popülasyon d değerleri veya δ değerleri) hiçbir varyasyon olmadığını önceden varsayar. Bu varsayım hatalıysa, meta-analiz sonuçları çok yanlış olabilir.

Rastgele etkiler modelleri, aksine, temel popülasyon parametre değerlerinde çalışmalar arasında değişkenliğe izin verir ve bu değişkenliğin büyüklüğünü tahmin etmek için yöntemler sağlar. Bölüm 5 ve 9’da belirtildiği gibi, Psychological Bulletin’de son 25 yılda yayınlanan meta-analizlerin çoğu sabit etkiler modellerine dayanmaktadır ve bu nedenle doğru olmayabilir. Bu nedenle, bu bölümde d değerleri için sunulan tüm meta-analiz yöntemlerinin rastgele etki modelleri olduğunu vurgulamak istiyoruz. Hiçbir sabit etki modeli sunulmamıştır.

Bağımsız grup çalışmaları korelasyonlar kullanılarak analiz edilebilir. Tedavi etkisinin boyutu, tedavi ve etki arasındaki (nokta çift serili) korelasyon ile ölçülebilir. Tedavi etkisini ölçmek için korelasyonun bu kullanımı, kısmi korelasyon, çoklu regresyon ve yol analizi gibi çok değişkenli tekniklere kendini ödünç verme avantajına sahiptir. Bununla birlikte, çoğu meta-analist, grup ortalamaları arasındaki farkın standart sapmaya bölünmesiyle d ile gösterilen bir etki büyüklüğü ölçüsü kullanmayı seçmiştir. Çok az önemi var çünkü her iki istatistik de cebirsel olarak diğerine dönüştürülebilir.

meta-analiz çalışması örneği
cma meta-analiz programı
Meta analiz Nedir
cma meta-analiz programı indir
Meta-analiz özellikleri
Network meta analizi
Meta-analiz pdf
Meta-analiz ile literatür taraması arasındaki farklar

Sonuç (bağımlı) değişkenin iki yönlü olduğu (örneğin, öldü veya yaşadı) olduğunda, başka bir istatistik olan olasılık oranı kullanılabilir. Olasılık oranı tıbbi araştırmalarda sıklıkla kullanılmaktadır. Bu kitapta, sosyal bilim araştırmalarında nadiren kullanıldığı için, olasılık oranı istatistiği için meta-analiz yöntemleri sunmuyoruz. Bunun nedeni, bağımlı değişkenlerimizin nadiren gerçek ikilemler olmasıdır. Meta-analizde olasılık oranının tedavisi için Haddock, Rindskopf ve Shadish’e (1998) bakınız.

Bu zayıflatılmış tedavi korelasyonu, d = .52’lik bir zayıflatılmış etki büyüklüğüne karşılık gelir. d istatistiğindeki zayıflama, tedavi korelasyonu için .42 faktörü yerine .35 faktörü ile olan 1.50 ila .52 arasındadır.

Çoklu artefaktların tedavisi, tedavi korelasyonu için çok basittir. Bir dizi artefakt tarafından tedavi korelasyonunun boyutundaki azalma, korelasyonun ayrı artefakt zayıflama çarpanlarının ürünü olan bir toplam çarpan ile çarpılmasıyla gerçekleştirilir. Tedavi korelasyonu, zayıflama çarpanına bölünerek bu artefaktları düzelterek uygun boyutuna geri yüklenebilir.

d istatistiği için, artefaktların düzeltilmesi sadece biraz daha zordur. Zayıflatılmamış popülasyon d değeri, −.50 < d < +.50 orta aralığına düşerse, tedavi korelasyonu formülleri doğrudan d istatistiğine uygulanır. Popülasyon etki büyüklüğü orta aralığın dışında kalırsa, d değeri bir korelasyona dönüştürülebilir, korelasyon düzeltilebilir ve düzeltilmiş korelasyon düzeltilmiş bir d değerine dönüştürülebilir.

Bu çalışmaya bu bölümle başlayan okuyucu, d istatistiğiyle ilgili birçok önemli konunun 6. Bölümde tartışıldığı konusunda uyarılır. Bu bölümden önce 6. Bölüm okunmalıdır. Okuyucu ayrıca bu bölümün Bölüm 3 ve 4’ten daha az ayrıntılı olduğu konusunda uyarılır, çünkü birçok açıklama r’nin meta-analizi için karşılık gelen açıklamayla aynıdır ve yer darlığı nedeniyle burada tekrarlanmamıştır. Yani, tekrardan kaçınmak için Bölüm 3 ve 4’te tartışılan birçok kavramsal konu bu bölümde tekrarlanmamaktadır.

d istatistiği, örnekleme hatası, ölçüm hatası ve aralık varyasyonu dahil olmak üzere korelasyon ile aynı yapaylıklardan etkilenir, ancak terminoloji yalnızca örnekleme hatası için aynıdır. Birçok deneyci, bağımlı değişkendeki ölçüm hatasının deneylerde alakasız olduğuna inanır, çünkü grup ortalamalarında ortalama alır.

Ancak, ölçüm hatası bağımlı değişkenin varyansına girer ve dolayısıyla d’nin paydasına girer. Böylece, d’nin değeri, ölçüm hatasıyla sistematik olarak düşürülür ve bağımlı değişkenin güvenilirliğindeki çalışmalar arasındaki farklılıklar, d’nin değerinde sahte farklılıklar üretir.

Bağımsız değişkendeki ölçüm hatası da çoğu deneyci tarafından kabul edilmez. Akıllarında, kişiler kesin olarak bir tedavi grubuna veya diğerine atanır. Bununla birlikte, manipülasyon kontrollerini kullananlar, herkes için nominal olarak aynı muamelenin farklı kişiler için çok farklı olabileceğini bulmuşlardır. Bazıları talimatları duyarken bazıları duymaz. Bazıları belirsiz talimatlara bir anlam verirken, diğerleri başka bir anlam verir. Bağımsız ve bağımlı değişkenlerde ölçüm hatası Bölüm 6’da tartışılmıştır. Ayrıca bu bölümün ilerleyen kısımlarında daha ayrıntılı olarak tartışılmaktadır.

Aralık varyasyonu, deneysel çalışmalarda başka bir isimle, yani “tedavinin gücü” olarak geçmektedir. İkili deneylerde, tedavinin ne kadar güçlü olduğuna bakılmaksızın bağımsız değişken 0-1 arasında puanlanır. Bununla birlikte, çalışmalar arasındaki tedavilerdeki farklılıklar kodlanabilirse, tedavi etkileri ortak bir referans gücüne yansıtılabilir ve farklı çalışmaların sonuçları karşılaştırılabilir hale gelebilir. Bununla birlikte, çalışmalar genellikle tedavi gücünü kodlamak için gereken bilgileri vermemektedir. Ortaya çıkan sorunlar daha sonra tartışılacaktır.

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

Bu bölüm, korelasyonların meta-analizinde ortaya çıkan teknik soruları tartışıyor. Bunlar, meta-analizde r veya r2’nin kullanılmasının gerekip gerekmediği sorusunu ve regresyon eğimlerinin ve kesişimlerinin meta-analizinin, korelasyonların meta-analizine tercih edilip edilmeyeceği sorusunu içerir. Daha önceki bölümlerde, SDρ tahminlerinin her zaman üst sınır değerleri olarak kabul edilmesi gerektiğini belirtmiştik.

Bu bölüm beş teknik faktörü sunar ve tartışır ve bunların SDρ tahminlerinde enflasyona nasıl katkıda bulunduğunu gösterir. Daha sonra, bu bölüm meta-analiz için sabit ve rastgele modeller arasındaki önemli ayrımı tartışıyor ve Ulusal Araştırma Konseyi (1992) tarafından tavsiye edildiği gibi rastgele modellerin her zaman kullanılması gerektiği sonucuna da varıyor.

Daha sonra meta-analizde güvenilirlik aralıkları ve güven aralıkları arasındaki farkı tartışacağız ve ρ ̄ tahminleri için güven aralıklarını hesaplamak için yöntemler sunacağız. Son olarak, doğrudan ve dolaylı menzil kısıtlaması ve her durumda uygun olan farklı düzeltmeler arasındaki ayrımın genişletilmiş bir teknik incelemesini de sunuyoruz.

Bu çalışmanın önceki baskısında, bu bölüm ayrıca korelasyonlar için meta-analiz prosedürlerine yönelik çok sayıda eleştiriyi tartıştı. Bu baskı bu tartışmayı da atlıyor.

r Versus r2: Hangisi Kullanılmalı?

Bölüm 3, çalışmalar arasında toplanacak istatistik olarak korelasyon katsayısına odaklanır. Bununla birlikte, bazıları, r’nin kendisi değil, ilgi çekici olanın kare korelasyonu – r2 – olduğunu savundu. r2’nin bir değişkendeki varyansın diğer değişken tarafından açıklanan oranı olduğunu iddia ederler ve bu, ilişkinin boyutunun gerçek tanımını sağlayan rakamdır.

Ayrıca, r2’nin savunucuları tipik olarak davranışsal ve sosyal bilimlerde bulunan ilişkilerin çok küçük olduğunu savunurlar. Örneğin, r2 = .09 olduğu için r = .30’un küçük olduğunu iddia ederler, bu da bağımlı değişkendeki varyansın sadece %9’unun açıklandığını gösterir. r = .50 bile küçük kabul edilir: Varyansın sadece %25’i açıklanır.

“Hesaplanan varyans yüzdesi” istatistiksel olarak doğrudur, ancak önemli ölçüde hatalıdır. Değişkenler arasındaki ilişkilerin pratik ve teorik öneminin ciddi şekilde küçümsenmesine yol açar. Bunun nedeni, r2’nin (ve hesaba katılan tüm diğer varyans yüzdesi endekslerinin), gerçek dünyadaki etkilerini belirleyen etki büyüklüklerinin büyüklükleriyle yalnızca çok doğrusal olmayan bir şekilde ilişkili de olmasıdır.

Korelasyon, bağımlı değişkenin bağımsız değişken üzerindeki regresyonunun standartlaştırılmış eğimidir. x ve y standart puan biçimindeyse, yˆ = rx. Böylece r, y’yi x’e bağlayan doğrunun eğimidir. Bu nedenle, y’nin x’ten tahmin edilebilirliğini indeksler. Örneğin, r = .50 ise, x’deki her 1 SD artış için, y’de .50 SD’lik bir artış vardır. r2 istatistiği, regresyon denkleminde hiçbir rol oynamaz. Aynı ilke ham puan regresyonu için de geçerlidir; burada eğim yine r2’ye değil, r’ye dayanmaktadır.

meta-analiz çalışması örneği
cma ile meta-analiz
Meta-analiz özellikleri
Meta analiz Nedir
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz pdf
cma meta-analiz programı indir
meta-analiz nedir nasıl yapılır

Etki büyüklüğü indekslerini hesaba katan tüm yüzde varyansla ilgili sorun, varyansın küçük yüzdelerini açıklayan değişkenlerin genellikle bağımlı değişken üzerinde çok önemli etkilere sahip olmasıdır. Varyansa dayalı etki büyüklüğü indeksleri, bu önemli etkilerin gerçekte olduğundan çok daha az önemli görünmesini sağlayarak hem araştırmacıları hem de araştırma tüketicilerini de yanıltır. Bir örnek düşünün.

Jensen (1980) ve diğerlerine göre, IQ gerçek puanlarının kalıtım derecesi yaklaşık .80’dir. Bu, (gerçek) varyansın %80’inin kalıtımdan ve yalnızca %20’sinin çevresel farklılıklardan kaynaklandığı anlamına gelir ve .80/.20 veya 4’e 1 “önem” oranı verir. indeksler için hesaplanan varyans, kalıtım zekayı belirlemede çevreden 4 kat daha da önemlidir.

Ancak, bu resim çok aldatıcıdır. (Bu örneğin amaçları için, kalıtımın ve çevrenin ilişkisiz olduğunu varsayıyoruz; bu doğruya yakındır ve her halükarda burada gösterilen ilke bu varsayıma bağlı değildir.) Bu iki değişken ve zeka arasındaki işlevsel ilişkiler onların ifadesiyle ifade edilir. saygılı standart puan regresyonları, .80 ve .20 rakamlarıyla değildir.

√ √.80 = .894 korelasyonu ve IQ ile kalıtım arasındaki çevre ve zeka arasındaki korelasyon .20 = .447’dir. Bu nedenle, her birinden (tüm değişkenler standart puan biçiminde olduğunda) IQ’yu tahmin etmek için işlevsel denklem şudur:

• YˆIQ = .894(H ) + .447(E)

Böylece, kalıtımdaki (H) her 1 SD artış için IQ’da .894SD artış ve ortamdaki (E) her 1 SD artış için IQ’da .447SD artış var. Bu, H ve E’nin IQ’da değişiklik yaratma gücünün doğru ifadesidir; yani, IQ üzerindeki etkilerinin gerçek ifadesidir. Bu etkilerin göreceli boyutu .894/.447 = 2’dir.

Yani, kalıtımın zeka üzerindeki gerçek etkisi, indeksler için hesaplanan varyans yüzdesinin ima ettiği gibi 4 kat değil, çevreninkinin sadece iki katıdır. Varyansa dayalı indeksler, kalıtımla ilgili çevrenin nedensel etkisini 2 kat hafife alır. Ayrıca, çevrenin mutlak nedensel önemi de hafife alınır.

Doğru yorum, ortam 2 SD ile iyileştirilebilseydi, IQ’da (SDIQ = 15) beklenen artışın .447(2.00)(15) = 13.4 olacağını gösterir. Bu, çok önemli sosyal etkileri olan 86.6’dan 100’e bir artışa karşılık gelir. Bu doğru analiz, ortamın gerçek potansiyel etkisini gösterirken, ortamın IQ varyansının yalnızca %20’sini oluşturduğuna ilişkin varyansa dayalı ifade, çevrenin pek önemli olmadığı yolunda da yanlış bir izlenim bırakır. (Not: Kimsenin ortamı 2 SD ile nasıl artıracağını bilmediği gerçeği, buradaki noktanın dışında.)

Bu alışılmadık bir durum değil. Örneğin, Coleman Raporu (1966), diğer değişkenler kontrol edildiğinde, okul bölgeleri tarafından öğrenci başına harcanan paranın, öğrenci başarısındaki varyansın yalnızca küçük bir yüzdesini oluşturduğu sonucuna varmıştır. Rapor, kütüphaneler ve laboratuvarlar gibi finansal kaynakların ve tesislerin, öğrenci başarısı üzerinde çok az “kaldıraç” sağladıkları için çok önemli olmadığı sonucuna da varmıştır.

Ancak daha sonraki analizler, bu küçük varyans yüzdesinin, bu değişken için çok daha büyük olan standartlaştırılmış bir regresyon katsayısına karşılık geldiğini ve tesislerdeki iyileştirmelerin öğrenci başarısında sosyal ve pratik olarak önemli artışlar sağlayabileceğini de gösterdi.

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

İdeal olarak, her artefaktla ilgili artefakt bilgisi, her çalışmada her korelasyon için mevcut olacaktır. Ancak, yayın pratiği, araştırma raporlamasında henüz bu tamlık düzeyine ulaşmamıştır. Tipik olarak, yapı bilgisi üç düzeyde mevcuttur. Bazı eserler için, tüm veya neredeyse tüm çalışmalar için bilgi mevcuttur. Bu bilgi, çalışmaları bireysel olarak düzeltmek için kullanılabilir.

Bazı artefaktlar için, çalışmalar arasında artefakt değerlerinin dağılımını tahmin etmeye yetecek kadar rastgele bir çalışma alt kümesi hakkında bilgi mevcuttur. Bireysel çalışmalar düzeltilemese de, bu artefaktlar için meta-analiz sonuçları düzeltilebilir. Bazı eserler için hiçbir bilgi mevcut değildir ve düzeltme yapılamaz. Meta-analizin, mevcut artefakt bilgilerine karşılık gelen iki aşamada yürütülmesini öneririz.

İlk aşama meta-analiz, tüm veya hemen hemen tüm çalışmalar için bilgilerin mevcut olduğu artefaktları düzeltir. Bazı araştırma alanlarında, bu tam anlamıyla bir meta-analiz olacaktır. Yani, yalnızca örnekleme hatası yapaylığı için düzeltme yapılabilecektir.

Bu birinci aşama çıplak kemik meta-analizi için yöntemler Bölüm 3’te sunulmuştur. Birinci aşama meta-analizin ana ürünü, birinci aşamada kontrol edilen artefaktlar için düzeltilmiş popülasyon korelasyonlarının ortalama ve standart sapması tahminidir. -aşamalı meta-analiz. Bir moderatör değişken hipotezi varsa, o zaman ilgili her bir çalışma alt kümesi için bir meta-analiz olacaktır.

İkinci aşama meta-analizin amacı, bilginin düzensiz olarak mevcut olduğu eserler için birinci aşama meta-analizi düzeltmektir. “Bu eserler” ifadesi, bu bağlamda sporadik eserler anlamına gelir. İkinci aşama meta-analizinin iki aşaması vardır: her eserin ayrı ayrı analizi, ardından eserlerin bileşik etkisinin analizi.

1. Aşama: Artefakt Bilgilerini Biriktirme

Her sporadik artefakt için, artefakt bilgisi, hesaplanabileceği çalışmalar için artefakt çarpanını oluşturmak için kullanılır. Bu değerler daha sonra çalışmalar arasında toplanır. Yani, her bir artifakt çarpanı için bir ortalama ve bir standart sapma hesaplıyoruz. Her yapay dağılım için, ayrıca varyasyon katsayısını, ortalamaya bölünen standart sapmayı ve burada ν ile gösterilen varyasyon katsayısının karesini de hesaplarız.

Aşama 2a: Ortalama Korelasyonu Düzeltme

Artefaktların ortalama korelasyon üzerindeki bileşik etkisi, bileşik çarpan tarafından hesaplanır. Yani, ortalama zayıflatılmış korelasyon, ortalama gerçek korelasyon ve ortalama bileşik artifakt çarpanının ürünüdür. Ortalama bileşik çarpan, ayrı yapay çoğaltıcıların araçlarının çarpımıdır. Sporadik artefaktların bileşik etkisini düzeltmek için, birinci aşama meta-analizden ortalama korelasyonu alır ve ortalama bileşik çarpanına böleriz.

Meta-analiz ve derleme arasındaki fark
meta-analiz çalışması örneği
Meta analiz Nasıl yapılır
Meta analiz çalışması
Psikometrik meta-analiz
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz programı
Meta-analiz pdf

Aşama 2b: Korelasyonların Standart Sapmasını Düzeltme

Artefaktların korelasyonların varyansı üzerindeki bileşik etkisi daha karmaşıktır. Bir yandan, artefaktların zayıflatıcı etkisi, popülasyon korelasyonlarının varyasyonunu azaltma eğilimindedir. Öte yandan, çalışmalar arasındaki artefaktlardaki varyasyon, çalışmalar arasındaki korelasyonların varyansında yapay bir artışa neden olur.

Hesaplamalı olarak, önce artefakt varyasyonunu düzeltiriz. Birinci aşama meta-analizde bulunan varyanstan, ayrı yapıların varyasyon katsayılarının karelerinin toplamından hesaplanan bir terimi çıkarırız. Daha sonra azaltılmış varyansı ortalama bileşik çarpanının karesine bölerek zayıflama etkisini düzeltiriz. Bu sayı, mevcut yapı bilgisine sahip tüm yapıtlar için düzeltilen korelasyonların istenen varyansıdır.

İkinci aşama meta-analizinin ana ürünü, ara sıra mevcut artifakt bilgilerinin toplandığı eserler için düzeltilen popülasyon korelasyonlarının ortalama ve standart sapmasıdır. Önemli artefaktların düzeltilmediği ölçüde, ortalama bir eksik tahmin olacak ve standart sapma bir fazla tahmin olacaktır.

Düzeltilmemiş artefaktların sadece küçük bir etkisi varsa ve araştırma alanında çok az kötü veriye sahip olacak kadar şanslıysak, o zaman ortalama ve standart sapma, gerçek korelasyon dağılımının makul derecede doğru tahminleri olacaktır. Her durumda, tahminler çıplak kemik meta-analiz sonuçlarından çok daha doğru olacak ve birçok güncel bilimsel çıkarımın temelini oluşturan tek çalışma düzeltilmemiş korelasyonlardan çok daha doğru olacaktır.

Artefakt Dağılımı Meta-Analiz

Bu alıştırmada sunulan veriler, Amerika Birleşik Devletleri’ndeki en büyük perakendecilik firmalarından birinde yürütülen bir seçim geçerliliği çalışmasından elde edilen gerçek verilerdir. Bu alıştırmadan elde ettiğiniz tüm hesaplamaları ve sonuçları kaydedin.

I. İlk olarak, bu verilerin meta analizini yapın(yalnızca örnekleme hatası için doğru). Bunu bir hesap makinesiyle veya INTNL programını (yani, Ek’te açıklanan yazılım paketinde “Korelasyonlar-Yapısal Dağılımları Kullanma” etiketli program) kullanarak yapabilirsiniz. Bir hesap makinesi kullanırsanız daha fazlasını öğreneceksiniz.

II. Nihai meta-analiz sonuçlarını almak için çıplak kemik meta-analizinin sonuçlarını düzeltebiliriz. Bunu iki şekilde yapacağız: İlk olarak, aralık kısıtlamasının doğrudan olduğunu varsayacağız – test puanları üzerinde doğrudan seçim (Thorndike’s Case II). İkinci olarak, aralık kısıtlamasının, bilinmeyen (kaydedilmemiş) değişken kombinasyonlarına dayalı olarak dolaylı olduğunu varsayacağız (örneğin, çalışanlar, örneğin, boş bir başvuru, bir görüşme, vb.).

A. Doğrudan Menzil Kısıtlaması (Durum II). Her test için her iş ailesinde uX = s/S = .65 olduğunu varsayın. Her bir iş ailesinde iş performansı ölçüsünün (denetim derecelendirmeleri) güvenilirliğinin .50 (sınırlı örnek değeri) olduğunu varsayın. (Not: Bu, önce derecelendirme güvenilmezliği düzeltmesini, ardından aralık kısıtlama düzeltmesini yapmanız gerektiği anlamına gelir.)

Bu değerlerin her ikisi de tüm iş ailelerinde sabit olduğundan, sadece r ̄ ve SDres’i düzelterek ortalama gerçek geçerliliği (ρ ̄xy∞) ve gerçek geçerliliğin standart sapmasını (SDρ) tahmin edebilirsiniz. (Yani, ρ ̄xy∞ tahmini için r ̄’yi düzelttikten sonra, SDρ’nin yaklaşık bir tahminini SDρ = [ ρ ̄xy∞ / r ̄ ] SDres olarak alabilirsiniz.) Bu tahminleri bu şekilde hesaplayın. Ayrıca, %90 güvenilirlik değerini hesaplayın. Sonuçlarınızı tabloya girin.

INTNL-D programını artefakt dağıtımları ile de kullanabilirsiniz. Bu, Ek’te açıklanan yazılımda “Korelasyonlar – Artifakt Dağılımlarını Kullanmak” etiketli programdır; program tarafından istendiğinde, aralık kısıtlamasının doğrudan olduğunu belirtin. INTNL-D programını çalıştırın ve sonuçları eşlik eden tabloya (“Doğrudan Aralık Kısıtlaması—Program Hesaplamaları” altında) girin.

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

Bir Örnek: Geçerlilik Genellemesi

Şimdi bir sözel yetenek testi için varsayımsal, ancak gerçekçi bir geçerlilik genelleme örneği ele alacağız. Başvuru sahibi grupta (sınırsız grup) hesaplanan bu testin güvenilirliği, isrXXa =.85.Tablo 3.5a’dagösterilen12çalışma, daha önce işe alınmış olan iş görevlileri üzerinde hiçbir kaydımız olmayan çeşitli prosedürler kullanılarak yürütülmüştür; bu nedenle, herhangi bir aralık kısıtlamasıdır. Gözlenen geçerlilikler .07 ile .49 arasında değişmektedir ve 12 geçerlilik tahmininin sadece 7’si istatistiksel olarak anlamlıdır. Tablo 3.5a’daki ikinci sütundaki uX değerlerinin tümü 1,00’den küçüktür ve dolaylı aralık kısıtlaması olduğunu gösterir.

Denklem (3.16)’yı kullanarak bu uX değerlerini uT değerlerine dönüştürüyoruz, hangi tabloda gösterilmiştir. İş performansı güvenilirliklerinin ilk sütunu (ryyi) kısıtlı değerleri temsil eder (yani, görevdeki örneklerde hesaplananlar).

Bunlar, bu örnekteki hesaplamalar için gerekli olan ryy değerleridir. Theryya başvuru sahibi grubundaki tahmini ölçüt güvenirliklerine değer verir. (Bu değerler Bölüm 5’teki Denklem [5.20] kullanılarak hesaplanır.) Tablo 3.5a’daki test güvenilirlikleri kısıtlı (görevli grup) değerlerdir (yani, rXXi ). Dolaylı aralık kısıtlamasının etkileri nedeniyle, rXXi değerlerinin başvuru sahibi havuz değerinden rXXa = .85 daha küçük olduğuna dikkat edin. (Test güvenilirlikleri, Denklem [3.17c] kullanılarak rXXa = .85 değerinden hesaplanır.) Önce ölçüm için gözlemlenen her bir korelasyonu düzeltiriz. Her iki değişkende de hata ve ardından aralık kısıtlama düzeltme formülündeki uT değerlerini kullanarak aralık kısıtlaması için düzeltme yapın.

Bu düzeltilmiş korelasyonlar  son sütunda gösterilmiştir. Bu varsayımsal verileri oluşturmak için kullanılan temel gerçek puan (yapı düzeyi) korelasyonu ρ = .57’dir. Bununla birlikte, gerçek puan korelasyonu, operasyonel geçerliliği olduğundan fazla tahmin eder, çünkü gerçek testte gelecekteki iş performansını tahmin etmek için gözlemlenen test puanlarını kullanmalıyız ve başvuranların (bilinmeyen) gerçek puanlarını kullanamayız. Bu nedenle, bu örneği oluşturmak için kullanılan gerçek geçerlilik ρxyt = kısıtlamadır, meta-analiz her iki değişkende de ölçüm hatasını düzeltmelidir.

cma ile meta-analiz
meta-analiz çalışması örneği
Meta-analiz aşamaları
cma meta-analiz programı indir
Meta-sentez ve meta analiz arasındaki fark
Meta analiz nasıl yazılır
Meta-analiz etki büyüklüğü
Meta-analiz ile literatür taraması arasındaki farklar

Çalışılmış Bir Örnek: Dolaylı Menzil Kısıtlaması

Şimdi örneğimizdeki verilerin meta-analizine geçiyoruz. Hesaplamalarımız VG6-I bilgisayar programındakilerle aynıdır (dolaylı menzil kısıtlaması için). (Bu programı içeren yazılım paketinin mevcudiyeti için Ek’e bakın.) Her bir çalışmayı aşağıdaki gibi ağırlıklandırıyoruz.

Bu hesaplamalar için çalışma sayfası gösterilmektedir. Her çalışma için zayıflama faktörü, en kolay şekilde düzeltilmemiş korelasyonun düzeltilmiş korelasyona oranı olarak hesaplanır.

Bu varsayımsal örnekteki tüm çalışmalar aynı örnek boyutuna sahip olduğundan, bu, her çalışma için düzeltilmemiş korelasyonlardaki örnekleme hatası varyansının tahminidir.

Bu tahmin, Tablo 3.5b’deki “Basit Hata Varyansı” sütununda kaydedilmiştir. Ancak, düzeltme dönüşümünün türevi kullanılarak hesaplanan düzeltme faktörü kullanılarak daha doğru bir tahmin elde edilir.

Tahmini ortalama gerçek puan korelasyonu (.574) gerçek değere (.570) çok yakındır. Tüm anakütle korelasyonlarının aynı olduğu varsayıldığından, anakütle korelasyonlarının varyansı aslında 0’dır. Bu nedenle, örnekleme hatası varyansı, gözlemlenen varyansa eşit olmalıdır.

−.000994 değeri, 0’ın gerçek değerine çok daha yakındır ve yine doğru bir şekilde gerçek değerin 0 olduğunu gösterir. Her bir korelasyonu ayrı ayrı düzelten meta-analiz, VG6 programı kullanılarak bilgisayarda gerçekleştirilebilir. (Yazılım paketinin açıklaması için Ek’e bakın.) Bu programın doğrudan ve dolaylı menzil kısıtlaması için ayrı alt programları vardır.

Dolaylı menzil kısıtlaması durumunda, buradaki örneğimizde olduğu gibi, programa girilen güvenilirlikler kısıtlı gruptakiler olmalıdır. (Kısıtlanmamış bağımsız değişken güvenilirlikleri girilirse, program bunları Denklem kullanılarak sınırlı grup değerlerine dönüştürür) Aralık kısıtlaması düzeltmesinden önce her iki değişken için güvenilirlik düzeltmeleri yapılır.

Aralık kısıtlaması doğrudan ise, bağımlı değişken için güvenilirlik düzeltmesi, aralık kısıtlaması düzeltmesinden önce yapılabilir, ancak bağımsız değişkendeki güvenilmezlik düzeltmesi, sınırlamasız değişkendeki güvenilirlik (rXXa ) kullanılarak aralık kısıtlaması düzeltmesinden sonra yapılmalıdır.

Bunun nedeni, bağımsız değişken üzerindeki doğrudan aralık kısıtlamasının, seçilen örneklemde gerçek puanların ve ölçüm hatalarının (negatif olarak) ilişkilendirilmesine neden olması ve dolayısıyla güvenilirlik teorisinin altında yatan kritik varsayımı ihlal etmesidir.

Bu koşullar altında, seçilen örneklemdeki bağımsız değişkenin güvenirliği tanımlanamaz ve tanımlanamaz; bu nedenle, bu düzeltme, sınırlandırılmamış örnekte elde edilen bir rXXa tahmini kullanılarak, aralık kısıtlama düzeltmesi yapıldıktan sonra yapılmalıdır. Mendoza ve Mumford (1987) bu önemli gerçeğe işaret eden ilk kişilerdi.

Avcı ve ark. (2002) bu düşünceyi meta-analiz prosedürlerine dahil etmiştir. Elbette meta-analiz bir geçerlilik genelleme çalışması ise, bağımsız değişkende güvenilmezliği düzeltmeye gerek yoktur ve bu düzeltme basitçe atlanır.

Örneğimize dönersek, elde ettiğimiz .57’lik ortalama düzeltilmiş korelasyon gerçek geçerliliği tahmin etmez, çünkü bağımsız değişkendeki (yordayıcı testi) ölçüm hatası için düzeltilmiştir. .57 değeri, ortalama operasyonel geçerlilik (ρxyt) değil, ortalama gerçek puan korelasyonudur. Aday havuzu (sınırsız) grubunda (yani, örneğimizin başında belirtildiği gibi rXXa = .85) bu testin güvenilirliğini bildiğimiz için, gerekli operasyonel geçerlilik tahminlerini aşağıdaki gibi kolayca hesaplayabiliriz.

Yine, bu iki değer de doğrudur. Personel seçiminde uygulamalı çalışma için operasyonel geçerlilik tahminine ihtiyacımız olmasına rağmen, teorik araştırma (teori testi) için gerekli olan .57’lik yapı düzeyinde korelasyondur. Personel seçimi alanı dışındaki çoğu meta-analiz, oryantasyonda teoriktir.

Daha sonra, karşılaştırma amacıyla, gözlemlenen korelasyonlar (çıplak meta-analiz) ve tamamen düzeltilmiş korelasyonlar (tam meta-analiz) için örnekleme hatası düzeltmelerini sunuyoruz.

Bu sonuçlar Windows tabanlı VG6-I programı kullanılarak kontrol edilebilir (kullanılabilirlik için Ek’e bakın). Program sonuçları burada hesaplananlarla aynıdır. Düzeltilmemiş korelasyonların sonuçları, .28’lik bir yanlış ortalamayı (.57’nin gerçek değerine karşı) ve .07’lik bir standart sapmayı (gerçek standart sapmanın 0’a karşı) gösterir. Bu varsayımsal verileri oluşturmak için kullanılan gerçek etki büyüklüğü korelasyonu ile karşılaştırıldığında çıplak kemik meta-analizi çok yanlıştır. Bununla birlikte, düzeltilmemiş korelasyon meta-analizindeki hata, bilinen eserler ile tam olarak tutarlıdır.

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

Meta-analiz, örnekleme hatalarının ortalamasını alarak örnekleme hatasını azaltır. Bu nedenle, meta-analizde önemli bir adım, belirli kritik ortalamaların hesaplanmasıdır: ortalama korelasyon, korelasyonların varyansı (ortalamadan ortalama kare sapma) ve ortalama örnekleme hatası varyansı. Bunun için her bir çalışmaya ne kadar ağırlık vereceğimize karar vermeliyiz.

Hangi ağırlıklar kullanılmalıdır? Meta-analizdeki ilk adım, çalışmalar arasında belirli sayıların ortalamasını almaktır. Bu ortalama alma birkaç yolla yapılabilir. Ortalama düzeltilmiş korelasyonlarda, basit veya “ağırlıksız” bir ortalama, örneklem büyüklüğü 12 olan bir çalışmaya, örneklem büyüklüğü 1.200 olan bir çalışmaya verilen ağırlık kadar verilir. Ancak küçük örneklemli çalışmada örnekleme hatası varyansı, büyük örneklemli çalışmadakinden 100 kat daha fazladır. Schmidt ve Hunter (1977) bu soruna dikkat çekti ve her çalışmanın örneklem büyüklüğüne göre ağırlıklandırılmasını önerdi.

Hunter, Schmidt ve Jackson (1982, s. 41–42), çalışmalar arasında popülasyon korelasyonlarında çok az veya hiç varyasyon olmadığında bunun optimal bir strateji olduğunu belirtmişlerdir – “homojen” durum. Çalışmalar arasında korelasyonlar büyük ölçüde farklılık gösterirse bir sorun olabileceğini belirtmişlerdir. Meta-analiz çok büyük örneklem büyüklüğüne sahip bir çalışma içeriyorsa, diğer tüm çalışmalar çok daha küçük örneklem büyüklüğüne sahipse, problem potansiyel olarak akuttur. Büyük örneklem büyüklüğündeki çalışma bir şekilde sapkınsa, o zaman meta-analize hakim olduğu için meta-analiz sapkın olacaktır. Bu durum pratikte nadiren ortaya çıkar.

Homojen durum, Hedges ve Olkin’de teknik olarak ayrıntılı olarak ele alındı. Bu durum için anahtar matematiksel teoremi not ettiler. Popülasyon korelasyonları bir çalışmadan diğerine farklılık göstermiyorsa, her çalışmanın örnekleme hatası varyansına ters olarak ağırlıklandırılmasıyla optimal ağırlıklar elde edilir.

Popülasyon korelasyonu ρi bilinmediği için bu optimal ağırlık kullanılamaz. Hedges ve Olkin (1985) bunu not etmemiş olsa da, homojen durumda bile, gözlemlenen çalışma korelasyon roi’sinin çalışma popülasyon korelasyonu ρi ile değiştirilmesi, en doğru alternatif ağırlıklara yol açmaz. Bu bölümde daha önce belirtildiği gibi, daha doğru bir alternatif, her çalışma popülasyonu ρi için gözlemlenen ortalama korelasyon r ̄o’yu ikame etmektir.

Önceki tartışma homojen durum (yani Sρ2 = 0 olduğu durum) açısından yapılmıştır. Bununla birlikte, bu bölümde daha önce belirtildiği gibi, bu ağırlıklar heterojen durum için de (Sρ2 > 0 olduğu yerde), örneklem boyutu ρi boyutuyla (popülasyon korelasyonu) ilişkili olmadığı sürece çok doğrudur. Bu nadir durum dışında, Ni ile ağırlıklandırma, homojen durum için olduğu kadar heterojen durum için de çok doğrudur. Bu önemlidir, çünkü bazıları heterojen durumda Ni ile ağırlık verilmemesi gerektiğini savunmuştur.

meta-analiz çalışması örneği
meta-analiz makale örneği
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz ve derleme arasındaki fark
Meta analiz yöntemi nedir
Meta analiz nasıl yazılır
Meta analiz çalışması
Meta analiz Nedir

Çalışmalar, düzeltilen bir veya daha fazla artefakt üzerinde büyük ölçüde farklılık gösterdiğinde, daha karmaşık ağırlıklandırma, çalışmalardaki bilgilerin daha iyi kullanılmasını sağlayacaktır. Daha fazla bilgi içeren çalışmalar, daha az bilgi içeren çalışmalara göre daha fazla ağırlık almalıdır. Örneğin, değişkenlerden birinin veya her ikisinin aşırı bölünmelerle ikiye ayrıldığı araştırmalar, neredeyse eşit bir bölünmeye sahip bir çalışmaya göre çok daha az ağırlık almalıdır. Aynı durum, bir çalışma çok düşük güvenilirliğe sahipken ikinci bir çalışma yüksek güvenilirliğe sahipse geçerlidir.

Çalışma popülasyon korelasyonu ρi bilinmediğinden, bazı ikameler yapılmalıdır. Daha önce belirtildiği gibi, en doğru ikame, her bir çalışma popülasyon korelasyonu ρi için gözlemlenen ortalama korelasyon r ̄o’yu ikame etmektir. r ̄o bir sabit olduğundan, bu, ρi ile terimi ortadan kaldırma etkisine sahiptir ve böylece ağırlıkları verir.

Yani, her çalışmanın ağırlığı iki faktörün ürünüdür: numune boyutu Ni ve artefakt zayıflama faktörü Ai’nin karesi. Zayıflama faktörünün karesi alınır, çünkü bir korelasyonu faktör 1/Ai ile çarpmak, onun örnekleme hatası varyansını 1/A2i ile çarpmaktır. Bu ağırlıklandırma şeması istenen etkiye sahiptir: Belirli bir çalışmada artefakt zayıflaması ne kadar aşırı olursa, o çalışmaya atanan ağırlık o kadar az olur. Yani, çalışmada ne kadar fazla bilgi bulunursa, ağırlığı o kadar büyük olur.

Örneklem büyüklüğü 100 olan iki çalışmayı düşünün. (1) Her iki değişkenin de mükemmel bir güvenilirlikle ve aralık kısıtlaması olmaksızın ölçüldüğünü, (2) popülasyon korelasyonunun ρ her iki çalışmada da aynı olduğunu ve (3) bağımlı değişkenin ikiye ayrıldığını varsayın. her iki çalışmada. Çalışma 1’de, 50-50’lik bir bölünme vardır, bu nedenle gerçek popülasyon korelasyonu ρ, .80 ρ’lık bir çalışma popülasyon korelasyonuna indirgenir.

Çalışma 2’de 90–10’luk bir bölünme vardır, bu nedenle gerçek popülasyon korelasyonu ρ, .59 ρ’luk bir çalışma popülasyonu korelasyonuna indirgenir. Yapay dikotomizasyondan kaynaklanan zayıflamayı düzeltmek için, Çalışma 1 gözlemlenen korelasyon ro1 .80’in tersi ile çarpılmalıdır.

Böylece örnekleme hatası varyansı 1.25’in karesi ile çarpılır, yani 1.252 = 1.5625. Yapay dikotomizasyondan kaynaklanan zayıflamayı düzeltmek için, Çalışma 2’de gözlemlenen korelasyon ro2 .59’un tersi ile çarpılmalıdır, yani 1/.59 = 1.695.

Böylece örnekleme hata varyansı 1.695’in karesi ile çarpılır, yani 1.6952 = 2.8730. Dikotomizasyon ve düzeltmeden önce, her iki korelasyondaki örnekleme hatası aynıydı: örnekleme hatası, 100’lük eşit örneklem büyüklükleri ve ρi’nin eşit popülasyon korelasyonları tarafından ima edildi. Ancak, dikotomizasyon düzeltmesinden sonra, ikinci çalışma, birinci çalışmadaki örnekleme hatası varyansından 2.8730/1.5625 = 1.839 kat daha büyük örnekleme hatası varyansına sahiptir. Bu nedenle, ikinci çalışma meta-analizde sadece 1/1.839 = .544 kat daha fazla ağırlığı hak ediyor.

Özetle, ortalama almada kullanılabilecek üç tipik ağırlık türü vardır. İlk olarak, çalışmalar arasındaki kalite (bilgi içeriği) farklılıkları göz ardı edilebilir ve yüksek hatalı çalışmalara düşük hatalı çalışmalara olduğu kadar ağırlık verilebilir.

Bu, eşit ağırlıklar durumudur ve wi = 1 ile temsil edilir. İkincisi, eşit olmayan örnek boyutunun kalite üzerindeki etkisi düşünülebilir, ancak diğer artefaktların etkileri göz ardı edilebilir. Bu, Schmidt ve Hunter (1977) tarafından önerilen örneklem büyüklüğü ağırlıklarına yol açar: wi = Ni. Üçüncüsü, hem Ni hem de diğer artefaktları hesaba katan ağırlıklar düşünülebilir: wi = Ni A2i.

Bu son ağırlıkların kullanılmasını öneriyoruz, çünkü bunlar daha fazla düzeltme gerektiren çalışmalara daha az ağırlık verir ve dolayısıyla daha fazla örnekleme hatasına sahiptir. Bu ağırlıklar, ayrı ayrı düzeltilen korelasyonların meta analizi için Windows tabanlı programımızda kullanılır.

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

Önceki bölümlerin örnekleri, bireysel çalışmaların genellikle yalnızca çok sınırlı bilgi içerdiğini göstermektedir. Örnekleme hatasının rastgele etkileri kaçınılmazdır. Ayrıca, çalışma tasarımlarındaki diğer artefaktlara genellikle araştırmacının kontrolü dışındaki faktörler neden olur. Bu nedenle, çoğu çalışmadaki bilgiler, Tablo 3.1’de listelenenler gibi istatistiksel eserler tarafından ve belki de daha da ilerideki araştırmalarda henüz tanımlanmamış ve ölçülmemiş eserler tarafından seyreltilmiştir.

Bu nedenle, sağlam sonuçlar, yalnızca bilgileri çalışmalar arasında birleştiren kümülatif araştırmalar üzerine inşa edilebilir. Geleneksel anlatı incelemesi bu karmaşık görev için açıkça yetersizdir. Bu nedenle meta-analizin alternatifi yoktur. Tek çalışma yapaylığının örnekleme hatası olduğu varsayılırsa, bu bölümde daha önce verilen meta-analiz teknikleri kullanılır. Ancak diğer artefaktlar tanınırsa ve artefaktlar hakkında bilgi mevcutsa, çalışma artefaktları düzeltilirse meta-analiz ile tahmin edilen değerler çok daha doğru olacaktır.

Üç tür eser vardır. İlk olarak, kötü veriler vardır: kayıt, hesaplama, raporlama ve transkripsiyon hataları. Hata o kadar büyükse, sonuçta ortaya çıkan korelasyon meta-analizde bir aykırı değerse, o zaman sapkın sonuç tespit edilebilir ve ortadan kaldırılabilir.

Aksi takdirde, hatalı veriler algılanmaz ve dolayısıyla düzeltilmez. İkincisi, örnekleme hatasının sistematik olmayan ve rastgele etkisi vardır. Bu etki meta-analizde ortadan kaldırılabilir veya en azından büyük ölçüde azaltılabilir. Üçüncüsü, tablo doğası gereği sistematik olan dokuz eser içermektedir. Bunlara “düzeltilebilir eserler” diyoruz. Düzeltilebilir her artefakt için, o artefakt için çalışma korelasyonunu düzeltmek için bilinmesi gereken nicel bir faktör vardır. Söz konusu araştırma alanı için gerekli yapı değerleri göz önüne alındığında, meta-analiz bu yapıyı düzeltebilir.

Meta-analizde üç durum vardır: (1) Artifakt değerleri her bir çalışmada tüm artefaktlar için verilir, (2) artefakt değerleri çeşitli çalışmalarda herhangi bir artefakt için yalnızca ara sıra verilir ve (3) artefakt değerleri şunlar için verilir. Her biri bazı eserler üzerinde çalışıyor, ancak diğer eserler üzerinde yalnızca ara sıra mevcut.

Bireysel olarak mevcut yapay bilgi durumu bu bölümde ele alınmaktadır. Sporadik olarak erişilebilen bilgiler durumu, son karışık yapay bilgi durumu (yani, yapay yapıtların tümü için değil, bazıları için her çalışma için yapay yapı bilgilerinin mevcut olduğu durum) gibi ele alınmaktadır.

Şimdi, neredeyse tüm bireysel çalışmalarda artefakt bilgisinin mevcut olduğu durumu ele alıyoruz. Eksik artefakt değerleri, bilgilerin verildiği çalışmalar arasında ortalama değer eklenerek tahmin edilebilir. Bu, daha sonra açıklanacak olan VG6 bilgisayar programımız tarafından otomatik olarak yapılır.

Bu noktada, her bir çalışma için her artefakt değeri mevcuttur. Meta-analizin üç aşaması vardır: (1) bireysel çalışmaların her biri için hesaplamaların yapılması, (2) çalışmalar arasında sonuçların birleştirilmesi ve (3) gerçek etki büyüklüğü korelasyonlarının tahmini ortalama ve varyansının hesaplanması.

cma ile meta-analiz
meta-analiz çalışması örneği
cma meta-analiz programı indir
Meta analiz Nedir
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz özellikleri
Meta analiz nasıl yazılır
Spss ile meta-analiz Nasıl Yapılır

Bireysel Çalışma Hesaplamaları

Her etüt için hesaplamalar, artefaktlar için korelasyonu düzeltmede kullanılan hesaplamalardır. Gözlenen çalışma korelasyonu ve bu çalışma için örneklem büyüklüğü ile başlıyoruz. Daha sonra, bu çalışma için her bir yapı bilgisi parçasını topluyoruz. Bu değerler bir tabloya yerleştirilir ve bir bilgisayar dosyasına okunabilir. Bu analiz, Windows tabanlı program VG6 tarafından gerçekleştirilebilir.

Daha sonra artefaktları düzeltmek için hesaplamaları yaparız. Çoğu durumda, düzeltilebilir her artefaktın etkisi, korelasyonu, “zayıflama faktörü” olarak adlandırdığımız, çarpımsal faktör olarak 1.00’den daha küçük olarak ölçülebilen bir miktar kadar azaltmaktır.

Bu koşullar altında, tüm düzeltilebilir artefaktların net etkisi, ayrı artefakt zayıflama faktörlerinin basitçe çarpılmasıyla hesaplanabilir. Bu, bir bileşik artefakt zayıflama faktörü ile sonuçlanır. Gözlenen çalışma korelasyonunu bileşik zayıflama faktörüne bölmek, bu artefaktların neden olduğu sistematik azalma için çalışma korelasyonunu düzeltir.

Her çalışma için önce her bir artefakt için artefakt zayıflama faktörünü hesaplıyoruz. Ayrı zayıflama faktörlerini a1, a2, a3 vb. ile belirtin. Birkaç artefakt için bileşik zayıflama faktörü üründür.

Bu rC tahmini, hafif bir aşağı (yani, negatif) önyargıya sahiptir ancak küçümseme derecesi çok küçüktür. Örnekleme hatasını tahmin etmek amacıyla, ortalama düzeltilmemiş korelasyonu tahmin etmek gereklidir. Bu, gözlemlenen ilişkilerin örnek boyutu ağırlık ortalamasıdır.

Düzeltilmiş korelasyondaki örnekleme hatası varyansı iki adımda hesaplanır. İlk olarak, düzeltilmemiş korelasyondaki örnekleme hatası varyansı hesaplanır. Daha sonra düzeltilmiş korelasyondaki örnekleme hatası varyansı bundan hesaplanır. Düzeltilmemiş korelasyondaki örnekleme hatası varyansı Var(eo), dir.

Örnekleme hatası varyansının önceki hesaplaması, tüm eserler için düzeltilir. Ancak, menzil düzeltmesinin örnekleme hatasına katkısına ilişkin tahminimizi hassaslaştırabiliriz. Menzil varyasyonu için zayıflama faktörü korelasyonun kendisini içerdiğinden, karşılık gelen örnekleme hatası artışı, zayıflama faktörünün kendisi yerine sadece zayıflamanın türeviyle orantılıdır. Bu fark birçok durumda küçüktür. Bununla birlikte, örnekleme hatası varyansı için daha karmaşık bir formül kullanılarak daha doğru bir tahmin hesaplanabilir. Önceki formülü kullanarak ve’nin ilk tahminini hesaplayın. İlk tahmini ve′ olarak etiketleyin.

Doğrudan menzil kısıtlaması durumunda. Dolaylı menzil kısıtlaması durumunda, UX için aynı formülü kullanın, ancak bunun yerine UT kullanın. Aşırı uç bir örnek düşünün: Bir personel seçim çalışmasında (yani doğrudan menzil kısıtlaması) yetenek dağılımının yalnızca üst yarısının seçildiğini varsayalım.

Çalışma popülasyonu standart sapması, uX = .60 faktörü ile referans popülasyon standart sapmasından daha küçüktür. uX’in tersi UX = 1/.60 = 1.67 olacaktır. Eğer çalışma korelasyonu (r0i ) .20 ise, o zaman a = .94 ve arıtma faktörü a2 = .88 olacaktır. Yani, bu çalışma için örnekleme hatası varyansı, basit zayıflama faktörü kullanılarak tahmin edilenden %12 daha küçük olacaktır.

Böylece, her çalışma i için dört sayı üretiyoruz: düzeltilmiş korelasyon rci , numune boyutu Ni , bileşik zayıflama faktörü Ai ve örnekleme hatası varyansı vei. Bunlar meta-analizde kullanılan sayılardır.

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

Dolayısıyla meta-analizde geleneksel moderatör analizinde şanstan yararlanma sorununun son derece ciddi olduğu açıktır. Yayınlanmış meta-analizlerde regresyon ve korelasyon yöntemlerini kullanan birçok moderatör muhtemelen gerçek değildir. Tamamen ampirik olarak tanımlanan ve bir teori veya hipotez tarafından a priori tahmin edilmeyenlerin, özellikle örnekleme hatasında büyük harf kullanımıyla yaratılan yanılsamalar olması muhtemeldir.

Öte yandan, düşük istatistiksel güç nedeniyle gerçek olan moderatörlerin tespit edilmesi olası değildir. Bu bölümde daha önce yer alan istatistiksel güç tartışmaları, diğer korelasyonların yanı sıra çalışma özellikleri ve çalışma sonuçları arasındaki korelasyonlar için de geçerlidir.

Örneklem boyutu, çalışmaların sayısı genellikle küçüktür (örneğin, 40-100) ve gözlemlenen çalışma sonuç istatistiklerinin (rs ve d değerleri) varyansının çoğu örnekleme hatası varyansı ve diğer olduğundan çalışma karakteristik korelasyonlarının küçük olması muhtemeldir. yapay varyans. Bu nedenle, gerçek moderatörleri tespit etmek için istatistiksel güç tipik olarak oldukça düşük olacaktır. Bu nedenle, gerçek moderatörlerin tespit edilmesi olası değildir ve aynı zamanda, örnekleme hatasında büyük harf kullanımının mevcut olmayan moderatörlerin “tespit edilmesine” yol açması olasılığı yüksektir. Bu gerçekten mutsuz bir durumdur.

Çalışmalar arasındaki tüm varyasyonları yüz değerinden almak, örnekleme hatasının olmadığını varsaymaktır. Çoğu çalışma küçük örneklemlerle (örneğin, 500 denekten daha az) yapıldığından, örnekleme hatası, gözlemlenen sonuç değerlerine kıyasla oldukça büyüktür. Bu nedenle, örnekleme hatasını göz ardı etmek, analizin bir noktasında büyük istatistiksel hataları garantilemektir.

Klasik gözden geçirenin hatası, sonuç değerlerinin aralığını bildirmektir; aralık, çalışma setindeki en uç iki örnekleme hatası tarafından belirlenir. Birçok güncel meta-analizdeki hata, r veya d değerlerindeki çalışmalar arasındaki varyasyonu kodlanmış çalışma özellikleriyle ilişkilendirmede şans ve düşük istatistiksel güçten yararlanmadır.

Moderatör analizinde şans ve düşük istatistiksel güç üzerinde kapitalizasyon sorunlarına cevap verdiğimizi iddia etmiyoruz. Kanaatimizce bu sorunun istatistik içinde bir çözümü yoktur. İstatistiksel testin sorunu çözmediği istatistiklerde iyi bilinmektedir; Tip I hataya karşı Tip II hata değiş tokuşu kaçınılmazdır.

Bu nedenle, sorunlar yalnızca istatistiksel gerekçelerle çözülecekse, o zaman ince soruların yanıtı yalnızca daha fazla veri, genellikle büyük miktarda veri toplamak olabilir. Daha uygulanabilir bir alternatif, argümana dolaylı olarak yeni verilerin çekilmesine izin veren teoriler geliştirmektir. Bu yeni veriler daha sonra konunun teorik zeminde nesnel bir çözümüne izin verebilir.

Meta-analiz Nedir
Meta-analiz özellikleri
Meta-analiz makale Örneği
Cma ile Meta-Analiz
Meta-analiz ile literatür taraması arasındaki farklar
Meta-analiz pdf
Meta-analiz yöntemi
cma meta-analiz programı indir

İleriye Bir Bakış

Ampirik araştırmalar için en yaygın iki araştırma tasarımı, ilişkisel çalışma ve iki grup müdahale çalışmasıdır (yani, bağımsız tedavi ve kontrol gruplu deneysel bir çalışma). İlişkisel tasarımlarda ilişkinin gücü genellikle korelasyon katsayısı ile ölçülür. Korelasyon katsayısını toplamak için yöntemler sunuyoruz. Bazıları korelasyon yerine eğim veya kovaryansın toplanması gerektiğini savundu.

Bununla birlikte, eğimler ve kovaryanslar, ancak her bir çalışmada bağımsız ve bağımlı değişkenleri ölçmek için tam olarak aynı araçlar kullanılıyorsa, çalışmalar arasında karşılaştırılabilir. Bunun doğru olduğu nadir bir çalışma grubudur. Bu nedenle, eğim veya kovaryans, tüm çalışmalarda aynı metrikte olduğu için yalnızca nadir durumlarda kümülatiflenebilir. Ayrıca, bir eğim veya kovaryans ile temsil edilen ilişkinin gücü, ancak bu sayılar standart sapmalarla karşılaştırıldığında, yani yalnızca korelasyon katsayısı hesaplandığında bilinebilir. Eğimlerin ve kesişimlerin kümülasyonunu ayrıntılı olarak inceleyeceğiz.

Tedavi etkilerine ilişkin deneysel çalışmalarda en yaygın olarak rapor edilen istatistik, t-testi istatistiğidir. Bununla birlikte, t, örneklem boyutunun karekökü ile çarpıldığından ve bu nedenle, çalışmalar arasında aynı metriğe sahip olmadığı için iyi bir etki gücü ölçüsü değildir. Örnek boyutu t istatistiğinden çıkarıldığında, elde edilen formül etki boyutu istatistiği d’dir. Etki büyüklüğü istatistiğini d’yi ele alacağız. Ayrıca onun korelasyonel analogunu, nokta ikili korelasyonunu da ele alacağız.

D değerlerini nokta ikili korelasyonlara dönüştürmek, bu korelasyonlar üzerinde meta-analizi yürütmek ve daha sonra nihai sonucu d-değeri istatistiğine dönüştürmek genellikle daha iyidir. Bazıları r veya d yerine varyans oranının kullanılmasını savunur, ancak açıklanan (veya açıklanan) varyans oranının birçok kusuru vardır. Örneğin, tedavi etkisinin işaretini veya yönünü korumaz. Ayrıca, işaret kaybının bir sonucu olarak, kare etkisi ölçüm ortalaması yanlı olur. Varyans indekslerinin oranı, daha ayrıntılı olarak tartışılmış ve eleştirilmiştir.

Korelasyon katsayısıyla ilgili bölümler ve d değerleriyle ilgili bölümler, her girişin istatistiksel olarak bağımsız bir örneğe dayandığını varsayar. Bununla birlikte, aynı çalışmadan bir korelasyon veya etki büyüklüğünün birden fazla ilgili tahmini elde etmek sıklıkla mümkündür. O halde, aynı çalışma içindeki bir ilişkinin birden fazla tahmini, çalışmalar arasında bir birikime nasıl katkıda bulunmalıdır? 

Artifaktlar İçin Tek Tek Düzeltilen Korelasyonların Meta Analizi

Korelasyon katsayısının boyutunu etkileyebilecek 11 çalışma tasarımı yapaylığını inceledik. Meta-analiz düzeyinde, bu artefaktlardan biri dışında hepsini düzeltmek mümkündür: raporlama veya transkripsiyon hatası. Aykırı değer analizi dışında, veri hatalarını düzeltmenin bir yolunu bilmiyoruz. Aykırı değer analizi, bazı kötü verileri tespit edebilir, ancak hepsini değil ve meta-analizde genellikle sorunludur. Örnekleme hatası düzeltilebilir, ancak düzeltmenin doğruluğu meta-analizin dayandığı toplam örnek boyutuna bağlıdır.

Toplam örnek boyutu sonsuza yaklaştıkça örnekleme hatası düzeltmesi mükemmel hale gelir. Bu bölümde ve Bölüm 4’teki meta-analiz tartışmamız, dolaylı olarak meta-analizin çok sayıda çalışmaya dayandığını varsayacaktır. Çalışma sayısı azsa, burada sunulan formüller yine de geçerlidir, ancak nihai meta-analiz sonuçlarında önemsiz olmayan örnekleme hatası olacaktır. Bu, Bölüm 9’da tartışılan “ikinci dereceden” örnekleme hatası sorunudur. 

Potansiyel olarak düzeltilebilir 10 çalışma tasarımı eseri listelenmiştir. Bir eserin etkisini düzeltmek için, eserin boyutu ve doğası hakkında bilgi sahibi olmamız gerekir. İdeal olarak, bu bilgi her bir çalışma (yani her bir korelasyon) için her eser için ayrı ayrı verilecektir. Bu durumda her bir korelasyon ayrı ayrı düzeltilebilir ve düzeltilen korelasyonlar üzerinden meta-analiz yapılabilir. Bu tür meta-analiz bu bölümün konusudur.

Artefakt bilgisi genellikle sadece ara sıra mevcuttur ve bazen hiç mevcut değildir. Ancak, artefaktların doğası öyledir ki, çoğu araştırma alanında, artefakt değerleri çalışmalar arasında bağımsız olacaktır. Örneğin, örneklem büyüklüğü büyük veya küçükse, ölçüm güvenilirliğinin daha yüksek veya daha düşük olacağını varsaymak için hiçbir neden yoktur. Yapıtlar birbirinden bağımsız ve gerçek popülasyon korelasyonunun boyutundan bağımsız ise, meta-analizi yapaylık dağılımlarına dayandırmak mümkündür. Yani, bağımsızlık varsayımı göz önüne alındığında, bireysel korelasyonları düzeltemesek de meta-analiz düzeyinde yapaylıkları düzeltmek mümkündür.

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