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).

1980’lerin ortalarından günümüze kadar devam eden istatistikçiler, kullanılabilirlik yanlılığının etkileri için meta-analiz sonuçlarını düzeltmek için istatistiksel yöntemler geliştirdiler. Zamanla, bu yöntemler istatistiksel olarak giderek daha karmaşık hale geldi (ve giderek daha karmaşık hale geldi). Ancak tüm bu yöntemler birincil çalışmaların p değerlerine dayanmaktadır; yani, hepsi yayın olasılığının (bir ağırlık fonksiyonu aracılığıyla) bu çalışmanın p değerine bağlı olduğunu varsaymaktadır.

Çalışmaların diğer özelliklerinin yayınlanma olasılığını etkileme olasılığına ilişkin herhangi bir hüküm yoktur (örneğin, rapor edilen etki büyüklüğü, çalışmanın metodolojik nitelikleri, yazarların itibarı vb.). Bu, bu yöntemleri biraz gerçekçi kılacaktır. Bununla birlikte, belki de daha ciddi bir sorun, tüm bu yöntemlerin, her çalışmanın yalnızca bir hipotezi test ettiğini (ve dolayısıyla dikkate alınması gereken yalnızca bir ilgili p değerine sahip olduğunu) örtük olarak varsayıyor gibi görünmesidir.

Sonuç olarak, bu yöntemlerin birkaç hipotezin test edildiği ve çeşitli anlamlılık testleri ve p değerleri ile sonuçlanan çalışmalara uygulanabilirliği sorgulanabilir. Daha önce belirtildiği gibi, bu tür çalışmalar bugün araştırma literatürlerinin çoğunda büyük çoğunluğu oluşturmaktadır. Bu geniş varsayımsal problemlerin ötesinde, bu yöntemler, gerçek verilerde tutulabilen veya tutulmayan çeşitli ek istatistiksel varsayımlara dayanır.

Bununla birlikte, eğer varsa, yayın yanlılığı, meta-analitik incelemeler de dahil olmak üzere araştırma incelemelerinden elde edilen sonuçları ciddi şekilde çarpıtma potansiyeline sahip olduğundan, bu yöntemler büyük ilgi görmüştür. Gelecekte meta-analizde önemli ölçüde daha önemli hale gelmeleri olasıdır.

Bu yöntemler zaman içinde gelişmiştir ve aşağıdaki sunumda bu yöntemleri göründükleri yaklaşık kronolojik sırayla sunuyoruz. Bu yöntemlerin oldukça teknik doğası ve yer kısıtlamaları nedeniyle, bu yöntemlerin yalnızca genel bakışlarını ve özet açıklamalarını sunuyoruz.

Orijinal Hedges-Olkin (1985) Yöntemi

Hedges (1984) ve Hedges ve Olkin (1985) tarafından sunulan ilk yöntem, tüm önemli çalışmaların (önem yönünden bağımsız olarak) yayınlandığı ve önemsiz çalışmaların hiçbirinin yayınlanmadığı varsayımına dayanıyordu. Yani, en basit “ağırlık fonksiyonları” ile başladılar: Tüm anlamlı çalışmalar 1 ve tüm önemsiz çalışmalar 0 ağırlıklıydı. Daha sonraki yöntemlerde daha karmaşık ve daha az gerçekçi olmayan varsayımlar ve ağırlıklandırma fonksiyonları kullanıldı.

Belirli bir araştırma literatüründe yalnızca yayınlanmış çalışmalar mevcut olsaydı ve yalnızca önemli sonuçlar bildiren çalışmalar yayınlanmış olsaydı, o zaman sıfır hipotezi doğru olsaydı, yayınlananlarda istatistiksel olarak anlamlı pozitif ve negatif d veya r değerleri yaklaşık olarak eşit sayıda olurdu. literatür ve r ̄ ve d ̄ ortalama olarak 0 olacaktır ve yayın yanlılığının r ̄ ve d ̄ tahminleri üzerinde hiçbir etkisi olmayacaktır (ancak Sρ2 ve Sδ2 tahminleri yanlı olacaktır).

Her iki yönde de önemli ve aşırı sonuçlar eşit derecede muhtemel olacaktır. Ancak, sıfır hipotezi yanlış olsaydı (örneğin, δ ̄ > 0), bu tür çalışmalardan hesaplanan ortalama etki büyüklüğü gerçek değerine eşit olmayacak, bunun yerine yukarıya doğru yönlendirilecekti. Bu yanlılığın miktarı, altta yatan δ değerine ve çalışma örneklem büyüklüğüne bağlı olacaktır.

Hedges ve Olkin (1985), maksimum olabilirlik yöntemlerine dayanarak, farklı çalışma örneklem büyüklükleri ve g∗ değerleri için δ tahminlerini tahmin etmiş ve tablolaştırmıştır; burada g∗, bir çalışmadan elde edilen d’nin gözlemlenen değeridir. önemsiz ds elendi (sansürlendi). Tüm anlamlı olmayan ds’yi hariç tutan bir dizi çalışmada, her d değerinde bir yanlılık vardır.

Meta analiz Nedir
Meta regresyon nedir
Meta analiz çalışması Nedir
Meta-analiz makale nedir
meta-analiz çalışması örneği
Meta-analiz kitap PDF
Meta-analiz pdf
meta-analiz makale örneği

Bu taraflı d değerleri (sembolize edilmiş g∗), Hedges ve Olkin’in Tablo 2’si (s. 293–294) kullanılarak yaklaşık olarak yansız δ tahminlerine dönüştürülebilir. Örneğin, NE = NC = 20 ve g∗ = .90 ise, bu tablo δ (δˆ) için maksimum olabilirlik tahmininin .631 olduğunu gösterir. g∗’den δˆ’ye bu dönüşüm, çalışma setindeki g∗ değerlerinin her biri için yapılabilir.

Tablo NE =NC, ancak Hedges ve Olkin (s. 292) varsayımına dayalıdır (s. 292), deney ve kontrol grubu örneklem büyüklükleri eşit olmadığında, tabloya minimum doğruluk kaybıyla girmek için ikisinin ortalamasının kullanılabileceğini kaydetti. Gözlenen tüm d değerleri, yalnızca önemli sonuçların rapor edilmesinin neden olduğu yanlılık için düzeltildikten sonra, Hedges ve Olkin, elde edilen δˆ değerlerinin çalışma örneklem büyüklükleriyle ağırlıklandırılmasını ve (neredeyse) yansız ortalama etki büyüklüğünü (δ ̄) tahmin etmek için ortalamasının alınmasını tavsiye etti.

Bu nedenle, analiz için yalnızca önemli etki büyüklüklerini bildiren çalışmalar mevcut olduğunda bile, ortalama etki büyüklüğünün yansız bir tahminini elde etmek mümkündür. Bu tahminin, δ ̄, gözlemlenen ortalama etki büyüklüğünden, g ̄∗ oldukça küçük olacağına dikkat edin. Bu yöntemin formülleri, popülasyon etki büyüklüğünün δ çalışmalar arasında değişmediği varsayımı altında türetilmiştir (yani, bu bir sabit etkiler modelidir). δ çalışmalar arasında önemli ölçüde farklılık gösteriyorsa, bu yöntem yalnızca ortalama etki büyüklüğünün (δ ̄) yaklaşık bir tahminini verir.

δˆ değerlerinin örnekleme hatası varyansı, formülde sıradan d değerleri için verilenden oldukça büyüktür. , NE = NC = 50 ve δ = 1.50). Meta-analizde ortaya çıkan çoğu veri seti için, örnekleme hatası varyans formülleri, gerçek örnekleme hatası varyansını yaklaşık üçte bir ila yarıya kadar hafife alacaktır. Bu nedenle, elde edilen SDδ tahmini çok büyük olacaktır. Ancak, daha önce belirtildiği gibi, δ ̄ tahmini yaklaşık olarak yansız olmalıdır.

Normalde, çalışmaların sansürlenmesi tamamlanmamıştır. Önemli olanlar arasında bazı önemsiz çalışmalar bulunacaktır. Bu durumlarda, Hedges ve Olkin (1985), araştırmacının önemsiz olan çalışmaları elemesini ve ardından burada açıklanan yöntemleri kullanmaya devam etmesini önermiştir. Bununla birlikte, daha sonra geliştirilen yöntemler, toplam yayın yanlılığından daha azına izin verir. Yani, bazı önemsiz çalışmaların yayınlanması ve bazı önemli çalışmaların yayınlanmama ihtimaline izin veriyorlar. Bu, önemli olmayan çalışmaları analizden çıkarma ihtiyacını ortadan kaldırır.

The post Orijinal Hedges-Olkin (1985) Yöntemi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

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

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

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

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

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

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

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

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

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

Tanımlayıcı Meta-Analiz Yöntemleri: Glassian ve İlgili Yöntemler

Glassian Meta-Analiz Yöntemleri ve Eleştiriler

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

Glassian meta-analizinin üç temel özelliği vardır:

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

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

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

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

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

Glassian yöntemlerinin başlıca eleştirisi şudur:

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

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

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

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

Bu bölüm meta-analiz için genel olan teknik konuları tartışmaktadır. Yani, bu sorunlar, meta-analizin korelasyonlara, d değerlerine veya diğer istatistiklere (örn. Ayrıca, kullanılan yöntemler bu kitapta sunulanlar, Hedges ve Olkin’inkiler (1985), Rosenthal’ınkiler veya başka herhangi bir yöntem olsun, bu hususlar geçerlidir.

Meta-analizde rastgele veya sabit etkili modellerin kullanılıp kullanılmaması, bu tür ilk konudur. Bu konu ilk olarak ele alındı ​​ve burada biraz daha kavramsal ayrıntılarla ele alındı.

İkinci teknik konu, meta-analizde ikinci dereceden örnekleme hatasıdır. İlk önce bu fenomene kavramsal bir genel bakış sunuyoruz; daha sonra, bölümün sonuna doğru teknik işlemi ve denklemleri sunuyoruz. Bu konu, ikinci dereceden örnekleme hatasının, önceden varsayılmayan moderatörleri tespit etmenin zor görevi üzerindeki etkisini içerir.

Üçüncü teknik konu, ikinci dereceden meta-analizdir: meta-analizlerin meta-analizi. Bu konu, tek bir büyük örneklemli çalışmanın mı yoksa birçok küçük örneklemli çalışmanın meta-analizinin mi daha iyi olduğuna dair bir tartışmayı içerir. Son olarak, okuyucuya bir alıştırma sunuyoruz: ikinci dereceden bir meta-analiz yürütmek.

Meta-Analizde Sabit Etkiler ve Rastgele Etki Modelleri

Meta-analiz yöntemleri içinde, sabit etkiler (FE) modelleri ile rastgele etkiler (RE) modelleri arasında bir ayrım vardır. Bu modeller, ortalama etki büyüklükleri (ortalama r, ortalama d, vb.) için farklı önem testleri ve güven aralıklarına yol açar. Ayrıca meta-analizde moderatör değişkenler (etkileşimler) için farklı anlamlılık testleri, yani çalışma özellikleri ve çalışma sonuçları (etki büyüklükleri) arasındaki ilişki için farklı anlamlılık testleri sağlarlar.

Hedges, meta-analizde bu iki model arasındaki farklara kısa ve öz bir genel bakış sağladı. Bu ayrımın diğer tedavileri Hedges, Ulusal Araştırma Konseyi (1992), Raudenbush (1994) ve Shadish ve Haddock (1994)’de bulunabilir.

FE anlamlılık testleri ve güven aralıklarının uygulanması, analiz edilen çalışmaların çalışma popülasyonu etki büyüklükleri düzeyinde homojen olduğu varsayımına dayanmaktadır. Örneğin, kullanılan etki büyüklüğü indeksi d değeri ise, FE modeli, d’nin popülasyon değeri olan δ’nin meta-analize dahil edilen tüm çalışmalarda aynı olduğunu varsayar. RE modelleri bu varsayımı yapmaz. RE modelleri, popülasyon parametre değerlerinin (δs veya ρs) çalışmadan çalışmaya değişiklik göstermesi olasılığına izin verir.

Hunter, Schmidt ve Jackson (1982), Hunter ve Schmidt (1990a), Callender ve Osburn (1980) ve Raju ve Burke (1983)’de açıklanan yöntemler RE modelleridir. Bu yöntemler, yayınlanmış literatürdeki önemli sorulara kapsamlı bir şekilde uygulanmıştır.

Hedges (1988), Hedges ve Olkin, Raudenbush ve Bryk (1985) ve Rubin (1980, 1981)’de açıklanan yöntemler de RE yöntemleridir. Bu son yöntemler meta-analizde daha az sıklıkla kullanılmıştır. Örneğin, psikolojideki başlıca inceleme dergisi Psychological Bulletin birçok meta-analiz yayınlamış olmasına rağmen, o dergide bu yöntemleri kullanan hiçbir meta-analiz yayınlayamadık.

Meta analizi Nedir
meta-analiz örnek çalışma
Meta regresyon nedir
meta-analiz makale örneği
Meta-analiz pdf
Meta-analiz özellikleri
CMA meta-Analiz programı indir
Meta-analiz çalışmaları

Cooper (1997) şunları belirtmiştir: “Pratikte çoğu meta-analist, analitik olarak yönetilmesi daha kolay olduğu için sabit etkiler varsayımını tercih eder”. Ulusal Araştırma Konseyi (1992) raporu, birçok meta-analiz kullanıcısının “kavramsal ve hesaplama basitlikleri” nedeniyle FE modellerini tercih ettiğini belirtti.

Ortalama etki büyüklüklerinin ve moderatör ilişkilerinin istatistiksel önemi için RE formülleri, hem popülasyon parametre değerleri (ρ veya δ) tüm çalışmalarda hem de tüm çalışmalarda aynı olduğunda ve .05 olarak belirlenmiş bir alfa için %5, uygun Tip I hata oranına sahiptir.

Bununla birlikte, popülasyon parametreleri çalışmalar arasında değiştiğinde, FE formülleri, nominal değerlerden genellikle çok daha yüksek olan Tip I hata oranlarına sahiptir. Ayrıca, FE standart hatalarına dayalı güven aralıkları kullanılıyorsa, güven aralıkları çok dardır.

Örneğin, nominal bir %95 güven aralığı aslında %60’lık bir güven aralığı, önemli bir yanlışlık ve meta-analiz sonuçlarının kesinliğinin önemli ölçüde abartılması olabilir. Hunter ve Schmidt (2000), FE modelleri tarafından üretilen bu türden çok sayıda hata örneği sunmuştur.

FE modellerinin popülasyon etki büyüklükleri çalışmalar arasında sabit olmadıkça yanlış sonuçlar üretmesi önemlidir çünkü tüm araştırma alanlarında çalışma popülasyon parametrelerinde en azından bir miktar varyasyon olması muhtemeldir. Pek çoğu, teorik veya temel nedenlerle, çalışmalar arasında popülasyon parametre değerlerinde her zaman bir miktar farklılık olduğunu iddia edecektir.

Yani, araştırmalar arasında farklı δi veya ρi değerleri yaratan en azından bazı gerçek (yani metodolojik olmayan, asli) moderatör değişkenlerin her zaman olduğunu iddia edeceklerdir.

Bu konumu tartışmıyoruz, çünkü deneyimlerimize dayanarak, bazı çalışma alanları, önemli nüfus parametreleri düzeyinde homojen görünüyor. Bununla birlikte, bunun doğru olup olmadığı, yalnızca heterojenlik düzeyini tahmin etmek için RE modelleri kullanılarak belirlenebilir. FE modelleri, homojenliği a priori varsaydıkları için Sρ2 veya Sδ2 tahminine izin vermez. Yani, Sρ2 = 0 ve Sδ2 = 0 varsayıyorlar.

Popülasyon parametrelerinde varyasyona neden olan asli moderatörler olmasa bile, çalışmalar arasında çalışma popülasyonunda ρi veya δi varyasyona neden olan metodolojik farklılıklar vardır. Örneğin, kullanılan ölçümlerdeki ölçüm hatasının miktarı çalışmalar arasında farklılık gösteriyorsa, bu değişiklik çalışma popülasyonu parametrelerinde farklılıklar yaratır; daha fazla ölçüm hatası olan çalışmalar, δi veya ρi olarak daha küçük çalışma popülasyon değerlerine sahip olacaktır.

Dolayısıyla, popülasyon parametrelerinde önemli bir varyasyon olmasa bile, ölçümün güvenilirliği, aralık varyasyonu veya sürekli değişkenlerin ikiye ayrılması gibi metodolojik faktörlerdeki çalışmalar arasındaki farklılıklar, çalışma popülasyonu parametrelerinde farklılıklar yaratacaktır. Bu tür bir varyasyon tipik olarak mevcut olacaktır; bu nedenle, homojen çalışma popülasyonu etki büyüklükleri veya korelasyonları varsayımı yalnızca bu nedenle genellikle yanlış olacaktır.

Hedges-Olkin (1985) ve Rosenthal-Rubin (1982a, 1982b) meta-analiz yöntemlerinin yayınlanmış uygulamalarında kullanılan istatistiksel anlamlılık formülleri hemen hemen her zaman FE formülleridir. Tamamı psikolojinin önde gelen genel inceleme dergisi Psychological Bulletin’de yer alan sonraki yazıda yer alan meta-analizler bazı yeni örneklerdir.

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

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).

Bir müdahalenin etkisi ortamdan ortama değişebilir. Örneğin, eğitim programları nitelik, nicelik veya kursiyerlerin ortalama öğrenme yeteneği açısından farklılık gösterebilir. Eğer böyle olsaydı, o zaman kümülasyon formülleri popülasyon etki büyüklükleri için sıfırdan farklı bir varyans, yani SDδ için sıfırdan farklı bir değer verirdi.

Bu tür varyasyonu açıklayan moderatör değişkenlerin aranması ve tespiti, korelasyonel çalışmalarda moderatör değişkenlerin aranmasında izlenen prosedürle aynıdır. Gerçekten de, genel matematik her ikisi için de aynıdır. Özellikle, çalışmaların sayısı küçükse ve kodlanmış çalışma özelliklerinin sayısı büyükse, kör arama, şansa bağlı olarak kapitalizasyona oldukça yatkındır.

Bölüm 9, meta-analizde moderatörlerin hiyerarşik analizini ve ikinci dereceden örnekleme hatasının meta-analizde moderatör analizi üzerindeki etkisini tartışır.

Bir çalışma özelliğinin moderatör değişken olup olmadığını görmenin iki yolu vardır: Verileri alt kümelere bölmek için özelliği kullanın veya çalışma özelliğini etki büyüklüğü ile ilişkilendirin. Hangi yöntemin daha iyi çalıştığına dair bir fikir oluşturmak için her iki yöntemle de gerçekleştirilen yeterli meta-analiz bulunmaktadır. Genellikle “daha ​​karmaşık” olarak lanse edilen korelasyon yönteminin çok daha sık yanlış kullanıldığı izlenimimizdir. Bu nedenle, çoğu amaç için alt küme yönteminin kullanılmasını tavsiye ederiz.

Son olarak, meta-analizin moderatörleri yalnızca çalışma düzeyinde inceleyebileceğini belirtelim. Örneğin, bazı çalışmalar erkekler ve bazıları kadınlar üzerinde yapılmışsa, meta-analiz cinsiyeti potansiyel bir moderatör olarak inceleyebilir. Ancak, her çalışma kadın ve erkek kombinasyonunu temel alıyorsa ve yalnızca toplam grup sonuçlarını bildiriyorsa, cinsiyet moderatör olarak test edilemez.

Çalışma Alanı Alt Kümelerini Kullanma

Çalışmalar alt kümelere ayrılırsa öğrenilecek yeni bir hesaplama aracı yoktur. Araştırmacı, her bir alt küme içinde yalnızca ayrı bir meta-analiz gerçekleştirir. Çıplak bir meta-analiz için söylenecek başka bir şey yok. Ancak, örnekleme hatası dışındaki yapaylıklar, çoğu araştırma alanında kritik bir özellik olarak düzeltilecekse, o zaman ek bir tavsiyemiz daha var.

Çoğu zaman, diğer artefaktlar için artefakt bilgisi yalnızca ara sıra bulunur ve bu nedenle (bu bölümün ilerleyen kısımlarında tartışılacaktır) artefakt dağılımı meta-analizi kullanılmalıdır. Bu tür çoğu durumda, artefakt dağılımları, çalışmaların alt kümeleri içinde ayrı ayrı hesaplanmak yerine, tüm çalışmalar için daha iyi hesaplanır. Tüm etki alanı yapay dağılım değerleri daha sonra alt kümeler içi meta analizlerin hesaplanmasında kullanılır.

Veriler alt kümelere bölünürse, moderatör değişkenin kendisini göstermesinin iki yolu vardır. İlk olarak, alt kümeler arasında ortalama etki büyüklüğünde bir fark olmalıdır. İkincisi, alt kümeler içinde varyansta bir azalma olmalıdır. Bunlar bağımsız olaylar değildir.

meta-analiz çalışması örneği
Meta analiz çalışması Nedir
Meta-analiz ile literatür taraması arasındaki farklar
İş analizi soru Formu örnekleri
İs analizi süreci aşamaları
İs analizi örneği pdf
meta-analiz makale örneği
Meta-analiz pdf

Varyans analizindeki önemli bir teoremden, etki büyüklüğündeki toplam varyansın, alt kümeler arasındaki ortalama etki büyüklüklerindeki varyans ile alt küme içi ortalama varyansın toplamı olduğunu biliyoruz. Bu nedenle, alt küme ortalama etki büyüklükleri arasında büyük bir fark varsa, alt küme içi varyans genel varyanstan daha küçük olmalıdır.

Bu teorem, gözlemlenen etki büyüklüklerine veya popülasyon etki büyüklüklerine eşit derecede iyi uygulanır. Varyansın bileşenleri için olağan formül, düzeltilmemiş varyanslar yerine düzeltilmiş varyanslara uygulanırsa, sonuç aynıdır: Alt küme ortalamaları arasındaki büyük bir fark, genel varyansa göre ortalama alt küme içi varyans için daha düşük bir değer anlamına gelir. (Ancak, iki moderatör grubunda eşit olmayan sayıda çalışma ve çalışmalar içinde eşit olmayan N s olduğunda, iki varyansa uygulanacak uygun ağırlığı belirlemek zorlaştığından, ortalama alt küme içi varyansı tam olarak hesaplamak zorlaşır. Bu koşullar altında -ki aslında olağan koşullardır- yalnızca araçlar arasındaki farklılıklara odaklanmak en iyisidir.

Çalışma Karakteristik İlişkilerini Kullanma

Bunun yerine moderatör değişkenleri aramaya ilişkin korelasyon yaklaşımını düşünün. Bu yaklaşımda, kodlanmış çalışma özelliği ile gözlemlenen etki büyüklüğü arasında çalışmalar üzerinden bir korelasyon hesaplarız. Örnekleme hatasının bu korelasyon üzerindeki etkisi, ölçüm hatasının denekler üzerindeki değişkenler arasındaki korelasyon üzerindeki etkisine doğrudan benzer: Korelasyon sistematik olarak azaltılır.

Bu nedenle, örnekleme hatasının etkisi için etki büyüklüğü ile çalışma özelliği arasındaki bir korelasyonu düzeltmek, bu korelasyonu, etki büyüklüğündeki gerçek varyasyonun göreli boyutuyla orantılı olarak, örnekleme hatasının neden olduğu yapay varyasyona arttırmaktır. Bu, ölçüm hatası nedeniyle zayıflama düzeltmesine doğrudan benzer. Örnekleme hatası için bu Var(d) düzeltmesi, ölçüm hatası için olağan deney içi varyansın düzeltilmesiyle karşılaştırılabilir.

Gözlenen örnek etki büyüklüğü, bir çalışma özelliği ile ilişkilendirilirse, o zaman korelasyon, gözlemlenen etki büyüklüğündeki örnekleme hatası tarafından, kişiler arasındaki olağan korelasyonların ölçüm hatasıyla zayıflamasıyla aynı şekilde azaltılacaktır. Örnekleme hatası formülünü göz önünde bulundurun:

• di = δi + ei

ve yi ile gösterilen bir çalışma karakteristiğini düşünün. d ve y arasındaki çalışmalar arasındaki korelasyonu Cor(d, y) olarak belirtin.

• Cov(d, y) = Cov(δ, y) + Cov(e, y) (7.43)

Geniş bir çalışma grubu için, örnekleme hatası ile çalışma özellikleri arasındaki kovaryans 0 olacaktır. Bu nedenle, bir bütün olarak araştırma alanında örnekleme hatası, çalışma karakteristiğinin kovaryansına ve etki büyüklüğüne katkıda bulunmaz.

• Var(d) = Var(δ) + Var(e)

Örnekleme hatası, etki büyüklüklerinin varyansına katkıda bulunur. Böylece, örnekleme hatasının etkisi, payda karşılık gelen bir artış yapmazken, çalışmanın karakteristik korelasyonunun paydasındaki varyansı arttırmaktır. Bu nedenle, örnekleme hatasının etkisi, korelasyonun boyutunu azaltmaktır.

Çalışma karakteristik korelasyonu, ölçüm hatası korelasyonunun düzeltilmesi için formüle tam olarak benzeyen bir formül kullanılarak örnekleme hatası için düzeltilebilir. Bunu yapmak için, Rel(d) ile gösterilen bir “güvenilirliği” tanımlamak için ölçüm hatasını kullanırız ve ardından bunu gözlemlenen Cor(d, y) korelasyonunu olağan şekilde düzeltmek için kullanırız. Ölçüm teorisinde, rastgele hata ep’den etkilenen bir değişkenin güvenilirliği, gerçek T puanlarının varyansının, gözlemlenen X puanlarına oranıdır.

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

Bu bölüm, deneylerin ve müdahalelerin değerlendirilmesine ilişkin kapsamlı bir tartışma sunar. Bir sonraki bölüm, meta-analiz ve diğer daha teknik materyaller için nicel yöntemler ve formüller sunacaktır. Basitlik amacıyla, yalnızca iki gruplu bir deneyi ele alacağız. Burada geliştirilen ilkeler, daha karmaşık tasarımlar için de geçerlidir.

Bu sunum, Bölüm 2’deki korelasyonel çalışmalarla paralel olacaktır. Tipik çalışmalar için, örnekleme hatası, tedavi etkilerinde hataya neden olur ve çalışmaların birbiriyle tutarsız görünmesine neden olur. Olağan analiz güven aralıklarına dayalı olsaydı, örnekleme hatasının büyük etkileri fark edilecek ve çalışmalar arasındaki sahte farklılıklar uygun şekilde örnekleme hatasına atfedilecekti. Bunun yerine, çoğu araştırmacı, sorunu azaltmaktan ziyade ağırlaştıran istatistiksel anlamlılık testine güvenir.

Meta-analiz, örnekleme hatasından kaynaklanan farklılıkları, gerçek moderatör değişkenlerinden kaynaklanan farklılıklardan ayırabilir. Tedavi etkileri diğer artefaktlar tarafından da bozulur: bağımlı değişkende ölçüm hatası, tedavi değişkeninde ölçüm hatası (yani, nominal tedavi ile gerçek tedavi arasındaki farklar), sürekli bağımlı değişkenin ikiye ayrılması, bağımlı değişkende aralık değişimi değişken, bağımlı değişkende mükemmel yapı geçerliliğinin olmaması, tedavi değişkeninde mükemmel yapı geçerliliğinin olmaması (örneğin, amaçlanan tedavi etkisinin diğer istenmeyen etkilerle karıştırılması), tedavi etkisinin tahmininde yanlılık ve ayrıca kötü veriler raporlama hataları, hesaplama hataları, transkripsiyon hataları vb. nedeniyle yapılır. 

Artefaktlar tarafından üretilen tedavi etkilerindeki çarpıklıklar, tedavi etkilerinin “etkisi oldu” veya “etkisi olmadı” şeklindeki geleneksel ikili tanımlamayla kamufle edildi. Çoğu artefakt, tedavi etkisinin boyutunu azaltır. Azaltmak için bir etki olmasaydı, artefakt bozulmaya neden olmazdı. Bu nedenle, “etki yok” sıfır hipotezi altında, örnekleme hatası dışındaki yapaylıklar önemsiz hale gelir ve geleneksel olarak göz ardı edilir.

Bununla birlikte, meta-analiz, nihilist sıfır hipotezinin nadiren doğru olduğunu göstermiştir. Örneğin, tartışıldığı gibi, Lipsey ve Wilson (1993), 300’den fazla psikolojik müdahalenin (tedavi koşulları) mevcut meta-analizlerini incelemiş ve tedavilerden sadece ikisinin (%1’den az) esasen etkili olduğunu bulmuşlardır. 

Bu büyük çalışmaya dayanarak, psikolojik tedavilerle ilgili çalışmalarda sıfır hipotezinin yanlış olduğu önceki olasılığı 0,993 olarak tahmin edilebilir. Çoğu araştırma alanında, sıfır hipotezi doğru değildir ve yapay ürünlerin etkisindeki azalmanın gerçek ve önemli bir etkisi vardır.

Diğer şeylerin yanı sıra, bir artefakt tarafından çalışma etkisinin boyutundaki azalma, geleneksel istatistiksel anlamlılık testinin (çoğu çalışma için en iyi koşullarda yüksek olan) hata oranını artırır. Çalışmalar arasındaki artefaktların kapsamındaki farklılıklar, çalışmalar arasındaki etkilerde belirgin farklılıklara neden olur, yani hiçbir şeyin olmadığı durumlarda tedavi etkileşimleri yoluyla durumun (veya ortamın) görünümünü üretir.

Bu bölüm, tedavi etkisinin nicelleştirilmesinin tartışılmasıyla başlayacaktır. Ardından, inceleme çalışması bağlamında örnekleme hatasının etkilerini ve geleneksel istatistiksel anlamlılık testinin başarısızlığını gösteren varsayımsal çalışma arası verileri sunacağız. Daha sonra, örnekleme hatası dışındaki eserler hakkında önemli bir tartışma sunacağız. Bu diğer eserler, doğaları gereği rastgele değil, genellikle sistematik olsalar da, aynı büyüklükte olabilirler.

Meta analiz araştırması nedir
meta-analiz çalışması örneği
Meta analiz Nedir
Meta-analiz ve derleme arasındaki fark
Meta-analiz pdf
meta-analiz makale örneği
Meta analiz çalışması
Meta-analiz özellikleri

Tedavi Etkisinin Nicelenmesi: d İstatistik ve Nokta İki Seri İlişkisi

Önemli bir konu, tedavi etkilerinin nicel veya ikili olarak tanımlanmasıdır. Geleneksel tanımlama ikiye ayrılır: Tedavinin ya etkisi oldu ya da hiç etkisi olmadı. Metodologlar uzun zamandır tedavi etkisini nicel biçimde tanımlamamız gerektiğini, yani tedavinin gerçek boyutunu tahmin etmemiz gerektiğini tartışıyorlar. İkili bir açıklama birkaç nedenden dolayı zayıftır.

İlk olarak, (1) bir tedavinin pratik önemini değerlendirmek için, (2) tedavilerin etkinliğini karşılaştırmak için, (3) bir teorinin doğrulanıp doğrulanmadığını belirlemek için kullanılabilecek bilgiler, büyük bir bilgi kaybı vardır. veya onaylanmadı ve (4) yol modelleri gibi nicel teorileri test etmek içindir.

İkincisi, tedavi etkisini ikiye ayırmadaki örtük varsayım, çoğu tedavinin etkisinin olmadığıdır. Bu doğru olsaydı, o zaman tedavi etkisinin 0 olmadığı ifadesinde önemli bilgiler olurdu. Ancak, daha önce tartışıldığı gibi, meta-analizler artık tedavilerin nadiren hiçbir etkisinin olmadığını göstermiştir. “Tedavinin hiçbir etkisi olmadı” sonucu genellikle hatalıdır.

Bu nedenle, bir tedavi için soru, gerçekten bir etkisinin olup olmadığı değil, etkinin bir teorinin öngördüğü kadar büyük olup olmadığı, etkinin pratik öneme sahip olacak kadar büyük olup olmadığı veya etkinin bazılarından daha büyük veya daha küçük olup olmadığıdır. diğer tedavi veya tedavinin bazı varyasyonları. Bu sorular ancak tedavi etkisinin büyüklüğü ölçülerek yanıtlanabilir.

Tedavi etkilerinin ikiye ayrılması, tedavilerin istatistiksel analizi ile de ilgilidir. Çoğu tedavinin hiçbir etkisinin olmadığı doğru olsaydı, o zaman iyi bir istatistiksel analiz Tip I hataya odaklanırdı: böyle bir etki olmadığı halde bir etkinin olduğu gibi yanlış bir sonuca varmak. Geleneksel anlamlılık testi, Tip I hataların zamanın %5’inden fazla olmayacağını garanti eder.

Bununla birlikte, meta-analiz şimdi bu nihilist sıfır hipotezinin nadiren doğru olduğunu göstermiştir. Sıfır hipotezi yanlışsa, o zaman tüm istatistiksel hatalar Tip II hatalar olacaktır: aslında bir etki varken yanlış bir şekilde hiçbir etki olmadığı sonucuna varmak. Göreceğimiz gibi, tipik numune boyutları için Tip II hata oranı oldukça yüksektir.

100’lük örneklem boyutları için, ders kitabı deneyleri için Tip II hata oranı yaklaşık %50’dir ve daha incelikli takip araştırmaları için Tip II hata oranı henüz daha yüksektir. Önemlilik testi hata oranının %85 kadar yüksek olduğu birçok önemli araştırma alanı vardır.

Boş hipotez çoğu araştırma alanında yanlış olduğundan, geleneksel anlamlılık testi çok yüksek bir hata oranına sahiptir. Bu yüksek hata oranı, geleneksel anlamlılık testinin aslında gözden geçirme çalışmaları düzeyinde ters etki yaptığı anlamına gelir.

Geleneksel anlamlılık testi için yüksek hata oranı, anlamlılık testi kullanılarak yorumlanan sonuçların çalışmalar arasında mutlaka tutarsız görünmesi gerektiği anlamına gelir. Örneğin, anlamlılık testi zamanın %50’sinde yanlışsa, çalışmaların yarısı önemli bir tedavi etkisine sahip olacak, ancak diğer yarısı yanlış bir şekilde tedavi etkisi göstermiyor gibi görünecektir.

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

Bu bölüm, meta-analizde doğrudan ve dolaylı menzil kısıtlamasının ayrıntılı bir istatistiksel analizini sunar. Bu bilgilerin çoğu yenidir ve bu kitabın 1990 baskısı yayınlandığında mevcut değildi. Bu bölümdeki materyallerin çoğu, bu kitabın geri kalanından daha tekniktir. Ancak, açıklanan ve gösterilen aralık kısıtlama düzeltmeleri için teknik temeli sağlaması açısından gereklidir. Bu düzeltmeler, açıklanan meta-analiz için dört bilgisayar programında da kullanılmaktadır.

Stauffer’ın (1996) yakın tarihli bir makalesi ve Mendoza ve Mumford’un (1987) bir makalesi, geçmişteki meta-analiz prosedürlerinin ve genel olarak menzil düzeltme yöntemlerinin menzil kısıtlaması ve menzil kısıtlaması için düzeltmelerle optimal olarak ilgilenmediğini açıkça ortaya koymuştur. Çoğu istatistiksel teknik gibi, menzil kısıtlaması da ilk önce tamamen güvenilir bir ölçüm bağlamında düşünüldü.

Bağımsız değişken (yordayıcı) mükemmel bir şekilde ölçülürse, dolaylı menzil kısıtlamasını düzeltme prosedürü, doğrudan menzil kısıtlamasını düzeltme prosedürüyle aynıdır. Doğrudan menzil kısıtlamasını anlamak matematiksel olarak çok daha kolay olduğu için, çoğu araştırmacı önce doğrudan kısıtlamanın nasıl düzeltileceğini öğrenmiş ve daha sonra hem doğrudan hem de dolaylı menzil kısıtlaması durumlarına doğrudan kısıtlama için düzeltme denklemini uygulamıştır. Bununla birlikte, bağımsız değişken tam olarak ölçülmediğinde, prosedür aynı değildir ve altında yatan mantığın çoğu da farklıdır.

Mevcut tedavi, bu muhakemenin kapsamlı bir incelemesinden kaynaklanmıştır. Ortaya çıkan çıkarımlar, eğitim ve istihdam seçimi alanlarında meta-analiz bulguları için özellikle önemlidir. Örneğin, bilişsel yeteneklerin öngörücü geçerliliğinin önemli ölçüde küçümsenmiş olması muhtemeldir. Daha sonra göstereceğimiz gibi, bilişsel yetenekler ile iş performansı arasındaki korelasyon, literatürdeki mevcut tahminlerin gösterdiğinden çok daha büyüktür. Menzil kısıtlamasının bir faktör olduğu diğer araştırma alanları için çıkarımlar aynı şekilde önemlidir.

Mendoza ve Mumford (1987), bireysel çalışma düzeyinde doğrudan ve dolaylı menzil kısıtlamasının matematiğindeki farklılıklara odaklandı. Bizim tedavimiz, bu farklılıkların meta-analiz yöntemleri için çıkarımlarını açıklaması bakımından Mendoza ve Mumford’un (1987)kinden farklıdır. Meta-analizi üç bağlamda tartışıyoruz: (1) menzil kısıtlaması olmayan alanlar, (2) doğrudan menzil kısıtlaması olan alanlar ve (3) dolaylı menzil kısıtlaması olan alanlardır.

Mevcut tüm yapay dağılım meta-analiz yöntemleri, rastgele-etkiler meta-analiz modelleridir. Bu yöntemler, aralık kısıtlaması olmayan araştırma alanlarında doğrudur. Sunulan çarpımsal yöntemler ve Callender-Osburn (1980) yöntemi, bu tür alanlar için en basit yöntemlerdir ve orada mükemmel çalışırlar. Veriler doğrudan menzil kısıtlaması ile karakterize edildiğinde, mevcut modeller makul ama tam olarak doğru değildir.

Schmidt, Gast-Rosenberg ve ark.’nın orijinal etkileşimli yöntemi. (1980), Callender-Osburn (1980) ve Raju-Burke (1983) yöntemlerinde olduğu gibi doğrudan menzil kısıtlamasını varsayar. Menzil kısıtlama zayıflama denkleminin doğrusal olmaması nedeniyle, bu yöntemlerin hiçbiri tam olarak doğru değildir.

Hepsi, ortalama korelasyonun çok doğru tahminlerini üretir, ancak tümü, popülasyon korelasyonlarının (SDρ) standart sapmasını biraz fazla tahmin etme eğilimindedir. Bu bölümde daha önce tartışıldığı gibi, bu hataları azaltmak için bu yöntemlerin rafine versiyonları türetilmiştir, ancak SDρ’nin biraz fazla tahmin edilmesi söz konusudur. Bu kitabın yayınlanmasına kadar, dolaylı menzil kısıtlaması için mevcut bir meta-analiz modeli yoktu.

meta-analiz çalışması örneği
Meta-analiz ve derleme arasındaki fark
Meta-analiz pdf
Meta analiz Nasıl yapılır
meta-analiz makale örneği
Meta-analiz programı
Meta analiz çalışması
CMA meta-analiz programı indir

Aralık Kısıtlaması Olmayan Alan Adları

Menzil kısıtlaması olmadığında, eserler basit eserlerdir. Her yapı çarpanı, diğer yapıtlardan tamamen ayrı olarak hesaplanabilir ve hesaplanır. Bu, her artefaktın farklı bir çalışma kusuruna bağlı olduğu ve diğer eserler için bundan bağımsız bir nedensel yapıya sahip olduğu gerçeğini yansıtır. Menzil kısıtlaması durumunda bunun doğru olmadığını daha sonra göreceğiz. Bu nedenle, bu bölüm, menzil kısıtlamasının karmaşık artefaktı hakkında daha sonra yapacağımız değerlendirmenin temelini oluşturur.

Tüm popülasyonların hem bağımsız hem de bağımlı değişken üzerindeki varyasyon açısından eşdeğer olduğu bir araştırma alanı düşünün. Bu durumda, aralık kısıtlaması oluşmaz, ancak başka yapaylıklar mevcuttur. Örneğin, sosyal bilimlerde hiçbir önemli değişken mükemmel bir şekilde ölçülemez; hepsinde en azından bir dereceye kadar ölçüm hatası vardır.

Ölçüm hatası, bireysel konu puanları düzeyinde rastgeledir, ancak nüfus istatistikleri düzeyinde sistematik bir etkiye sahiptir. Özellikle iki değişkenin ölçümleri arasındaki korelasyon, bağımsız değişkende ölçüm hatası olduğu ve bağımlı değişkende ölçüm hatası olduğu ölçüde boyut olarak küçülür.

Bir korelasyon kullanarak etki büyüklüğünü ölçtüğümüzü varsayalım. Varsayımsal metodolojik olarak mükemmel bir çalışmada, çalışmada hesaplanan korelasyon gerçek etki büyüklüğü olacaktır. Güvenilirlik teorisine benzeterek, buna “doğru” etki büyüklüğü diyoruz, burada “doğru” kelimesi “hatasız tahmin edilen” anlamına gelir. Psikometrik literatür, tipik olarak, tam olarak bir kusuru olan bir çalışmayı dikkate alır – belirlenmiş artefakt ve kusurlu çalışma için çalışma popülasyonu korelasyonunu hesaplar.

Çoğu artefakt için, metodolojik olarak kusurlu etütteki korelasyon, mükemmel etüdün korelasyonundan daha küçük olacaktır. Bu nedenle, kusurlu çalışma sonucunun, mükemmel çalışma sonucuna kıyasla “zayıflatılmış” (aşağı yönlü) olduğu söylenir. Artefakt ölçülebiliyorsa, o artefakt tarafından üretilen zayıflama için bir formül türetmek mümkün olabilir. Zayıflama formülünün genel biçimi, mükemmel korelasyonun artefakt büyük olduğu ölçüde küçük bir kesir ile çarpıldığı bir çarpmadır:

Tek artefakt zayıflama formülü:

ρ = mükemmel çalışmanın sonucu,
ρ0 = kusurlu çalışmanın sonucu,
a = artefakt boyutunun nicel ölçüsü.

Rastgele Ölçüm Hatası

Örneğin, bağımsız değişkendeki rastgele ölçüm hatasını düşünün. T gerçek puan ve X gözlemlenen puan ise, gerçek etki büyüklüğü ρTY ve kusurlu çalışma sonucu ρXY’dir. Artefakt çarpanı a, bağımsız değişken için gerçek puan ile gözlemlenen puan arasındaki korelasyondur; yani, a rXT’dir. Tarihsel tesadüfen, bu çarpan orijinal teorilerde isimlendirilmemiştir; bunun yerine bu çarpanın karesine “güvenilirlik” adı verildi.

Yani, adımızla, genellikle rXX olarak gösterilen istenen çarpanın karesi olan “güvenilirliğe” sahibiz. Kareköksüz bir dile sahip olmak için çarpana değişkenin “kalitesi” diyoruz.

The post Yeni Teknik Analiz – 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).

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).