Araştırma sonuçlarına odaklanan tüm değerlendirmeleri meta- analizlerdir. Meta-analizi diğer yaklaşımlardan araştırma sentezinden ayıran şey, bulguları sonuç çıkarmak için sentezleme yöntemidir. Gösterilen yöntemler, nitelden kantitatif senteze kadar bir süreklilik olarak görülebilir. Soldaki anlatı incelemesidir.

Burada, gözden geçiren, ilgili araştırmayı değerlendirir ve bir şekilde sonuçlar çıkarır. Bu “bir şekilde” bu niteliksel veya nariye, araştırma sentezine yaklaşımın sınırlarını temsil eder. Gözden geçirenin sonuçları nasıl çizdiği tam süreci bilinmemektedir veya en azından ifade edilmemektedir, bu nedenle araştırma sonuçlarında öznellik için görülebilir bir yer var.

Sadece öznel önyargının ortaya çıkması potansiyelinin ötesinde, bu yaklaşımın araştırma yapmasına ilişkin yaklaşım, gözden geçirenin bilgiyi sürdürme yeteneğini vergiler. Araştırma sonuçlarını sentezlemeye çalışan gözden geçirenler niteliksel olarak daha fazla tutarsızlığı algılama eğilimindedir ve meta-analitik sentezler gerçekleştirenlerden daha küçük etkilerin daha küçük büyüklüğünü algılama eğilimindedir. Toplamda, ampirik raporları okuma araştırmalarını gözden geçirme ve “bir şekilde” çizim sonuçlarını gözden geçirme yöntemi, öznelliğe eğilimlidir ve sonuçları elde edilmesini zorlaştıran gözden geçirenlere yöneliktir.

Şekil 1.1’in doğru veya nicel yöne doğru ilerlemek, gayrı resmi ve resmi olarak adlandırdığım iki oy sayma yöntemidir. Her ikisi de, araştırma çalışmalarından, önemli pozitif, anlamlı olumsuz veya önemsiz sonuçlar açısından etkilerinin önemini göz önünde bulundurarak ve daha sonra, bir sonuç bulurken çalışmaların sayısına dayanarak sonuçları çizer.

Gayri resmi (Geleneksel olarak da adlandırılır) oy sayımı, “çoğunluk kuralları” kriterlerine dayanarak sadece sonuçları çözmeyi içerir; Bu nedenle, daha fazla çalışma, diğer etkileri bulmaktan daha önemli bir olumlu bir etki bulursa, biri olumlu bir etki olduğunun sonucuna varır. Daha resmi bir oy sayma yaklaşımı, Tip I hata oranları verilen beklenen sonuçların beklenen sıklığının istatistiksel analizini kullanır (örneğin, .05’in geleneksel bir tür I hata oranı göz önüne alındığında, çalışmaların% 5’inden fazla bir etki bulduk mu? ).

Her ne kadar oy sayma yöntemleri, etki boyutları üzerindeki bilgiler kullanılamadığında faydalı olsa da, onları bu kitapta iki nedenden ötürü tartışmayacağım. Birincisi, etkilerin varlığının sonuçları (yani, istatistiksel anlamlılık), bu çalışmada açıklanan meta-analitik prosesler kullanılarak daha güçlü bir şekilde belirlenebilir. İkincisi, tek başına önemin sonuçları tatmin edici değildir ve meta-analizin odağı, etkinin büyüklüğü hakkında bilgi sağlayan etkinin boyutları üzerindedir.

Sağ tarafta, sonuçların bireysel çalışmalardan yapılan etki boyutlarının istatistiksel analizine dayandığı bir araştırma sentezi şekli olan meta-analiz. Burada umut, bu taksonominin meta-analizin bir literatür taraması yapılması için tek bir yaklaşım olduğunu açıkça ortaya koyuyor.

Spesifik olarak, meta-analiz, etki boyutları şeklinde ampirik araştırma sonuçlarını sentezlemek için kantitatif bir yöntemdir. Bu özelliğe rağmen, meta-analiz, bilimsel bilgiyi geliştirmek için esnek ve güçlü bir yaklaşımdır, bununla, ampirik bilimlerin temeli olan ampirik bulguları birleştirmek için istatistiksel olarak savunulabilir bir yaklaşımı temsil eder.

meta-analiz çalışması örneği
cma ile meta-analiz
Meta analiz çalışması
Meta-analiz özellikleri
Meta-analiz programı
Meta-analiz yöntemi
Meta-analiz pdf
Meta-analiz Sistematik derleme farkı

Meta-Analiz’in Kısa Bir Geçmişi

Bu bölümde, meta-analiz tarihini kısaca özetliyorum. Amacım bu tarihi ayrıntılı olarak ayrıntılı bir şekilde değil. Bunun yerine, yalnızca bu yazıda tarif edilen tekniklerin nereden kaynaklandığını size bir anlam ifade etmek için temel bir genel bakış sunmayı umuyorum.

İstatistiksel olarak sonuçları birden fazla çalışmadan birleştirmeye yönelik bireysel bireysel girişim var. Olkin (1990), 1904’teki Karl Pearson’ın çalışmalarını, inokülasyon ve tifo-ateş arasındaki ilişkileri sentezlemek için, 1930’lardan birkaç benzer yaklaşım açıklandı. 1940’larda ve 1950’lerde gelişmiş problemleri birleştirme yöntemleri. Ancak bu yaklaşımlar, 1970’lere kadar sosyal bilimlerde küçük bir uygulama gördü.

Sadece 1970’lerin sonunda meta-analizin sosyal bilimlerde kalıcı bir yer olduğunu buldu. Birkaç araştırmacı grup bu süre zarfında teknikte geliştirilmesine rağmen, “meta-analiz” terimini tetikleyen gen cam ve meslektaşlarının çalışmasıydı ve özellikle psikoloji alanında yaklaşıma dikkat çekti.

Spesifik olarak, Smith ve Cam (1977), psikoterapinin etkinliğinin bir meta-analizini, psikoterapinin etkili olduğunu ve farklı terapilerdeki etkinlikte etkinlikte çok az fark olduğunu göstermektedir. Cam tarafından tanıtılan eski bulgu muhtemelen çok az anlaşmazlıkla alınmış olsa da, Smith ve Cam ile ikincisi bulma tartışmalı ve önemli bir eleştiri yapıldı.

Smith’in tartışmalı niteliği ve camın sonucunun meta-analiz için hem olumlu hem de olumsuz sonuçları vardı. Pozitif tarafta, psikoterapilerin göreceli etkinliğinin zor sorusuna olan ikna edici yaklaşımları, muhtemelen meta-analiz değerinin birçoğunu ikna etti.

Olumsuz tarafta, bu özel çalışmanın eleştirileri (daha az tartışmalı bir konunun meta-analizine karşı seviyelendirileceğinden daha fazla olduğuna inanıyorum), genellikle meta-analizlerin tüm uygulamalarına genelleştirildi. 

Bu özel meta-analiz tanıtımının tartışmalı niteliğine rağmen, önümüzdeki yıllar bu yaklaşımda hızlı bir artışa tanık oldu. 1980’lerin başında, meta-analiz tekniklerini açıklayan birkaç kitap yayınlandı. Kısa süre sonra, Hedges ve Olkin (1985), geleneksel stajlara derinden köklü olan meta-analiz üzerinde bir çalışma yayınladı. Bu köklenme, hem formalite getirme hem de algılanan istatistiksel liyakat getirmenin yanı sıra, meta-analitik tekniklere müteakip ilerlemeler için bir başlangıç ​​noktası olarak hizmet etmenin yanı sıra önemliydi.

On yıllar, meta-analizin sosyal bilimlerin tanıtılmasından bu yana bu tekniğin kullanımını arttırdılar. Son otuz yıl boyunca sosyal bilim araştırmalarında yaygın kullanımı göz önüne alındığında, meta-analizin kaldığı görülmektedir. Bu nedenle tek başına, bilim adamları bilimsel literatürü anlamak için bu yaklaşıma aşina olması gerekir.

Bununla birlikte, meta-analizi anlamak sadece yaygın olarak kullanıldığı için değerlidir; Daha da önemlisi, meta-analiz yaygın olarak kullanılmaktadır, çünkü mevcut ampirik literatürü sentezlemek için güçlendirici bir yaklaşımı temsil eder ve bilimin ilerlemesine katkıda bulunur. Bu yazının geri kalanındaki hedefim, bu değeri size göstermenin yanı sıra, birinin meta-analitik bir inceleme nasıl yürüttüğünü açıklamaktır.

The post Meta-Analiz Geçmişi – 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).

Spector ve Levine’in oranlarının tersini kullanmış olsalardı aynı sonuca varamayacaklarına dikkat edilmelidir. Yani, Se2/Sr2 yerine Sr2/Se2 kullanmış olsalardı, ortalama oranın 1.00 olduğunu bulurlardı. Bu tersine çevrilmiş oran ile, olası en uç değer 0’dır (∞ yerine) ve oranların dağılımı çok daha az çarpıktır.

Bu nokta, ikinci dereceden meta-analizler, yani meta-analizlerin meta-analizleri için önemli çıkarımlara sahiptir. Daha önce belirtildiği gibi, ikinci mertebeden meta-analiz, benzer meta-analizler üzerinden artefaktların açıkladığı varyans yüzdesinin ortalaması alınarak gerçekleştirilir. Herhangi bir meta-analizde, bu yüzde, artefakt tarafından tahmin edilen varyansın (örnekleme varyansı artı diğer artefaktlardan kaynaklananlar) gözlemlenen varyansa oranıdır.

Bu oranın bir bölü tersine çevrilmiş Sr2/Se2 oranıdır. İkinci derece meta-analizde, bu tersine çevrilmiş oranın çalışmalar arasında ortalaması alınmalı ve ardından bu ortalamanın tersi alınmalıdır. Bu prosedür, Spector-Levine çalışmasında ortaya çıkan yukarı yönlü yanlılığı önler ve artefaktlardan kaynaklanan meta-analizlerde ortalama varyans yüzdesinin tarafsız bir tahminiyle sonuçlanır. 

Meta-analiz, (birinci dereceden) örnekleme hatasının bozucu etkisi nedeniyle tekli çalışmalarda ne kadar az bilgi olduğunu açıkça ortaya koymuştur. İkinci mertebeden örnekleme hatasının incelenmesi, meta-analitik olarak birleştirilmiş birçok çalışmanın bile (ortalamalar hakkında önemli bilgiler sağlasalar da) çalışmalar arası varyans hakkında sınırlı bilgi içerdiğini göstermektedir.

Çalışmalar arası varyansın doğru analizleri, ya önemli sayıda çalışmaya dayanan meta-analizleri ya da benzer meta-analizlerin meta-analizlerini (ikinci derece meta-analizleri) gerektirir. Bunlar davranışsal ve sosyal bilimlerde (veya başka herhangi bir alanda, örneğin tıpta) küçük örneklem araştırmalarının gerçekleri ve doğal belirsizlikleridir. Bu problemlerin mükemmel bir çözümü yoktur, ancak meta-analiz mevcut en iyi çözümdür. Çalışma sayısı arttıkça, ardışık meta-analizler giderek daha doğru hale gelecektir.

Büyük-N Çalışmaları ve Meta-Analiz

Bazıları, meta-analiz ihtiyacının yalnızca, tipik olarak düşük istatistiksel güç seviyelerine sahip küçük örneklemli çalışmaların bir sonucu olduğunu savundu. Araştırmacıların yalnızca büyük örneklemli çalışmalar yapması gerektiği ve bu tür çalışmaların daha yüksek istatistiksel güçleri ile meta-analizi gereksiz kılacağı iddiası ileri sürülmektedir.

Bu pozisyonu üç nedenden dolayı sorguluyoruz: (1) Korelasyonların ve etki büyüklüklerinin kalibrasyonu için literatürde mevcut olan toplam bilgi miktarında bir azalmaya yol açar, (2) potansiyel moderatörlerin varlığını tespit etme kabiliyetini azaltır, ve (3) meta-analiz ihtiyacını ortadan kaldırmaz.

Meta-analiz özellikleri
Meta-analiz çalışmaları
Meta-analiz pdf
Bilgi güvenliği risk analizi Tablosu
meta-analiz çalışması örneği
Meta-analiz Sistematik derleme farkı
Meta analiz Nedir
Meta-analiz Kitap

Analizde Bilgi Kaybı

Pratik nedenlerden dolayı birçok araştırmacı, tüm çabalarına rağmen büyük örneklem büyüklükleri elde edemez. Büyük N’ler için bir gereklilik getirilirse, aksi takdirde yürütülecek ve yayınlanacak olan birçok çalışma, sonraki meta-analizlere faydalı bilgilere katkıda bulunabilecek çalışmalar yapılmayacaktır.

Personel psikolojisinde geçerlilik çalışmaları alanında olan da budur. Schmidt, Hunter ve Urry’nin (1976) geleneksel geçerlilik araştırmalarındaki istatistiksel gücün ortalama sadece yaklaşık .50 olduğunu gösteren çalışmasının yayınlanmasından sonra, yayınlanan çalışmaların ortalama örneklem büyüklüğü 70’ten 300’ün üzerine çıktı.

Bununla birlikte, geçerlilik genelleme çalışmalarına giriş için yılda veya on yılda (bir meta-analizde Ns olarak ifade edilen) oluşturulan toplam bilgi miktarının azalmasıyla sonuçlanarak, çalışmaların sayısı önemli ölçüde azaldı. Yani, çok sayıda küçük örneklemli çalışmalardan önceki dönemde üretilen toplam bilgi miktarı, daha sonraki dönemde çok daha az sayıda büyük örneklemli çalışmalarda üretilenden daha fazlaydı. Dolayısıyla, geçerlilikleri kalibre etme yeteneğinde net bir kayıp vardı.

Potansiyel Moderatörleri Tespit Etme Yeteneği

Daha önce açıklanan durum, tespit edilecek moderatör değişkenler olmasa bile, yani çalışılan tüm geçerlilik alanlarında SDρ = 0 olsa bile net bir bilgi kaybı yaratır. SDρ = 0, yetenek ve yetenek testlerinin yordayıcı alanlarında geçerli bir hipotez olmasına rağmen, bu hipotez diğer bazı yordayıcı alanlarda (örneğin, değerlendirme merkezleri, üniversite notları) geçerli olmayabilir.

Ve personel seçimi dışında pek çok araştırma alanında kesinlikle geçerli değildir.SDρ = 0 ise, toplam çalışma sayısının bir önemi yoktur; VG çalışmasının doğruluğunu belirlemede önemli olan tek şey, VG analizindeki tüm çalışmalarda toplam N’dir. Daha önce açıklandığı gibi, bu toplam N son yıllarda azalmıştır. Ancak SDρ > 0 ise, doğru bir SDρ tahminine sahip olmak çok önemlidir.

SDρ tahmininde N, çalışmaların sayısıdır. Bu nedenle, meta-analizde toplam N’yi sabit tutarak, az sayıda büyük çalışma, çok sayıda küçük çalışmaya göre daha az doğru SDρ tahmini sağlar. Çok sayıda küçük çalışma, çok daha fazla sayıda potansiyel moderatör dizisini örneklemektedir—aslında, her küçük çalışma, SDρ > 0’a katkıda bulunabilecek farklı potansiyel moderatörleri örneklemektedir.

Örneğin, VG çalışması için toplam N’nin 5.000 olduğunu varsayalım. Bu toplam N, her biri N = 1.250 olan dört çalışmadan oluşuyorsa, SDρ tahmini yalnızca dört veri noktasına dayanır: ρ dağılımından dört örnek. Öte yandan, bu toplam N, her biri N = 100 olan 50 çalışmadan oluşuyorsa, o zaman SDρ tahmini, ρ dağılımından örneklenen 50 veri noktasına dayanır ve bu nedenle çok daha doğru olması muhtemeldir. Bu, Cook ve Campbell’in “dış geçerlilik” dediği şeyi büyük ölçüde artırır.

Bobko ve Stone-Romero (1998), SDρ için bu aynı düzeydeki tahmin kesinliğinin, tek bir büyük-N çalışmasıyla, aslında büyük bir çalışmayı birçok küçük çalışmaya bölerek elde edilebileceğini savundu. Bunun doğru olması pek olası değil. Tek bir büyük çalışma, tek bir araştırmacının veya bir dizi araştırmacının tek bir çalışmayı yürütme şeklini yansıtır: aynı ölçümler, aynı popülasyon, aynı analiz prosedürleri vb.

Bağımsız olarak yürütülen 50 çalışmada bulunan yöntemlerdeki ve potansiyel moderatör değişkenlerdeki varyasyon türlerini kendi içinde içermesi pek olası değildir. Bunu görmenin başka bir yolu, çalışmaların farklı türde tekrarlarının sürekliliğini göz önünde bulundurmaktır. Gerçek bir tekrarda, aynı araştırmacı yeni çalışmayı orijinal çalışmadakiyle tamamen aynı şekilde yürütür.

The post Analizde Bilgi Kaybı – 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).

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Bu bölüm, 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).

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

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

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

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

r Versus r2: Hangisi Kullanılmalı?

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

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

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

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

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

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

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

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

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

• YˆIQ = .894(H ) + .447(E)

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

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

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

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

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

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

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

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

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

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

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

1. Aşama: Artefakt Bilgilerini Biriktirme

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

Aşama 2a: Ortalama Korelasyonu Düzeltme

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

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

Aşama 2b: Korelasyonların Standart Sapmasını Düzeltme

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

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

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

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

Artefakt Dağılımı Meta-Analiz

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

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

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

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

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

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

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