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

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

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

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

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

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

Bireysel Düzeltilmiş Çalışmaların Meta Analizi

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

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

Artifakt Dağılımları ile Meta-Analiz

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

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

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

Artefakt Dağıtımları

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

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

d Değerlerinin Meta-Analizinin Özeti

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

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

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

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

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

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

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

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).

Geleneksel inceleme prosedürleri, çok sayıda çalışma arasında çelişkili bulguları birleştirmek için yetersizdir. Glass’ın işaret ettiği gibi, yüzlerce çalışmanın sonuçları “verileri organize etme, tasvir etme ve yorumlama tekniklerinin yardımı olmadan 500 test puanının anlamını kavrayabileceğimizden daha fazla geleneksel anlatı söylemsel incelememizde kavranamaz.”

Sınıf büyüklüğünün öğrencinin öğrenmesi üzerindeki etkileri, IQ’nun yaratıcılıkla ilişkisi ve psikoterapinin hastalar üzerindeki etkileri gibi alanlarda, kelimenin tam anlamıyla yüzlerce çalışma sadece birkaç yıllık bir süre içinde birikebilir. Glass (1976), bu tür çalışmaların toplu olarak, bugüne kadar onlardan çıkarabildiğimizden çok daha fazla bilgi içerdiğini belirtti.

Bu altın bilgi madenlerinden yararlanmadığımız için “kanıtladığımızdan çok daha az şey biliyoruz” dedi. İhtiyaç duyulan şey, kurulması genel ilkeleri ve kümülatif bilgiyi oluşturacak olan, görece değişmez temeldeki ilişki ve nedensellik modellerini ortaya çıkarmak için mevcut çalışmalardan elde edilen sonuçları bütünleştirecek yöntemlerdir.

Psikoloji ve sosyal bilimler tarihinde bir zamanlar, söz konusu sorunu inceleyen daha fazla ampirik çalışma için acil ihtiyaç vardı. Birçok araştırma alanında, bugün ihtiyaç duyulan ek deneysel verilere değil, biriken çok büyük miktardaki veriyi anlamlandırmanın bazı yollarına ihtiyaç duyulmaktadır.

Mevcut çalışmaların sayısının oldukça fazla olduğu psikoloji ve diğer sosyal bilimlerdeki alanların sayısının artması ve genel bilgi oluşturmak için çelişkili bulguların bütünleştirilmesinin teori geliştirme ve pratik problem çözmenin önemi nedeniyle, meta-analiz oynamaya başladı. araştırmalarda giderek daha önemli bir rol oynamaktadır. Bu tür yöntemler, bize zaten aşina olan istatistiksel ve psikometrik prosedürler etrafında inşa edilebilir.

Glass’ın belirttiği gibi,

Çoğumuz araştırma verilerinin birincil analizinde değişkenler arasındaki karmaşık ilişkileri analiz etmek üzere eğitildik. Ancak daha yüksek düzeyde, varyans, tek biçimli olmama ve belirsizliğin daha az belirgin olmadığı durumlarda, nicel titizliğin yerine edebi açıklamayı çok sık koyarız. Araştırmanın uygun şekilde bütünleştirilmesi, birincil veri analizinde uygulanan aynı istatistiksel yöntemleri gerektirir.

meta-analiz çalışması örneği
Meta-analiz ve derleme arasındaki fark
Meta-analiz özellikleri
Meta analiz nasıl yazılır
Meta-analiz araştırması nedir
Meta analiz çalışması
meta-analiz makale örneği
Meta-analiz programı

Davranışsal ve Sosyal Bilimlerde Meta-Analizin Rolü

Psikolojik araştırmalara özgü küçük örneklem çalışmaları, görünüşte çelişkili sonuçlar üretir ve istatistiksel anlamlılık testlerine güvenmek, çalışma sonuçlarının daha da çelişkili görünmesine neden olur. Meta-analiz, araştırma literatürlerinin altında yatan daha basit ilişki modellerini ortaya çıkarmak için bu tür çalışmalarda bulguları bütünleştirir ve böylece teori geliştirme için bir temel sağlar. Meta-analiz, örnekleme hatasının, ölçüm hatasının ve çelişkili bulgular yanılsaması yaratan diğer yapay nesnelerin çarpıtıcı etkilerini düzeltebilir.

Herhangi bir bilimdeki amaç, birikimli bilgi üretimidir. Nihayetinde bu, bilimsel alanın odak noktası olan fenomenleri açıklayan teorilerin geliştirilmesi anlamına gelir. Bir örnek, kişilik özelliklerinin çocuklarda ve yetişkinlerde zaman içinde nasıl geliştiğini ve bu özelliklerin hayatlarını nasıl etkilediğini açıklayan teoriler olabilir.

Bir diğeri, hangi faktörlerin iş ve kariyer memnuniyetine neden olduğu ve iş tatmininin kişinin hayatının diğer yönleri üzerinde ne gibi etkileri olduğuna dair teoriler olacaktır. Ancak teoriler geliştirilmeden önce, değişkenler arasındaki ilişkileri tam olarak kalibre edebilmemiz gerekir. Örneğin, akran sosyalleşmesi ile dışa dönüklük düzeyi arasındaki ilişki nedir? İş tatmini ile iş performansı arasındaki ilişki nedir?

Değişkenler arasındaki bu tür ilişkileri tam olarak ayarlayamazsak, teoriler inşa etmek için hammaddelere sahip değiliz. Bir teorinin açıklayacağı hiçbir şey yoktur. Örneğin, dışadönüklük ile çocukların popülaritesi arasındaki ilişki, farklı çalışmalarda güçlü bir pozitiften güçlü bir negatif korelasyona ve aradaki her şeye kaprisli bir şekilde değişiyorsa, dışadönüklüğün popülariteyi nasıl etkileyebileceğine dair bir teori oluşturmaya başlayamayız. Aynı durum iş tatmini ile iş performansı arasındaki ilişki için de geçerlidir.

Talihsiz gerçek şu ki, çoğu araştırma literatürü bu türden çelişkili bulgular gösteriyor. Bazı çalışmalar istatistiksel olarak anlamlı ilişkiler bulurken bazıları bulamıyor. Birçok araştırma literatüründe, bu bölünme yaklaşık 50-50’dir. Bu davranışsal ve sosyal bilimlerin çoğu alanında geleneksel durum olmuştur. Bu nedenle, anlayış, teoriler ve kümülatif bilgi geliştirmek çok zor olmuştur.

Mükemmel Çalışma Efsanesi

Meta-analizden önce, bilim adamlarının araştırma literatürlerini anlamlandırmaya çalıştıkları olağan yol, anlatısal öznel inceleme kullanmaktı. Bununla birlikte, birçok araştırma literatüründe yalnızca çelişkili bulgular değil, aynı zamanda çok sayıda çalışma da vardı. Bu kombinasyon, standart anlatı öznel incelemesini neredeyse imkansız bir görev haline getirdi – bu, insan bilgi işleme üzerine yapılan araştırmaların insan yeteneklerinin çok ötesinde olduğunu gösterdi. Bir kişi oturup, diyelim ki 210 çelişkili araştırmayı nasıl anlamlandırabilir?

Pek çok anlatı incelemesinde geliştirilen yanıt, mükemmel araştırma efsanesi olarak adlandırılan şeydi. Hakemler, genellikle mevcut çalışmaların büyük çoğunluğunun “metodolojik olarak eksik” olduğuna ve incelemede dikkate alınmaması gerektiğine kendilerini ikna ettiler.

Bu metodolojik yetersizlik yargıları genellikle kendine özgü fikirlere dayanıyordu: Bir gözden geçiren, Peabody Kişilik Envanteri’ni “yapı geçerliliğinden yoksun” olarak görebilir ve bu aracı kullanan tüm çalışmaları atabilir. Bir diğeri, aynı envanterin kullanılmasını metodolojik sağlamlık için bir ön koşul olarak görebilir ve bu envanteri kullanmayan tüm çalışmaları ortadan kaldırabilir. Bu nedenle, herhangi bir gözden geçiren kişi, birkaç çalışma dışında hepsini değerlendirmeden çıkarabilir ve belki de çalışma sayısını 210’dan örneğin 7’ye kadar daraltabilir. Sonuçlar bu 7 çalışmaya dayalı olacaktır.

Uzun zamandır en çok okunan literatür incelemelerinin ders kitaplarında görünenler olduğu bir durum olmuştur. Ders kitaplarının, özellikle ileri düzey ders kitaplarının işlevi, belirli bir alanda bilinenleri özetlemektir. Bununla birlikte, hiçbir ders kitabı tek bir ilişki üzerine 210 çalışmayı alıntılayamaz ve tartışamaz. Ders kitabı yazarları genellikle bir veya iki “en iyi” çalışma olarak düşündükleri şeyleri seçer ve daha sonra ders kitabı sonuçlarını araştırma literatüründeki büyük miktarda bilgiyi atarak sadece bu çalışmalara dayandırırdı. 

The post Davranışsal ve Sosyal Bilimlerde Meta-Analizin Rolü – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

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

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

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

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

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

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

Rastgele Efektler Modelini Kullanarak Ana Etki İçin Güç

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

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

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

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

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

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

Açıklayıcı örnek

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

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

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

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

Rastgele Efektler Hakkında Notlar

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

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

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

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

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