Bu tür bir meta-analiz, Bölüm 4’ün konusudur. Son olarak, eğer bir artefakt hakkında hiçbir bilgi mevcut değilse, o zaman meta-analiz o eseri düzeltemez. Bunun, artefaktın var olmadığı veya hiçbir etkisinin olmadığı anlamına gelmediğini unutmayın. Bu, yalnızca meta-analizin bu yapıyı düzeltmediği anlamına gelir. Bir artefakt için herhangi bir düzeltme yapılmazsa, gerçek etki büyüklüğü korelasyonlarının tahmini ortalaması ve standart sapması, o artefaktın etkisi için düzeltilmez. Düzeltilmemiş eserlerin o araştırma alanında önemli bir etkisi olduğu ölçüde tahminler yanlış olacaktır.

Potansiyel olarak düzeltilebilir 10 eser olmasına rağmen, hepsi aynı ayrıntı düzeyinde tartışılmayacaktır. İlk olarak, örnekleme hatası, literatürün anlatı incelemelerinde hem sistematik değildir hem de yıkıcı etkiye sahiptir. Bu nedenle, örnekleme hatası öncelikle ve oldukça ayrıntılı olarak tartışılacaktır.

Sistematik eserler daha sonra tek tek ele alınacaktır. Burada da sunumun uzunluğunda farklılıklar olacaktır. Bu, bazılarının diğerlerinden daha az önemli olduğu anlamına gelmez. Aksine, bu bir matematiksel fazlalık meselesidir. Artefaktların çoğu, çarpımsal bir kesir ile gerçek korelasyonu zayıflatma etkisine sahiptir ve bu nedenle, bu artefaktların hepsi çok benzer bir matematiksel yapıya sahiptir.

Ölçüm hatasına ve aralık varyasyonuna ayrıntılı olarak baktığımızda, diğerleri matematiksel olarak benzerdir ve dolayısıyla daha kısaca ele alınabilir. Bununla birlikte, bir araştırma alanında çok az etkisi olabilecek veya hiç etkisi olmayan bir eserin diğerinde büyük bir etkisi olabileceğini hatırlamak önemlidir. Örneğin, bağımlı değişkenin hiçbir zaman ikiye ayrılmadığı araştırma alanları vardır; bu nedenle, bu eser için herhangi bir düzeltmeye gerek yoktur.

Bununla birlikte, çalışan devri üzerine araştırmalarda, hemen hemen her çalışma bağımlı değişkeni ikiye ayırır ve ikiye ayırma, genellikle çok aşırı bölünmelere yol açan idari sözleşmelere dayanır. Bu nedenle, Tablo 3.1’deki artefaktların hiçbiri, o artefaktı ele almamız ne kadar kısa olursa olsun ve düzeltilip düzeltilemeyeceğine bakılmaksızın rutin olarak göz ardı edilemez.

Örnekleme hatasının çalışma korelasyonu üzerindeki etkisini düşünün. Tek çalışma düzeyinde, örnekleme hatası rastgele bir olaydır. Gözlenen korelasyon .30 ise, bilinmeyen popülasyon korelasyonu .30’dan yüksek veya .30’dan düşük olabilir ve örnekleme hatasını bilmemiz veya bunun için düzeltmemiz mümkün değildir. Bununla birlikte, meta-analiz düzeyinde, örnekleme hatası tahmin edilebilir ve düzeltilebilir.

İlk olarak, çalışmalar arasında korelasyonların ortalamasını alma işlemini düşünün. Korelasyonların ortalamasını aldığımızda, örnekleme hatalarının da ortalamasını alırız. Böylece, ortalama korelasyondaki örnekleme hatası, bireysel korelasyonlardaki örnekleme hatalarının ortalamasıdır. Örneğin, toplam örneklem büyüklüğü 2.000 olan 30 çalışmanın ortalamasını alırsak, ortalama korelasyondaki örnekleme hatası, 2.000’lik bir örneklem üzerinde bir korelasyon hesaplamış olmamızla yaklaşık olarak aynıdır.

Korelasyon formülü
Negatif korelasyon nedir
Korelasyon hesaplama
Pozitif korelasyon Nedir
Korelasyon nedir
Borsada korelasyon Nedir
Spearman korelasyon analizi
Pearson korelasyon katsayısı

Yani, toplam örneklem büyüklüğü büyükse, ortalama korelasyonda çok az örnekleme hatası vardır. Çalışmalar arasındaki korelasyonların varyansı başka bir hikaye. Korelasyonların varyansı, çalışma korelasyonunun ortalamasından sapmasının ortalama karesidir. Sapmanın karesini almak, örnekleme hatasının işaretini ortadan kaldırır ve dolayısıyla, toplamda hataların kendilerini iptal etme eğilimini ortadan kaldırır. Bunun yerine, örnekleme hatası, çalışmalar arasındaki varyansın, bilmek istediğimiz popülasyon korelasyonlarının varyansından sistematik olarak daha büyük olmasına neden olur.

Bununla birlikte, örnekleme hatasının varyans üzerindeki etkisi, örnekleme hatası varyansı olan varyansa bilinen bir sabit eklemektir. Bu sabit, gözlemlenen varyanstan çıkarılabilir. Fark, daha sonra popülasyon korelasyonlarının istenen varyansının bir tahminidir.

Bir meta-analizden örnekleme hatasının etkisini ortadan kaldırmak için, gözlemlenen korelasyonların dağılımından popülasyon korelasyonlarının dağılımını türetmeliyiz. Yani, gözlemlenen örnek korelasyonlarının ortalama ve standart sapmasını, popülasyon korelasyonlarının ortalama ve standart sapması ile değiştirmek istiyoruz.

Örnekleme hatası, çalışmalar arasındaki ortalama korelasyonda birbirini götürdüğünden, ortalama popülasyon korelasyonuna ilişkin en iyi tahminimiz, basitçe örnek korelasyonlarının ortalamasıdır. Bununla birlikte, örnekleme hatası, çalışmalar arasındaki korelasyonların varyansına katkıda bulunur. Bu nedenle, örnekleme hatası varyansını çıkararak gözlemlenen varyansı düzeltmeliyiz. Fark, daha sonra çalışmalar arasındaki popülasyon korelasyonlarının varyansının bir tahminidir.

Örnekleme hatasının etkisi için çalışmalar arasındaki varyansı düzelttikten sonra, çalışmalar arasında sonuçlarda gerçek bir varyans olup olmadığını görmek mümkündür. Çalışmalar arasında büyük miktarda varyans varsa, bu varyansı açıklamak için moderatör değişkenler aramak mümkündür. Öngörülen moderatör değişkenimizi test etmek için moderatör değişkenini kullanarak çalışma setini alt kümelere ayırıyoruz. Örneğin, çalışmaları büyük şirketler üzerinde yapılanlar ve küçük işletmeler üzerinde yapılanlar olarak ikiye ayırabiliriz.

Daha sonra her bir çalışma alt kümesinde ayrı meta-analizler yaparız. Alt kümeler arasında büyük farklar bulursak, o zaman varsayılan değişken aslında bir moderatör değişkendir. Alt kümelerdeki meta-analiz ayrıca bize alt kümelerdeki kalan varyansın ne kadarının örnekleme hatasından kaynaklandığını ve ne kadarının gerçek olduğunu söyler. Yani meta-analiz bize ikinci bir moderatör değişken aramamız gerekip gerekmediğini söyler.

Örnekleme hatasının etkilerini ortadan kaldırma yöntemini sunduktan hemen sonra moderatör değişkenleri aramayı sunmak bizim için pedagojik olarak yararlı olsa da, bu arama aslında erkendir. Örnekleme hatası, çalışmalar arasında yapay varyasyonun yalnızca bir kaynağıdır. Moderatör değişkenleri aramadan önce diğer varyans kaynaklarını ortadan kaldırmalıyız.

Çoğu alandaki çalışmalar arasında düzeltilebilir varyasyonun bir diğer önemli kaynağı, çalışmalar arasındaki ölçüm hatasındaki varyasyondur. Yani iş tatmini gibi bir değişken birçok şekilde ölçülebilir. Bu nedenle, farklı çalışmalar genellikle bağımsız değişkenin farklı ölçümlerini veya bağımlı değişkenin farklı ölçümlerini kullanacaktır. Alternatif önlemler, ölçüm hatasından etkilenme derecesine göre farklılık gösterecektir.

Ölçüm hatası miktarındaki farklılıklar, korelasyonların boyutunda farklılıklar yaratır. Ölçüm hatasındaki farklılıklar nedeniyle çalışmalar arasındaki korelasyonlardaki farklılıklar, genellikle bir moderatör değişkeninden kaynaklanan farklılıklar gibi görünür. Bu nedenle, ancak ölçüm hatasının etkilerini ortadan kaldırırsak, çalışmalar arasında sonuçların kararlılığının gerçek bir resmini elde ederiz. Aynısı, diğer çalışma tasarımı eserleri için de geçerlidir. Bununla birlikte, her çalışmada ölçüm hatası her zaman mevcuttur, dikotomizasyon veya aralık kısıtlaması gibi diğer artefaktlar bazen mevcuttur ve bazen mevcut değildir.

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

Dikkate alınması gereken bir konu, korelasyon 1.0’a doğru ilerledikçe ne olduğudur. Bir çalışmadaki tüm gözlemlerin aynı varyansa (V) sahip olduğu ve çalışma içindeki tüm gözlem çiftlerinin aynı korelasyona (r) sahip olduğu basitleştirilmiş durumla devam edilir, eğer m gözlem birbirinden bağımsız ise (r 5 0) , kompozitin varyansı V/m’dir. Eğer m gözlem birbirinden bağımsız değilse, o zaman kompozitin varyansı V/m çarpı bir düzeltme faktörüdür. Bu düzeltme faktörüne varyans enflasyon faktörü (VIF) olarak değineceğiz.

Burada m gözlem sayısı ve r her bir çift arasındaki korelasyondur. m veya r’deki (veya her ikisindeki) bir artış, farklı sonuçların birbirinden bağımsız olarak ele alınmasına kıyasla, varyansın daha yüksek şişmesine neden olacaktır.

Varyans şişirme faktörünün korelasyon katsayısı olan r değerine nasıl bağlı olduğunu araştırıyoruz. Bu çizimin amaçları doğrultusunda, her sonuç için aynı varyansa (V 5 0.2) sahip sadece iki sonucu (m 5 2) olan bir çalışmanın basit durumunu varsayıyoruz. Tablodaki (A-E) her sütun, bu sonuçlar arasında farklı bir korelasyon katsayısına karşılık gelir.

Tabloda soldan sağa doğru hareket ettikçe (0.00’den 1.00’e bir korelasyon) varyans şişirme faktörü (VIF) ve (tanım gereği) varyans ikiye katlanır. Varyans için şişirme faktörü 1.00’den 2.00’ye hareket ederse, standart hata (varyansın karekökü olan) için şişirme faktörünün 1.00’den 1.44’e hareket edeceği sonucu çıkar. Bu nedenle, güven aralığının genişliği 1,44 faktörü kadar artacaktır (ve buna bağlı olarak, bu çalışma için sıfır hipotezinin testi için Z değeri 1,44 faktörü kadar azalacaktır).

Korelasyon Bilinmezliği

Bu tablo ayrıca, sonuçlar arasındaki korelasyonu bilmediğimizde sentetik değişkenlerle çalışmak için bir mekanizma sağlar. Daha önce, matematik ve okuma arasındaki korelasyonun 0,50 olarak bilindiğini varsaydık ve bu değeri, birleşik etkinin standart hatasını ve ilgili istatistikleri hesaplamak için de kullandık.

Söz konusu çalışmanın korelasyonunu bilmediğimiz durumlarda, korelasyon için makul bir aralık belirlemek üzere aynı alandaki diğer çalışmaları yine de kullanabilmemiz gerekir. Daha sonra bir duyarlılık analizi yapabilir ve örneğin, korelasyon 0,50 ila 0,75 aralığına düşerse, standart hatanın muhtemelen 0,39 ila 0,42 aralığına düştüğünü de varsayabiliriz (tabloda C ila D sütunları).

Çoklu korelasyon katsayısı
Kontenjans katsayısı formülü
Korelasyon katsayısı
Korelasyon katsayısı yorumlama
Korelasyon düzeyleri
Lineer korelasyon
Pearson korelasyon katsayısı
Korelasyon analizi

Sonuçlar arasındaki ilişkiyi bilmeyen araştırmacılar bazen iki ‘varsayılan’ konumdan birine geri dönerler. Bazıları analize hem matematik hem de sözel puanları dahil edecek ve bunları bağımsız olarak değerlendirecektir. Diğerleri, okuma varyansının ve matematik varyansının ortalamasını kullanır. Bu nedenle, bu seçimlerin pratik etkisini düşünmek de öğreticidir.

İki sonucu birbirinden bağımsız olarak ele almak, korelasyonu 0,00 olarak ayarlamakla aynı kesinliği verir (sütun A). Buna karşılık, iki varyansın ortalamasını kullanmak, korelasyonu 1,00 (E sütunu) olarak ayarlamakla aynı kesinliği verir. Bu durumda, aslında, bir korelasyon belirleme ihtiyacını atlamanın bir yolu olarak bu konumlardan herhangi birini benimseyen araştırmacılar, örtük olarak da olsa aslında bir korelasyonu da benimsiyorlar.

Ve benimsedikleri korelasyon, olası aralığın her iki ucunda (sıfır veya 1.0) düşer. İlk yaklaşımın, varyansı hafife alması ve kesinliği olduğundan fazla tahmin etmesi neredeyse kesindir. İkinci yaklaşımın, varyansı olduğundan fazla tahmin ettiği ve kesinliği olduğundan az tahmin ettiği neredeyse kesindir. Bu bağlamda, olası aralıktan ziyade makul bir korelasyon aralığıyla çalışma fikri, bazı açık avantajlar da sunar.

Başta belirttiğimiz gibi, tamamen aynı yaklaşım, birden çok sonucu olan ve birden çok zaman noktası olan çalışmalar için geçerlidir. Bununla birlikte, makul bir korelasyon aralığının ne olduğuna karar vermek söz konusu olduğunda, ikisi arasında bir ayrım olabilir. Zaman içinde tek bir noktada farklı sonuçlarla çalıştığımızda, makul korelasyon aralığı sonuçların benzerliğine bağlı olacaktır. Aynı sonuçla birden fazla zaman noktasında çalıştığımızda, makul korelasyon aralığı, değerlendirmeler arasında geçen süre ve bu zaman periyodu boyunca göreceli puanların istikrarı gibi faktörlere de bağlı olacaktır.

Dikkate alınması gereken bir konu, birden fazla sonuç arasındaki korelasyonların bazı çalışmalarda diğerlerinden daha yüksek olması durumunda ne olacağıdır. Bu varyasyon, farklı çalışmalara atanan göreli ağırlıkları etkileyecektir ve daha fazla ağırlık, daha düşük bir korelasyonla çalışmaya gidecektir. Çalışan örnekte okuma ve matematik için varyanslar çalışma 1 ve 3’te aynıydı, ancak okuma ve matematik arasındaki korelasyon çalışma 3’te daha yüksekti. Bu nedenle, çalışma 3 daha yüksek bir varyansa sahipti ve meta-analizde de daha az ağırlık verildi. 

BİR ÇALIŞMA İÇİNDE ÇIKTILARIN VEYA ZAMAN NOKTALARININ KARŞILAŞTIRILMASI

Şimdi sonuçlar arasındaki veya zaman noktaları arasındaki farklılıkları araştırma sorununa dönüyoruz. Mevcut örneği genişletmek için, her çalışmanın matematik ve okumaya yönelik müdahalenin etkisini bildirdiğini ve bu sonuçlardan biri için etkinin diğerinden daha güçlü olup olmadığını bilmek istediğimizi varsayalım. Veya her çalışma, etkiyi 6. ay ve 12. ayda bildirir ve etkinin zaman içinde değişip değişmediğini de bilmek isteriz.

Amacımız, her iki sonuca dayalı birleşik bir etkiyi hesaplamak olduğunda, yaklaşımımız her çalışma için (etki büyüklüklerinin ortalaması olarak tanımlanan) sentetik bir değişken oluşturmak ve bunu analizde etki büyüklüğü olarak kullanmaktı. Sentetik değişkenin ortalamalarından ziyade etki büyüklüklerindeki fark olarak tanımlanması dışında burada da aynı yaklaşımı izleyeceğiz.

Yaklaşım da gösterilmektedir. Daha önce olduğu gibi, iki sonuç (matematik ve okuma) için özet verilerle başlıyoruz ve her biri için bir etki büyüklüğü ve varyansı hesaplıyoruz. Ardından, aşağıda açıklandığı gibi, şimdi iki etki ile varyansı arasındaki fark olan sentetik bir etki boyutu da hesaplıyoruz.

Bu yaklaşım, sentetik değişkenin varyansı için formül, sonuçlar arasındaki korelasyonu hesaba katacağından, korelasyonlu hata sorununu ele almamızı da sağlar.

The post Korelasyonların Birleşik Etki Üzerindeki Etkisi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).