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

Denek Etkileşimine Göre Tedavi

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

• F = SV(OG)/Tah. Var(f )

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

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

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

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

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

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

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

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

İki Tasarımda İstatistiksel Güç

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

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

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

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

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

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

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

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