Araştırma ve teori testi amaçları için, yapı düzeyinde korelasyonu bilmek istiyoruz. Böylece, hem tahmin edici hem de ölçüt ölçüsündeki rastgele ölçüm hatasının etkilerini ortadan kaldırmak istiyoruz. Zayıflama formülünün anahtarı, menzil kısıtlamasını en son olarak düşünmektir.

Menzil kısıtlaması için artifakt çarpanı burada daha da karmaşıktır. Payda sadeceρTPa init,butithasbothrXXa verYYa’ya sahip değildir. Yani, artifakt çarpanının değeri sadece kısıtlamanın boyutuna (uX ) değil, aynı zamanda gerçek etki büyüklüğüne (ρTPa ), bağımsız değişkenin güvenilirliğine (rXXa ) ve bağımlı değişkenin güvenilirliğidir (rYYa ).

Doğrudan Menzil Kısıtlamasında Meta-Analiz: Önceki Çalışma

Menzil kısıtlamasını içeren meta-analiz yöntemleri üzerinde çalışan üç araştırma ekibi vardır: kendimiz, Callender ve Osburn (1980) ve Raju ve Burke (1983). Üç takımın tümü için meta-analiz modeli, daha önce tartışılan modeldi: doğrudan menzil kısıtlaması modeli.

Menzil kısıtlaması gerçekten doğrudan kısıtlama ise, bu modelde sorun yoktur. Bu modelle ilgili sorun, menzil kısıtlamasının dolaylı olduğu alanlar için kullanılmış olmasıdır. Daha sonraki bir bölümde, daha önce verilen zayıflama formülünün dolaylı menzil kısıtlaması için geçerli olmadığını göstereceğiz.

Callender-Osburn (1980) çalışmasının en faydalı katkılarından biri, menzil kısıtlaması için artifakt çarpanını tahmin etmek için bir denklemdir.

Callender ve Osburn tarafından keşfedilen bu cebirsel özdeşlik, doğrudan menzil kısıtlaması için zayıflama modeli için geçerlidir. Ancak bu özdeşlik dolaylı menzil kısıtlaması için geçerli değildir. Ayrıca, daha sonra gösterildiği gibi dolaylı menzil kısıtlaması için çok yanlış olabilir.

Eğitim ve İstihdam Seçimi

Eğitim seçiminde, bağımlı değişken genellikle not ortalamasıdır (genellikle birinci yıl not ortalaması). Personel seçiminde, bağımlı değişken neredeyse her zaman ya iş performansı ya da eğitim performansı, kazalar, hırsızlık ya da işten ayrılma gibi bazı iş davranışlarıdır. Performans derecelendirmelerini göz önünde bulundurun. Performans derecelendirmelerine ilişkin tüm araştırmalar, zorunlu olarak görevdekiler üzerinde yürütülmüştür.

Örneğin, puanlayıcılar arası güvenilirlik bulgularının gözden geçirilmesi, çok ölçekli bir derecelendirme ölçeğinin puanlayıcılar arası ortalama güvenilirliğinin .47 olduğunu bulmuştur. Bu, yerleşik güvenilirliktir ve meta-analiz için zayıflama modeli olarak sunulan zayıflama formülünde kullanılmamalıdır. Başvuru sahibinin güvenilirliği daha yüksektir.

Prensip olarak, iki popülasyonda güvenilirliği ilişkilendiren geleneksel formül (genellikle “homojenlik formülü” olarak adlandırılır), mevcut güvenilirlikten başvuran güvenilirliğini hesaplamak için de kullanılabilir:

• uY = görevdekiSDY/başvuranSDY
• rYYi = görevdeki güvenilirlik
• rYYa = başvuru güvenilirliği

Bu formülle ilgili sorun, performans derecelendirmeleri için başvuru sahibinin standart sapması hakkında bilgi gerektirmesidir (çünkü uY = SDYi /SDYa ). Sadece görevliler için iş performansı derecelendirme verilerimiz olduğundan, bu standart sapma verilerden doğrudan tahmin edilemez. Ancak, rYYa’yı hesaplamak için kullanılabilecek başka bir formül daha vardır.

Pearson korelasyon katsayısı örnek soru
Otokorelasyon hesaplama
Çoklu korelasyon analizi
Korelasyon formülü
Korelasyon Nedir
Otokorelasyon Nedir
Pearson korelasyon katsayısı formülü
Korelasyon hesaplama

Burada XYi, mevcut örneklemde X ve Y arasında gözlenen korelasyondur. Gerçekçi bir vaka düşünün. uX = SDXi /SDXa = .70, rXYi = .25 ve rYYi = .47 olsun. Denklem (5.20) daha sonra rYYa = .50 verir. Bu nedenle, iş performansı derecelendirmelerinin güvenilirliği, aralık kısıtlaması olmadığında .03 (%6) daha da yüksek olacaktır.

Denklem (5.20), rYYa’nın bir tahminini sağlar ve bu, Denklem (5.18)’in kullanımını mümkün kılar. Ancak, yalnızca bir rYYi tahmini gerektiren bir hibrit model geliştirmek mümkündür. Bir sonraki bölümde açıklanan bu model, meta-analiz programlarındaki düzeltmelerin de dayandığı modeldir.

Hibrit Model

Çoğu araştırma alanında, bilinen kısıtlamasız gruptaki güvenilirliklerdir. Geleneksel yöntem bu alanlar için çalışır. Personel psikolojisi gibi alanlar için, bağımlı değişken güvenilirliği tipik olarak yalnızca yerleşik nüfus için bilinir. Bu durumda, aralık kısıtlamasından sonra ölçüt ölçüm yapaylığını tanıtan farklı bir model kullanarak verileri analiz edebiliriz. Bunun nedeni, bağımlı değişkendeki (Y) rastgele ölçüm hatalarının seçim sürecinden sonra ortaya çıkması ve bağımsız değişken (X) üzerindeki doğrudan seçimden de etkilenmemesidir.

Bu modelde zayıflama düzeltmesi üç adımda gerçekleşir. ρXYi ile başlıyoruz ve yerleşik güvenilirliği kullanarak kriter güvenilmezliği için düzeltiyoruz. Düzeltilmiş korelasyon ρXPi’dir. Bu korelasyon daha sonra menzil kısıtlaması için düzeltilir. Bu korelasyon ρXPa’dır. Araştırmacı gerçek puan (yapı düzeyi) korelasyonlarını isterse, ρXPa değeri daha sonra aday güvenilirliği rXXa kullanılarak tahmin edici güvenilmezliği için de düzeltilir.

Ortaya çıkan korelasyon, başvuran popülasyonda istenen ρTP tahminidir. Bu düzeltme dizisi, doğrudan aralık kısıtlaması için kullanılan ve  bu çalışmanın Ekinde açıklanan artefakt dağılımı meta-analiz programı INTNL-D’de ρ ̄ hesaplamak için de kullanılır.

Korelasyonları Bireysel Olarak Düzelten Meta-Analiz: Doğrudan Aralık Kısıtlaması

Artefakt dağılımına dayalı meta-analizin yanı sıra, ölçüm hatası ve aralık kısıtlaması için gözlemlenen her bir korelasyonu ayrı ayrı düzelten meta-analiz de gerçekleştirilebilir. Açıklanan bu prosedür daha az sıklıkla kullanılır, çünkü tipik olarak gözlemlenen tüm çalışma korelasyonları, hem bağımsız hem de bağımlı değişkenler için uX değerleri ve güvenilirlik tahminleri ile de raporlanmaz.

Ancak, bu gibi durumlarda, her bir bireysel çalışma korelasyonunu düzeltme prosedürü burada açıklanan prosedürdür. Daha önce açıklanan sembolizmi kullanarak, bu üç aşamalı prosedür tek bir denklemde de birleştirilebilir.

Artefakt Dağılımı Meta-Analiz: Doğrudan Menzil Kısıtlaması

Artifakt dağılımına dayalı meta-analiz, hibrit model düzeltmesi için daha önce açıklanan üç adımda gerçekleştirilebilir. “Çıplak kemikler” meta-analizinin sonuçlarıyla, yani ρXYi’nin tahmini ortalama ve standart sapması ile başlıyoruz. Ardından, düzeltmedeki üç adıma karşılık gelen üç meta-analiz yapmak için açıklanan çarpımsal yöntemleri de kullanabiliriz.

İlk adım, ρXPi’nin ortalama ve standart sapmasını hesaplamak için ρXYi’nin ortalamasını ve standart sapmasını kullanmaktır. Bu, bağımlı değişkendeki basit güvenilmezlik artefaktını düzelten bir meta-analizdir. Bu analizde yerleşik güvenilirlik bilgileri kullanılır. Bu hesaplamalar için yöntemler, daha önceki basit yapay nesneler tartışmasında da sunuldu.

The post Korelasyonları Bireysel Olarak Düzeltme – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Diyelim ki bağımsız değişkenin güvenilirliği gibi bazı artefaktlar hakkında düzensiz bilgiler var. Bazı çalışmalar güvenilirliği bildirirken, diğer çalışmalar vermemektedir. Aslında, daha önce belirttiğimiz gibi, meta-analizde çalışılan bağımlı değişkeni hiç kullanmayan çalışmalarda, yani meta-analiz için orijinal araştırma alanı dışındaki çalışmalarda bazı ölçekler için güvenilirlik tahminleri elde edebiliriz.

Bağımsız değişkenin yapı geçerliliğine ilişkin verilerin ağırlıklı olarak meta-analiz için araştırma alanı dışındaki çalışmalardan gelmesi muhtemeldir. Mevcut çalışmalar için, o artefakt için zayıflama faktörünü (bildirilen güvenilirliğin karekökü) hesaplamak için artefakt bilgisini (örneğin, o çalışmada bildirildiği üzere bağımsız değişkenimizin güvenilirliği) kullanabiliriz. Bu zayıflama faktörü değerleri, daha sonra, bu yapı için bir dağılım oluşturmak üzere çalışmalar arasında derlenebilir.

O zaman yapılacak meta-analizin doğasını düşünün. Düzeltilmemiş korelasyonların meta analizini yapmak için çalışma değerlerine sahibiz. Birkaç düzeltilebilir artefaktın her biri için, artefakt zayıflama faktörünün bir ortalama ve standart sapmasına sahibiz.

Bu artefakt dağılım değerleri daha sonra bu artefaktların etkileri için ilk meta-analizi düzeltmek için kullanılır. Ayrı ayrı yapılan artefaktların analizlerini, bunların birlikte nasıl çalıştıklarına dair bir analizde birleştirebilmemiz gerçeği, bağımsızlık varsayımından ve bileşik zayıflama faktörünün basitçe ayrı zayıflama faktörlerinin ürünü olduğu gerçeğinden kaynaklanmaktadır.

Ortalama Korelasyon

Düzeltilmemiş korelasyonların bir meta-analizi için, örnekleme hatası için temel denklemi şu şekilde yazarız. Ortalama düzeltilmemiş korelasyonun, gerçek korelasyonların ortalamasından daha küçük olacağını biliyoruz çünkü çalışma korelasyonları, ölçüm hatası gibi artefaktlar tarafından zayıflatıldı.

Soru şu: Ortalama korelasyon ne kadar zayıfladı? Düzeltilebilir artefaktların etkisi sistematik olduğundan, bu sorunun cevabının artefakt etkisinin cebirsel olarak tersine çevrilebileceği bir cebirsel denklem olacağını ummak mantıklıdır. Şimdi bu denklemi türeteceğiz.

Bileşik artefakt çarpanı Ai çoğu çalışma için bilinmemekle birlikte, kesin bir sayıdır ve bu nedenle sanki biliniyormuş gibi denklemlerimize girilebilir.

Yani, ortalama çalışma korelasyonu, o çalışma için gerçek çalışma korelasyonu ve artefakt zayıflama faktörünün ürünlerinin ortalamasıdır. Bir üründeki iki değişken bağımsız ise, ortalama ürün, ortalamaların ürünüdür. Yani, X ve Y değişkenlerinin bağımsız olduğunu varsayalım.

Yani, bağımsızlık varsayımı göz önüne alındığında, artefaktlar için ortalama korelasyonu düzeltmek için ortalama zayıflama faktörünü kullanabiliriz. Böylece, şu sorunun cevabına sahibiz: Artefaktlar tarafından zayıflatılan ortalama düzeltilmemiş korelasyon ne kadar?

Çalışma sayısının örnekleme hatasını tamamen ortadan kaldıracak kadar büyük olmadığı durumlarda, ortalama gerçek korelasyonu tahmin etmek için aynı denklemi kullanırız. Ancak, bu tahmin şimdi (ikinci dereceden) örnekleme hatasıyla geçersiz olacaktır. Tahmin denklemindeki örnekleme hatası, tam olarak ortalama örnekleme hatası tarafından belirlenecektir. Tahmin formülümüzdeki örnekleme hatasıdır.

Korelasyon katsayısı hesaplama
Korelasyon katsayısı örnek
Korelasyon formülü
Korelasyon katsayısı hesaplayıcı
Korelasyon katsayısı yorumlama
Korelasyon Nedir
Pearson korelasyon katsayısı örnek soru
Korelasyon hesaplama Excel

Ortalama Zayıflama Faktörü

Artefakt bilgisi düzensiz ise, bileşik zayıflama faktörünün herhangi bir çalışma için bilinmemesi mümkündür. O halde, çalışmalar arasındaki ortalamayı nasıl tahmin ederiz? Anahtar, eserlerin bağımsızlığında yatmaktadır.

Bir artefakttaki uç değerlerin nedenleri, diğerindeki uç değerlerin nedenlerinden farklıdır. Bu nedenle, herhangi bir zayıflama faktörü diğerinden bağımsızdır. Ayrı ayrı ele alınan bileşen zayıflama faktörlerinin ortalamasından ortalama bileşik zayıflama faktörünü hesaplamamızı sağlayan bu gerçektir.

Her çalışma korelasyonu ayrı ayrı düzeltildiğinde, bileşik artefakt zayıflama faktörü, bileşen artefakt zayıflama faktörlerinin ürünüdür.

Artefakt bilgisi, bir seferde bir eser için verilir. Bu nedenle, genellikle a ve b ve c vb. artefakt değerleri hakkında ayrı ayrı bilgi topluyoruz. Her bir artefaktın ortalaması, E(a) veya E(b) veya E(c) ile gösterilir ve bu şekilde devam eder, burada ortalama, bilginin mevcut olduğu çalışmalarda hesaplanır. Bileşik zayıflama faktörünün ortalaması, ayrı zayıflama faktörlerinin ortalamalarının ürünüdür.

Son Düzeltme

Bu, ortalama etki büyüklüğü korelasyonunu hesaplamak için gereken son adımdır. Ortalama bileşik zayıflama faktörünü, bireysel eserler için ayrı ortalama zayıflama faktörlerinin ürünü olarak hesaplıyoruz. Sonra ortalama düzeltilmemiş korelasyonu bu ortalama bileşik zayıflama faktörüne böleriz.

Korelasyonların Standart Sapması

Düzeltilmemiş korelasyonların meta analizi, çalışma popülasyonu korelasyonlarının varyansının bir tahminini sağlar. Ancak, bu çalışma popülasyonu ilişkilerinin kendileri düzeltilmemiştir. Çalışma artefaktları tarafından zayıflatılmışlardır ve bu nedenle sistematik olarak büyüklükleri azaltılmıştır. Ayrıca, çalışmalar arasında artefakt ekstremitesindeki varyasyon, çalışma korelasyonlarının farklı çalışmalarda farklı miktarlarda zayıflamasına neden olur.

Bu, gerçek moderatör değişkenler nedeniyle varyasyonla karıştırılabilecek çalışma korelasyonlarının boyutunda varyasyon üretir. Bu nedenle, düzeltilmemiş korelasyonların bir meta-analizinden hesaplanan popülasyon çalışması korelasyonlarının varyansı iki farklı nedenden dolayı hatalıdır. Çalışma korelasyonlarının büyüklüğündeki sistematik azalma nedeniyle olması gerekenden daha küçüktür ve çalışmalar arasında artefakt ekstremitesindeki varyasyon nedeniyle olması gerekenden daha büyüktür.

Çalışmalar arasında gerçek korelasyonların standart sapmasını tahmin etmek için her iki problem de çözülmelidir. Matematiksel sunuma en uygun model olan çarpımsal modelimiz için bunun nasıl yapıldığını göstereceğiz. Gerçek puan korelasyonlarının standart sapmasını tahmin etmenin diğer yöntemleri bu bölümde daha sonra tartışılacaktır.

Bazı notasyonlarla başlayalım. Çalışma artefaktlarından bağımsız gerçek bir çalışma korelasyonu ρi ile gösterilir ve bu çalışma için bileşik artefakt zayıflama faktörü Ai ile gösterilir. Zayıflatılmış çalışma korelasyonu ρoi, fiili çalışma korelasyonundan hesaplanır.

Şimdi meta-analizdeki tüm çalışmalardan gelen düzeltilmemiş korelasyonlar üzerine bir meta-analiz düşünün. Örnek korelasyonlarının varyansının, popülasyon korelasyonlarının varyansı artı örnekleme hatası varyansının olduğunu biliyoruz.

Yani, düzeltilmemiş korelasyonların meta-analizi (çıplak meta-analiz), zayıflatılmış çalışma popülasyonu korelasyonlarının varyansının bir tahminini üretir – gerçek çalışma korelasyonları, çalışma kusurları tarafından büyüklükleri azaltıldıktan sonra.
Düzeltilmemiş korelasyonların bir meta-analizinin sonunda, zayıflatılmış çalışma popülasyon korelasyonlarının varyansına Var(ρo) sahibiz, ancak gerçek zayıflatılmamış korelasyonların Var(ρ) varyansını istiyoruz.

Yani Var(ρo), diğer iki değişkenin çarpımı olan bir değişkenin varyansıdır. Ai ve ρi değişkenlerinin bağımsız olduğunu biliyoruz. Bu gerçeği, ürünün varyansını hesaplamak için kullanabiliriz. Bir ürünün varyansının formülünü daha sonra türeteceğiz, ama şimdilik nihai sonucu kullanalım. Ortalama gerçek çalışma korelasyonunu ρ ̄ ile ve ortalama bileşik zayıflama faktörünü A ̄ ile gösterelim.

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

Herhangi bir artefakt için, her etüdden gerekli artefakt bilgisi mevcutsa, o zaman her bir korelasyon o artefakt için ayrı ayrı düzeltilebilir. Düzeltilmiş korelasyonlar daha sonra örnekleme hatasını ortadan kaldırmak için meta-analiz ile analiz edilebilir. Bu bölüm, bu meta-analiz biçimi için ayrıntılı prosedürler sundu: artefaktların etkileri için ayrı ayrı düzeltilen korelasyonların meta-analizi.

Meta-analize tabi tutulacak çoğu çalışma setinde, bu tür tam yapay bilgi mevcut olmayacaktır. Bununla birlikte, bu tür çalışma setleri ortaya çıkar ve gelecekte raporlama uygulamaları geliştikçe daha sık hale gelebilir. Bu bilgilerin mevcut olduğu bugüne kadar bildiğimiz üç durumda, bu meta-analiz biçimi, korelasyonlardaki neredeyse tüm çalışma arası varyansların yapaylıklardan kaynaklandığını bulmuştur.

Bu nedenle, bir çıplak kemik meta-analizinin ortalama korelasyonu, istenen ortalama korelasyonun, yani sınırlı bilimsel kaynaklardan kaynaklanan kusurlar olmadan yürütülen bir çalışmadan elde edilen korelasyonun taraflı bir tahminidir.

Ayrıca, bir çıplak kemik meta-analizindeki varyans örnekleme hatası için düzeltilmiş olsa da, güvenilirlikteki farklılıklar, aralıktaki farklılıklar (varsa), dikotomizasyondaki bölünmenin uç noktasındaki farklılıklar nedeniyle varyans içerdiğinden, yine de yukarıya doğru eğilimlidir ( varsa) ve yapı geçerliliğindeki farklılıklar. Bu nedenle, “kesinlikle” varyans, genellikle gerçek varyansın çok zayıf bir tahminidir.

Bununla birlikte, çalışmalar arasında tam olarak düzeltilmiş korelasyon varyansı, bir moderatör değişken olduğunu önermek için 0’ın yeterince üzerindeyse, o zaman uygun potansiyel moderatör değişkenleri, çalışmaların alt kümeleri analiz edilerek kontrol edilebilir. Yani, çalışmaların her bir alt kümesinde ayrı bir meta-analiz yapılır. Alternatif olarak, potansiyel moderatörler olan çalışma özellikleri kodlanabilir ve çalışma korelasyonları ile ilişkilendirilebilir. Bu bölüm, moderatör analizine yönelik bu iki yaklaşımın yöntemlerini açıkladı.

Birçok çalışma grubunda, bazı çalışmalarda belirli eserler hakkında bilgi bulunurken, diğerlerinde mevcut değildir. Bazı (çoğunlukla çok) artefakt bilgisi eksik olduğundan, her artefaktın zayıflatıcı etkileri için her çalışma korelasyonunu tam olarak düzeltmek mümkün değildir. Bununla birlikte, tüm eserler için nihai meta-analitik sonuçları düzelten doğru meta-analizler yapmak mümkündür. Bu, o yapı hakkında bilgi sağlayan çalışmalardan derlenen yapıt efektlerinin dağılımları kullanılarak gerçekleştirilir. Bu meta-analiz yöntemleri bir sonraki bölümün konusudur.

Korelasyon formülü
Korelasyon hesaplama
Korelasyon Nedir
Korelasyon Analizi Nedir
Korelasyon Tablosu
Korelasyon katsayısı Nedir
Korelasyon türlerine örnekler
Pearson korelasyon katsayısı örnek soru

Meta Analizi: Yalnızca Örnekleme Hatasını Düzeltme

Bunlar gerçek verilerdir. Bir seçim danışmanlık şirketi olan Los Angeles merkezli Psychological Services, Inc. (PSI), 16 şirketin katıldığı bir konsorsiyum çalışması yürüttü. Bu firmalar Amerika Birleşik Devletleri’nin her yerinden ve çeşitli sektörlerdendi.

İş, orta düzey büro işiydi ve incelenen bir ölçek, dört büro testinin bileşik pil puanıydı. Kriter, bu çalışma için özel olarak geliştirilmiş derecelendirme ölçeklerine dayalı iş performansının derecelendirilmesiydi. 16 şirketin tamamında aynı ölçekler kullanılmıştır.

Örnek boyutları ve gözlemlenen korelasyonlar aşağıdadır. Yalnızca örnekleme hatasını düzelten bir meta-analiz gerçekleştirin (yani, tam anlamıyla bir meta-analiz). Örnekleme hatası varyansı için formülde r ̄ kullanmayı unutmayın.

Aşağıdakileri veriniz ve açıklayınız:

1. Konu gözlemlenen korelasyon.
2.GözlenenSDvevaryans.
3. Beklenen örnekleme hatası varyansı.
4. DüzeltilmişSDvevaryans.
5. Örnekleme hatası için hesaplanan varyans yüzdesi.
6. Gözlemlenen tüm varyans örnekleme hatasından kaynaklansaydı, bu korelasyonlar için ne gözlemlenen SD’yi beklerdiniz?
7.Yapılması gereken ek düzeltmeler (bunların dışında)
bu alıştırma) bu meta-analizin tamamlanmış sayılmasından önce? Niye ya? Bu düzeltmeler hangi etkileri düzeltir?

Maksimum öğrenme için bu alıştırmayı bir hesap makinesi kullanarak yapmalısınız. Ancak, korelasyonlar ayrı ayrı düzeltilmiş (VG6-D ve VG6-I) için bilgisayar programlarımızdan herhangi biri kullanılarak da gerçekleştirilebilir. Her iki program da yalın meta-analiz sonuçları sağlar.

Her Korelasyonu Tek Tek Düzelten Meta-Analiz

Bir kütüphanede aşağıdaki dergi makalesini bulun ve kişisel bir kopyasını alın: Brown, S. H. (1981). Hayat sigortası endüstrisinde geçerlilik genellemesi ve durumsal ılımlılıktır.

Brown, verilerini eşsizmiş gibi analiz etti. Yani her gözlenen geçerlik katsayısı için özel olarak bir ölçüt güvenirlik değerine ve bir aralık kısıtlama değerine sahip olmasına rağmen, gözlenen her bir katsayıyı tek tek düzeltmemiştir. Bunun yerine eşsiz bir veri yaklaşımı kullandı; yani, artefakt dağılımı meta-analizini kullandı. Adil olmak gerekirse, analizini yaptığı sırada, henüz yöntemlerin bir tanımını yayınlamamıştık.

Verilerindeki aralık kısıtlamasının doğrudan olduğunu varsayın ve gözlemlenen her geçerliliği ayrı ayrı düzelterek verilerinin yeni meta analizlerini yapın. İlk meta-analizde, her çalışmayı yalnızca örneklem boyutuna göre ağırlıklandırın (orijinal ağırlıklandırma yöntemi). (Bu analiz, VG6-D programı kullanılarak çalıştırılamaz, çünkü Ni tarafından ağırlıklandırılmaz.) Ardından, her çalışmayı bu bölümde açıklandığı gibi NiA2i ile ağırlıklandırarak tekrar tema analizi yapın.

NiA2i ile analiz ağırlıklandırması, programVG6-D (yani, korelasyonları tek tek düzeltme programı; aralık kısıtlamasının doğrudan olduğunu belirtin) kullanılarak yapılabilir. Her bir analiz grubu için, A Grubu ve B Grubu şirketler ve birleştirilmiş veriler için aşağıdakileri ayrı ayrı raporlayın:

1. Ortalama geçerlilik
2. Gerçekliklerin Standart Sapması
3. Yüzde 10’luk Değer
4. Hesaplanan varyans yüzdesi
5. Düzeltilmiş geçerliliklerin gözlemlenen standart sapması 6. Yapılardan tahmin edilen standart sapma
7. Çalışma sayısı(şirketler)
8. Toplam Nacrosstheworks

Bu öğeleri, 1’den 8’e kadar olan sütunlarda, burada verilen sırayla (sütunlar etiketli olarak) sunun. (Her meta-analiz daha sonra tablonuzun bir satırıdır.) Değerlerinizi her durumda Brown tarafından elde edilen değerlerle karşılaştırın. (Not: Brown, 10. yüzdelik dilimdeki değerleri hesaplamadı, ancak verileri için değerleri, çalışmada verdiği bilgilerden hesaplayabilirsiniz.

Bu hesaplamada doğru SDρ’yi kullanmaya dikkat edin: Gerçek puan korelasyonları için SDρ değil, gerçek geçerlilik için SDρ kullanın.) Aynı verilere bu iki farklı meta-analiz yöntemi uygulandığında varılan sonuçlar ne kadar farklı? Numune boyutuna ek olarak her bir çalışmayı diğer yapı indeksleri ile ağırlıklandırmanın sonuçlar üzerinde ne etkisi vardır? neden böyle düşünüyor sunuz? Sonuçlarınız Brown’ın orijinal sonuçlarını destekliyor mu?

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