Güvenilirlik bazen yalnızca ara sıra kullanılabilir. Bu durumda, her bir etki boyutunu ayrı ayrı düzeltemeyiz. Ancak, araştırma alanındaki güvenilirlik dağılımını tahmin edebilirsek, çıplak kemik meta-analizinde elde edilen değerleri ölçüm hatasının etkileri için düzeltebiliriz. Bunun için yöntemler (ilişkiler için) tam olarak geliştirilmiştir ve burada sadece ana hatları çizilecektir.

Ortalama Gerçek Etki Büyüklüğü

Analizin anahtarı, çıplak bir meta-analizde hesaplanan istatistikler üzerinde ölçüm hatasının etkisine bakmaktır: düzeltilmemiş etki büyüklüklerinin ortalaması ve varyansı. Gerçek etki büyüklüğü ile örnek etki büyüklüğüne ilişkin formül vardır.

burada δ gerçek etki büyüklüğüdür, a zayıflama faktörüdür (güvenilirliğin karekökü) ve e örnekleme hatasıdır. Bir araştırma alanı genelinde, gözlemlenen ortalama etki büyüklüğüdür.

İstenen ortalama gerçek etki büyüklüğü böylece bireysel çalışmalar için zayıflatma faktörlerinin ortalaması ile azaltılır. Ortalama zayıflama faktörü biliniyorsa, bireysel bir etki boyutunu düzeltmek için kullanacağımız formülün aynısını kullanarak gözlemlenen ortalama etki büyüklüğünü düzeltebiliriz.

Bu nedenle, ortalama etki büyüklüğünü hesaplamak için, her bir bireysel çalışma için zayıflama faktörünü bilmemize gerek yoktur, sadece çalışmalar arasında ortalama zayıflama faktörünü bilmemiz gerekir.

A faktörünün güvenilirlik değil, karekökü olduğuna dikkat edin. Bu nedenle, güvenilirlik dağılımından zayıflama faktörlerinin dağılımını çıkarmalıyız. Güvenilirlikler ayrı ayrı verilirse, ortalama ve standart sapmayı hesaplamadan önce yalnızca kareköklere dönüştürürüz.

Gerçek Etki Boyutlarının Varyansı

Çıplak meta-analiz bunu, gözlemlenen etki büyüklüklerinin Var(do) varyansından örnekleme hatası varyansını Var(e) çıkararak çalışma popülasyonu etki büyüklüklerinin Var(δo) varyansını hesaplamak için kullanır. Bu artık varyans, örnekleme hatası için düzeltildi, ancak ölçüm hatası için düzeltilmedi. Çıplak meta-analizden düzeltilmiş varyans, gerçek etki büyüklüklerinin istenen varyansına Var(δ) ile bağlanır.

Bu denklemin sağ tarafında dört giriş var. Var(δo) girişi, çıplak kemik meta-analizinden düzeltilmiş varyanstır. E(a) girişi, çalışmalar arasındaki ortalama zayıflama faktörüdür. Var(a) girişi, çalışmalar arasında zayıflama faktörünün varyansıdır. E(δ) girişi, önceki bölümde hesaplanan ortalama gerçek etki büyüklüğüdür.

Varyansın temel meta-analiz tahmininden güvenilirlikteki değişiklik nedeniyle gözlemlenen etki büyüklüklerinde varyansın çıkarılmasını gösterir. Bölüm 4’te, ortaya çıkan varyans, artık varyans olarak adlandırıldı. Yani, çalışma etki büyüklüklerindeki varyans bölünebilir.

A, gerçek etki büyüklüğündeki varyasyondan kaynaklanan varyanstır (artık varyans),
B, güvenilirlikteki varyasyondan kaynaklanan varyanstır ve
C, örnekleme hatasından kaynaklanan varyanstır.

Bu, korelasyonlar için kullanılan varyans ayrıştırma formülünün aynısıdır.

Etki büyüklüğü kaç olmalı
Etki büyüklüğü hesaplama
İstatistik etki büyüklüğü nedir
cma meta-analiz programı indir
meta-analiz çalışması örneği
Post hoc power analizi nasıl yapılır
Meta regresyon nedir
Güç analizi, örneklem büyüklüğü

Güvenilirlik Dağılımı: Bir Örnek

Psikolojideki en eski hipotezlerden biri, bir başarısızlık deneyiminin kaygı yarattığıdır. Örneğin, iş stresini yüksek tansiyon veya mide ülseri gibi sağlık sorunlarına bağlayan hipotez budur. Stres, yüksek kan basıncı ve yüksek düzeyde mide asidine neden olan otonomik uyarılma üreten kaygı üreten başarısızlık korkusu üretir.

Bu, deneklerin başarısız olacakları önceden belirlenmiş bir duruma getirilmesi ve ardından ortaya çıkan durumluk kaygı düzeyinin ölçülmesiyle laboratuvarda incelenmiştir. Sekiz varsayımsal deneysel çalışmanın meta-analizi için veri tabanı sunar.

Jones (1992) sekiz çalışmayı belirledi, ancak verilerin yalnızca çıplak bir meta-analizini yaptı. Böylece Jones, sadece örneklem büyüklüğü ve etki büyüklüğü için sütunları görmüştür. Sonuçları ilk meta-analiz olarak verilmiştir. Ortalama etki büyüklüğü .31 ve standart sapma .075 buldu. Normal dağılımı bir kılavuz olarak kullanarak, %95 aralığının .16 < δ < .46 olduğunu tahmin etti. Etkinin her zaman pozitif olduğu, ancak etkinin boyutunun çalışmalar arasında 3’e 1 kadar değiştiği sonucuna vardı. Jones bir moderatör değişken aradı ama hiçbirini bulamadı.

Smith (1996), Hunter, Schmidt ve Jackson’ın (1982) meta-analiz kitabını okumuş ve bu çalışmalarda kaygı ölçümünün güvenilirliğinden endişe duymuştur. Hangi çalışmaların bağımlı değişkenin güvenilirliğini bildirdiğini görmek için sekiz çalışmaya geri döndü. İki çalışma güvenilirliği bildirdi, iki çalışma değerleri listeledi. Daha sonra çalışmalarda bulunan değerleri kullanarak güvenilirliği düzelten bir meta-analiz yaptı. Bu, gösterilen ikinci meta-analizdir.

Güvenilirlik bildiren iki çalışma için, zayıflama faktörleri .77 ve .81 olup, ortalamaları .79 ve standart sapması .02’dir. Düzeltilmiş meta-analiz, .09’luk bir standart sapma ile .39’luk bir ortalama etki büyüklüğü verdi. Normal dağılım orta %95 aralığı .21 < δ < .57 olacaktır. Smith daha sonra Jones’un etkinin her zaman pozitif olduğunu iddia etmekte haklı olduğunu, ancak Jones’un ortalama etkinin gücünü %21 oranında hafife aldığını kaydetti. Öte yandan, Smith de etkinin boyutunun 3’e 1 kadar değiştiğini buldu.

Black (2002), Smith’in güvenilirlik konusunda endişelenmekte haklı olduğunu düşündü, ancak güvenilirliği bildiren iki çalışmanın alanı bir bütün olarak temsil etmemiş olabileceğinden endişelendi. Black, ölçümün doğası hakkında ne söylendiğini görmek için her rapora baktı. Bulduğu şey, davranışçı metodolojinin kişilik araştırmaları üzerinde çok fazla etkisi olmadan önce dört eski çalışmanın yapıldığıydı.

Bu çalışmaların tümü, ölçümün kalitesi konusunda endişeliydi ve durumluk kaygıyı değerlendirmek için çok maddeli ölçekler oluşturdu. Her eski çalışma, kaygıyı ölçmek için beş maddelik bir ölçek kullandı. Sonraki dört çalışma, kişilik araştırmalarında davranışçı metodolojinin baskın hale gelmesinden sonra yapılmıştır. Bu çalışmalar, ölçümün kalitesiyle ilgilenmedi ve durumluk kaygıyı tek bir yanıtla, yani tek maddelik bir ölçekle değerlendirdi.

Black daha sonra durumluk kaygıyı ölçen çeşitli ölçeklerin güvenilirliğini bildiren altı çalışmayı aradı. Bildirilen güvenilirlikler gösterilir. Ölçekler madde sayısı bakımından farklılık gösterdiğinden, güvenilirlikleri karşılaştırılabilir değildir. Böylece Black, tüm çalışmalar için ortak bir referans noktası olan bir maddenin güvenilirliğini hesaplamak için ters Spearman-Brown formülünü kullandı.

Tek maddelik güvenilirlikler rapor edilmiştir. Tüm tek öğeli güvenilirlikler .25’e yakındır ve güvenilirliklerdeki varyasyon, örnekleme hatasından beklenenden daha fazla değildir. Bundan, Black’e göre, daha yeni tek maddelik araştırmalardaki güvenilirliğin sadece .25 olduğu görülüyordu. Bu gerçeğe dayanarak, Spearman-Brown formülünü (bu bölümün sonundaki alıştırmada verilen), daha eski beş maddelik çalışmalar için .625’lik bir güvenilirliği hesaplamak için kullandı; bu, bildirilen iki güvenilirlikle uyumlu bir değerdir. Daha sonra bu bilgiyi gösterilen üçüncü meta-analizi yapmak için kullandı.

Siyah, .04’lük bir standart sapma ile .48’lik bir ortalama etki büyüklüğü buldu. Normal dağılım orta aralığı .40 < δ < .56 olacaktır. Black, Jones’un başarısızlığın ortalama etkisini %35 oranında, Smith’in ise %19 oranında hafife aldığını kaydetti. Ayrıca, her iki yazarın da çalışmalar arasındaki varyasyonun boyutunu fazlasıyla abarttığını kaydetti.

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

Bireysel çalışmalarda düşük istatistiksel gücün yarattığı problemler, meta-analiz ihtiyacının merkezinde yer alır. Bu bölüm, istatistiksel güç sorusunu daha ayrıntılı olarak incelemektedir.

Denetleme değerlendirmesi ve iş tatmini arasındaki nüfus korelasyonunun tüm ortamlarda .25 olduğunu varsayalım. Bu, güvenilmezlik düzeltmelerinden önceki korelasyondur (ölçüm hatası). Şimdi, çalışmaların her biri N = 83 olan çok sayıda ortamda yürütüldüğünü varsayalım. Basitlik için, bu iki değişkeni ölçmek için tüm çalışmalarda aynı araçların kullanıldığını, bu nedenle çalışmalar arasında güvenilirliklerin sabit olduğunu varsayalım.

Ayrıca, her çalışmadaki konuların, olası tüm çalışanların popülasyonundan rastgele bir örneklem olduğunu ve daha önce tartışılan aralık varyasyonunun ve diğer eserlerin çalışmalar arasında farklılık göstermediğini varsayın. Ardından, tüm bu çalışmalar arasında gözlemlenen ortalama korelasyon, gerçek değer olan .25 olacaktır. Ancak, örnekleme hatası nedeniyle önemli ölçüde değişkenlik olacaktır; korelasyonların SD’si olacaktır.

Bu korelasyon dağılımı sağda gösterilmiştir. Diğer dağılım, gerçek popülasyon korelasyonu ρ = .25 yerine ρ = 0 olsaydı ortaya çıkacak olan dağılımdır. Bu boş dağılım, istatistiksel anlamlılık testinin temelidir. Ortalaması 0’dır. Boş dağılımın SD’si, gerçek dağılımın SD’si ile aynı değildir, çünkü ρ’nın gerçek değeri 0’dır.

Tek uçlu bir test için .05 anlamlılık değeri, bağıntıların yalnızca %5’inin bu değerden daha büyük olacağı sıfır dağılımındaki noktadır. %5 anlamlılık düzeyi bu nedenle sıfır dağılımının ortalamasının 1,645 SD üzerindedir, yani 0’ın üzerindedir.

Bu nedenle, anlamlı olması için, bir çalışma r en az 1.645(.110) = .18 kadar büyük olmalıdır. Gerçek ρ gerçekten 0 olsaydı, çalışma korelasyonlarının yalnızca %5’i 0,18 veya daha büyük olurdu. Yani Tip I hata oranı %5 olacaktır. Ancak ρ = .25 olduğundan ve 0 olmadığından, Tip I hatalar olamaz, yalnızca Tip II hatalar olabilir. Çalışmanın yüzde kaçı rs .18 veya daha büyük olacak? 

Herhangi bir normal eğri tablosundan belirlenebileceği gibi, ortalamanın altında .68 standart sapmanın üzerinde olan bir normal dağılımdaki değerlerin yüzdesi .75’tir. Bu nedenle, istatistiksel güç .75’tir; Tüm bu çalışmaların %75’i istatistiksel olarak anlamlı bir korelasyon elde edecektir. Bu, gözlemlenen r dağılımında .18’in sağındaki alanı temsil etmektedir.

Güç analizi PDF
Power analizi Nedir
Post hoc power analizi nasıl yapılır
G-Power analizi
Retrospektif çalışmada güç analizi
Güç analizi örneklem büyüklüğü
İstatistiksel güç nedir
Testin gücü nasıl hesaplanır

Bu alan, gözlemlenen rs’nin %75’ini içerir. Çalışmaların geri kalan %25’i için, geleneksel sonuç, korelasyonun önemsiz olduğu ve 0 olduğu olacaktır. Bu, gözlemlenen r dağılımında .18’in solundaki alanı temsil eder. Bu alan, gözlemlenen rs’nin %25’ini içerir. Bu sonuç yanlıştır; korelasyon her zaman .25’tir ve yalnızca bu değere sahiptir. Böylece, II. Tip hata olasılığı (var olduğu yerde ilişki olmadığı sonucuna varılır) .25’tir.

Bu örnekteki çalışmalar, birçok gerçek çalışmaya göre daha yüksek istatistiksel güce sahiptir. Bunun nedeni, gerçek korelasyonun (.25), gerçek dünya nüfus korelasyonları için genellikle olduğundan daha büyük olmasıdır. Ayrıca, örnek boyutu (N = 83) burada gerçek çalışmalarda olduğundan daha büyüktür, bu da istatistiksel gücü daha da artırır. Örneğin, sözel veya nicel yeteneği ölçen tipik bir istihdam testi için ortalama geçerlilik katsayısı, aralık kısıtlaması ve kriter güvenilmezliği için düzeltmeden önce yaklaşık .20’dir ve literatürdeki örneklem büyüklükleri genellikle 83’ten küçüktür.

Birçok gerçek çalışmayı daha iyi temsil eden bir vakayı gösterir. Korelasyonun gerçek değeri (popülasyon korelasyonu) .20’dir ve her çalışma N = 40’lık bir örneklem büyüklüğüne dayanmaktadır. Bu tür birçok çalışmada gözlemlenen korelasyonların standart sapmasıdır.

.05 düzeyinde anlamlı olması için (yine, tek kuyruklu bir test kullanılarak), bir korelasyon sıfır dağılımının sıfır ortalamasının 1.645(.160) = .26 kadar üzerinde olmalıdır. .26 veya daha büyük olan tüm korelasyonlar anlamlı olacaktır; geri kalanı önemsiz olacaktır. Bu nedenle, anlamlı olması için korelasyonun gerçek değerinden büyük olması gerekir.

Korelasyonun gerçek değeri her zaman .20’dir; gözlemlenen değerler, yalnızca rastgele örnekleme hatası nedeniyle .20’nin gerçek değerinden daha büyüktür (veya daha küçüktür). Önemli bir korelasyon elde etmek için, pozitif rastgele örnekleme hatasına sahip olacak kadar şanslı olmalıyız. r’nin .20 olan gerçek değerine eşit olduğu herhangi bir çalışma, yani r’yi tahmin etmede tamamen doğru olan herhangi bir çalışma, korelasyonun 0 olduğu gibi yanlış bir sonuca yol açacaktır! Korelasyonların yüzde kaçı anlamlı olacak?

.39’luk bir z puanının üzerindeki normal dağılımdaki değerlerin yüzdesi %35’tir. Orada, bu %35, gözlemlenen r dağılımındaki .26 değerinin üzerindeki alandır. Dolayısıyla, r’nin gerçek değeri her zaman .20 olsa bile, tüm bu çalışmaların yalnızca %35’i anlamlı bir r elde edecektir; asla 0 değildir. İstatistiksel güç sadece .35’tir. Çalışmaların çoğu (%65), ρ = 0 olduğunu yanlış bir şekilde gösterecektir; Tüm çalışmaların %65’i yanlış bir sonuca varacaktır.

Geçmişte, bir ilişkinin var olup olmadığına karar vermek için çoğunluk sonucunun kullanıldığı bir oy sayma prosedürü sıklıkla kullanılmıştır. Çalışmaların çoğunluğu burada olduğu gibi önemsiz bir bulgu gösteriyorsa, sonuç hiçbir ilişkinin olmadığıdır. Bu sonuç, oy sayma yönteminin kusurlu olduğunu göstererek burada açıkça yanlıştır.

Bununla birlikte, daha da şaşırtıcı olan, yürütülen çalışmaların sayısı ne kadar fazlaysa, hiçbir ilişki olmadığı (yani, ρ = 0 olduğu) gibi yanlış bir sonuca varmanın kesinliği o kadar fazladır! Sadece birkaç çalışma yapılırsa, şans eseri bir çoğunluk önemli korelasyonlar elde edebilir ve oy sayma yöntemi hatalı bir sonuca yol açmayabilir.

Örneğin, yalnızca beş çalışma yapılırsa, şans eseri üçü önemli korelasyonlar elde edebilir. Bununla birlikte, çok sayıda çalışma yürütülürse, yaklaşık olarak %35 anlamlı ve %65 önemsiz üzerinde sıfırlanacağından eminiz. Bu, oy sayma yönteminin paradoksunu yaratır: Eğer istatistiksel güç .50’den azsa ve nüfus korelasyonu 0 değilse, o zaman ne kadar çok araştırma çalışması olursa, gözden geçirenin ρ gibi yanlış bir sonuca varması o kadar olasıdır. = 0.

The post İstatistiksel Gücün Daha Detaylı İncelenmesi – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri first appeared on Online (Parayla Ödev Yaptırma).

Güç pozisyonunu savunan insanlar bunun bir kayıp olmayacağını söylüyor. Yetersiz güce sahip bir çalışmanın hiçbir şeye katkıda bulunmadığını ve bu nedenle yapılmaması gerektiğini savunuyorlar. Ancak bu tür çalışmalar, bir meta-analizde onlar gibi başkalarıyla birleştirildiğinde değerli bilgiler içerir. Aslında, bireysel olarak hepsinin yetersiz istatistiksel güce sahip olduğu çalışmalara dayanarak kesin meta-analiz sonuçları elde edilebilir. Bu çalışmalar hiç yapılmadığı takdirde bu araştırmalardaki bilgiler kaybolur.

Bu tür çalışmaların değersiz olduğu inancı, iki yanlış varsayıma dayanmaktadır: (1) her bireysel çalışmanın, diğer çalışmalara atıfta bulunmadan kendi başına bir sonucu doğrulayabilmesi gerektiği varsayımı ve (2) her çalışmanın gerekli olması gerektiği varsayımı. anlamlılık testleri kullanılarak analiz edilmelidir.

Meta-analizin katkılarından biri, hiçbir çalışmanın tek başına bilimsel bir soruyu yanıtlamak için yeterli olmadığını göstermesi olmuştur. Bu nedenle her çalışma daha sonraki bir meta-analizde katkı sağlayacak bir veri noktası olarak değerlendirilmelidir. Ayrıca, bireysel çalışmalar, anlamlılık testleri değil, etki büyüklüklerinin ve güven aralıklarının nokta tahminleri kullanılarak analiz edilmelidir.

O halde, bireysel çalışmalarda istatistiksel güç sorununu nasıl çözebiliriz? Aslında, bu problem bir sözde problemdir. Anlamlılık testi durdurularak “çözülebilir”. Oakes’ın belirttiği gibi, istatistiksel güç, yalnızca istatistiksel anlamlılık testi bağlamında meşru bir kavramdır. Önemlilik testi kullanılmazsa, istatistiksel güç kavramının yeri yoktur ve anlamlı değildir. Özellikle, araştırmalardaki verileri analiz etmek için nokta tahminleri ve güven aralıkları kullanıldığında ve bulguları çalışmalar arasında bütünleştirmek için meta-analiz kullanıldığında, istatistiksel güçle ilgili herhangi bir endişeye gerek yoktur.

Bireysel araştırmalardaki verilerin analizinde ve araştırma literatürlerinin yorumlanmasında önem testine dayalı geleneksel güven uygulamasına yönelik eleştirimiz, yanlış bir sonuca, yani eğer anlamlılık testleri hiç kullanılmamış olsaydı, araştırma bulgularının incelenen farklı çalışmalarda tutarlı olacağı şeklinde yanlış bir sonuca varabilir. 

İş tatmini ile iş performansı arasındaki ilişkiyi düşünün. Araştırmacılar anlamlılık testlerine güvenmeseydi, bu çalışmaların hepsinde aynı bulgular olur muydu? Kesinlikle hayır: Korelasyonlar çok çeşitli olurdu (aslında olduğu gibi). Korelasyonlardaki bu tür değişkenliğin başlıca nedeni, bireysel araştırma çalışmalarında kullanılan küçük örneklerin alındıkları popülasyonları rastgele temsil etmemesi gerçeğinden kaynaklanan basit örnekleme hatasıdır. Çoğu araştırmacı, örnekleme hatasından kaynaklanan bulgulardaki değişkenlik miktarını ciddi şekilde hafife alır.

Testin gücü nasıl hesaplanır
Post hoc power analizi nasıl yapılır
Güç analizi PDF
Güç analizi Nedir
Güç analizi hesaplama
Power analizi
G-Power analizi
G-Power Nedir

Büyük sayılar yasası, büyük rastgele örneklerin kendi popülasyonlarını temsil ettiğini ve gerçek (popülasyon) değerlere yakın parametre tahminleri verdiğini doğru bir şekilde belirtir. Birçok araştırmacı, aynı yasanın küçük örnekler için geçerli olduğuna inanıyor gibi görünüyor.

Sonuç olarak, küçük örneklerde (örneğin, 50 ila 300) hesaplanan istatistiklerin, gerçek (nüfus) değerlere yakın yaklaşık değerler olmasını yanlışlıkla beklerler. Yürüttüğümüz bir çalışmada, çok daha büyük bir veri setinden N = 30’luk rastgele örnekler (küçük çalışmalar) çektik ve her bir N = 30 örneğinin sonuçlarını hesapladık. Bu sonuçlar, “çalışma” ile “çalışma” arasında önemli ölçüde farklılık gösterdi ve tüm bu değişkenlik yalnızca örnekleme hatasından kaynaklanıyordu.

Yine de bu verileri araştırmacılara gösterdiğimizde, her bir “çalışma”nın daha büyük bir çalışmadan rastgele bir çizim olduğuna inanmakta zorlandılar. Basit bir örnekleme hatasının bu kadar çeşitlilik üretebileceğine inanmadılar. Araştırma çalışmalarında basit örnekleme hatasının ne kadar çeşitlilik ürettiğini fark etmedikleri için şok oldular.

Alternatif bir analiz varsa, o zaman belki de önem testini bırakmanın zamanı gelmiştir. Önemlilik testinin iki alternatifi vardır. İnceleme çalışmaları düzeyinde meta-analiz vardır. Tekli çalışmalar düzeyinde, güven aralığı vardır.

Güvenilirlik Aralığı

Varsayımsal örneğimizden Çalışma 17 ve 30’u düşünün. Çalışma 17, r = .31 ve N = 69 ile korelasyonu .01 düzeyinde anlamlı buluyor. Çalışma 30, r = .31 ve N = 26 ile korelasyonun anlamlı olmadığını bulmuştur. Yani, aynı bulguya sahip iki yazar, r = .31, zıt sonuçlara varmaktadır. Yazar 17, örgütsel bağlılığın iş tatmini ile yüksek oranda ilişkili olduğu sonucuna varırken, Yazar 30 bağımsız oldukları sonucuna varmıştır. Bu nedenle, aynı bulgulara sahip iki çalışma, “literatürde çelişkili sonuçlar” olduğunu iddia eden bir derleme yazarına yol açabilir.

Sonuçlar güven aralıkları ile yorumlanırsa sonuçlar oldukça farklıdır. Yazar 17 %95 güven aralığı ile .10 ≤ ρ ≤ .52 olan r = .31 bulgusunu bildirir. Yazar 30, −.04 ≤ ρ ≤ .66 %95 güven aralığı ile r = .31 bulgusunu bildirir. Bu sonuçlar arasında herhangi bir çelişki yoktur; iki güven aralığı önemli ölçüde örtüşmektedir.

Öte yandan, anlamlılık testi ile kaydedilen olgu, iki güven aralığında hala verilmektedir. Çalışma 17, ρ = 0’ın makul bir olasılık olmadığını bulurken, Çalışma 30, ρ = 0’ın göz ardı edilemeyeceğini bulur. Bu nedenle, iki ayrı çalışma, anlamlılık testi ile tutarsız sonuçlar çıkarmaz. Bununla birlikte, birlikte ele alınan iki çalışma, güven aralıkları kullanıldığında doğru sonuca yol açmaktadır.

Şimdi Tablo 1.1’den Çalışma 26 ve 30’u düşünün. Çalışma 26, .01 düzeyinde anlamlı olan N = 26 ile r = .53 buluyor. Çalışma 30, anlamlı olmayan N = 26 ile r = .31 bulur. Yani, aynı örneklem büyüklüğüne sahip iki çalışmamız var, ancak görünüşe göre büyük ölçüde farklı sonuçlar var. Önem testleri kullanılarak, farkı açıklayan bir moderatör olması gerektiği sonucuna varılabilir. Bu sonuç yanlıştır.

İki çalışmada güven aralıkları kullanılmış olsaydı, sonuç farklı olurdu. Çalışma 26 için güven aralığı .25 ≤ ρ ≤ .81 ve Çalışma 30 için güven aralığı −.04 ≤ ρ ≤ .66’dır. Çalışma 30 için güven aralığının ρ = 0 içerdiği doğrudur, Çalışma 26 için güven aralığı ise içermez; Bu, anlamlılık testi tarafından kaydedilen gerçektir.

Ancak önemli olan, iki güven aralığının .25 ≤ ρ ≤ .66’lık bir örtüşme göstermesidir. Bu nedenle, iki çalışmanın birlikte değerlendirilmesi, her iki çalışmanın da popülasyon korelasyonu ρ için aynı değeri ima etmesinin mümkün olduğu doğru sonuca götürür. Gerçekten de, örtüşen aralıklar doğru değeri içerir, ρ = .33.

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

Birincil gözlemsel çalışmalarda, araştırmacılar bazen potansiyel karıştırıcıların etkisini denemek ve ortadan kaldırmak için regresyon analizini kullanırlar. Aspirin örneğinde, dozun sağlık ve yaş sabit tutularak etkisini değerlendirmek için sağlık, yaş ve doz sırasına göre ortak değişkenler girebilirler.

Bu mükemmel bir çözüm değil çünkü farkında olmadığımız başka karıştırıcılar da olabilir, ancak bu yaklaşım belirli faktörlerin etkisini izole etmeye ve randomize çalışmalarda test edilecek hipotezler oluşturmaya yardımcı olabilir. Aynı şey meta regresyon için de geçerlidir. Elbette, ortak değişken değerleri çalışma düzeyinde atandığından, meta-regresyon, çalışmalar içindeki olası karıştırıcılar için değil, yalnızca çalışmalar arasındaki karşılaştırmalar için olası karıştırıcıları ayarlamak için kullanılabilir.

Alt grup analizi ve regresyonun nedenselliği kanıtlayamayacağı kuralının bir istisnası vardır. Bu istisna, çalışmaların alt grup üyeliği veya ortak değişken tarafından yakalananlar dışında tüm açılardan aynı olduğunu bildiğimiz durumdur. Farmasötik örnek, konuya bir örnektir.

Burada 1000 hastayı kaydettik ve bazılarını ilacın düşük dozunu plaseboya karşı test edecek çalışmalara, diğerlerini ise ilacın yüksek dozunu plaseboya karşı test edecek çalışmalara atadık. Burada alt gruplara atama rastgeledir. Aynısı, hastalara ilaç dozunun sürekli bir ölçekte değiştirildiği on çalışmaya atanmış olsaydı ve doz ile etki büyüklüğü arasındaki ilişkiyi test etmek için meta-regresyon kullansaydık da geçerli olacaktı. Bu koşullar dizisi uygulamada nadiren (eğer varsa) bulunur.

ALT GRUP ANALİZLERİ VE META-REGRESYON İÇİN İSTATİSTİK GÜÇ

İstatistiksel güç, bir anlamlılık testinin boş hipotezi reddetme olasılığıdır. Alt grup analizleri durumunda, iki gruptaki etkiyi karşılaştırmaya yönelik Z-testinin veya bir dizi grup arasındaki etkileri karşılaştırmaya yönelik Q-testinin istatistiksel olarak anlamlı bir p-değeri verme olasılığı vardır. Meta-regresyon durumunda, tek bir ortak değişkenin Z testinin veya bir dizi ortak değişkenin Q testinin istatistiksel olarak anlamlı bir p değeri verme olasılığıdır.

Güç, etkinin boyutuna ve etkiyi ölçtüğümüz kesinliğe bağlıdır. Alt grup analizi için bu, alt grup ortalamaları arasındaki (veya arasındaki) fark arttıkça ve/veya alt gruplar içindeki standart hata azaldıkça gücün artacağı anlamına gelir. Meta-regresyon için bu, ortak değişken ve etki büyüklüğü arasındaki ilişkinin büyüklüğü arttıkça ve/veya tahminin kesinliği arttıkça gücün artacağı anlamına gelir. Her iki durumda da, tahminin kesinliğini yönlendiren kilit faktör, tüm çalışmalarda bireysel deneklerin toplam sayısı ve (rastgele etkiler için) toplam çalışma sayısı olacaktır.

Güç analizi Nedir
Güç analizi nasıl yapılır
G-power analizi
Güç analizi programı
Güç analizi PDF
Power analizi
Güç analizi hesaplama
Post hoc power analizi nasıl yapılır

Meta-analizde ana etkiyi test etme gücünün sürekli olarak yüksek olduğuna dair genel bir algı olsa da, bu algı doğru değildir ve kesinlikle alt grup farklılıkları testlerini veya meta-regresyonu kapsamamaktadır.

Alt grupları karşılaştırırken veya meta-regresyonda istatistiksel olarak anlamlı bir p değeri bulamamak, etkinin (varsa) oldukça küçük olduğu anlamına gelebilir, ancak aynı zamanda analizin büyük bir etkiyi bile algılamak için zayıf bir güce sahip olduğu anlamına gelebilir. Alt gruplardaki gerçek ortalamaların aynı olduğu veya bir ortak değişkenin etki büyüklüğü ile ilişkili olmadığı sonucuna varmak için asla önemsiz bir bulgu kullanılmamalıdır.

ÖZET NOKTALAR

• Hesaplamalı bir modelin seçimi (sabit-etki veya rastgele-etkiler), altta yatan dağılıma ilişkin anlayışımıza dayanmalıdır. Çoğu durumda, özellikle çalışmalar yayınlanmış literatürden toplandığında, rastgele etkiler modeli (alt gruplar içinde) sabit etki modelinden daha akla yatkındır.
• Sabit etki modeliyle başlama ve ardından heterojenlik testi önemliyse rastgele etkiler (veya karışık etki) modeline geçme stratejisi bir hatadır ve kesinlikle önerilmemelidir.
• Çoklu test yapma sorunu (gerçek alfanın nominal alfayı aşabileceği korkusu) meta-analizde birincil araştırmalardaki aynı soruna benzer ve bu sorunla başa çıkmak için benzer stratejiler önerilir.
• Etki büyüklüğü ile alt grup üyeliği veya etki büyüklüğü ile ortak değişkenler arasındaki ilişki gözlemseldir ve nedenselliği kanıtlamak için kullanılamaz. Bu, analizdeki tüm çalışmalar randomize çalışmalar olsa bile geçerlidir. Çalışma tasarımının sağladığı koruma, diğer analizler için değil, tüm çalışmalarda özet etkisine geçer.
• Alt gruplar arasındaki bir farkı tespit etmek veya bir ortak değişken ile etki büyüklüğü arasındaki ilişkiyi tespit etmek için istatistiksel güç genellikle düşüktür ve olağan uyarılar geçerlidir. Yani, alt gruplar arasında istatistiksel olarak anlamlı bir fark elde edilememesi, hiçbir zaman etkinin alt gruplar arasında aynı olduğunun kanıtı olarak yorumlanmamalıdır.
• Benzer şekilde, bir ortak değişken için istatistiksel olarak anlamlı bir etki elde edilememesi, asla ortak değişken ile etki büyüklüğü arasında bir ilişki olmadığının kanıtı olarak yorumlanmamalıdır.

Karmaşık Veri Yapıları

Şimdiye kadar her çalışmanın bir meta-analiz için bir (ve yalnızca bir) etki büyüklüğüne katkıda bulunduğunu varsaydık. Bu bölümde, çalışmaların meta-analiz için birden fazla etki boyutuna katkıda bulunduğu durumları ele alıyoruz. Bunlar genellikle aşağıdaki türlerden birine girer.

Bir çalışma içinde birden fazla bağımsız alt grup

Bazen tek bir çalışma, birkaç katılımcı grubu için veri rapor edecektir. Örneğin, araştırmacılar tedavi etkisinin (örneğin ilaca karşı plasebo) yaşa göre değişebileceğini tahmin ederse, tedavi etkisini çocuklar ve yetişkinler için ayrı ayrı rapor edebilirler. Benzer şekilde, araştırmacılar tedavi etkisinin hastalığın evresine göre değişebileceğini tahmin ederlerse, etkiyi erken evre hastalığı olan hastalar ve geç evre hastalığı olan hastalar için ayrı ayrı rapor edebilirler.

Buradaki belirleyici özellik, alt grupların birbirinden bağımsız olması ve böylece her birinin benzersiz bilgi sağlamasıdır. Bu nedenle, bazen tercih edilen yöntem olan her bir alt grubu ayrı bir çalışma gibi ele alabiliriz. Ancak bazen dikkate alınması gereken başka seçenekler de vardır ve bunları da tartışacağız.

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