Standartlaştırılmış ortalama farkı (􏰌) olarak iki bağımsız grup kullanan çalışmalardan tahmin edebiliriz. Payda, X1 ve X2, iki gruptaki örnek ortalamalardır. Paydada Swithin, gruplar arasında havuzlanmış grup içi standart sapmadır.

Burada n1 ve n2 iki gruptaki örneklem büyüklükleridir ve S1 ve S2 iki gruptaki standart sapmalardır. Standart sapmanın iki örnek tahminini bir araya getirmemizin nedeni, temel popülasyon standart sapmalarının aynı olduğunu varsaysak bile (yani 􏰑1 5 􏰑2 5 􏰑), örneğin S1 ve S2 tahminlerinin olası olmamasıdır. özdeş olacaktır. Standart sapmanın iki tahminini bir araya getirerek, ortak değerlerinin daha doğru bir tahminini elde ederiz.

Standartlaştırılmış ortalama farkın örnek tahmini, araştırma sentezinde genellikle Cohen’in d’si olarak adlandırılır. Terminolojiyle ilgili bazı karışıklıklar, başlangıçta Cohen tarafından istatistiksel güç analizi için etkilerin boyutunu tanımlamak için bir popülasyon parametresi olarak önerilen 􏰌 indeksinin bazen d olarak da adlandırılması gerçeğinden kaynaklanmıştır. Bu ciltte, etki büyüklüğü parametresini belirtmek için 􏰌 sembolünü ve bu parametrenin örnek tahmini için d sembolünü kullanıyoruz.

Bu denklemde eşittir işaretinin sağındaki ilk terim ortalama farkın tahminindeki belirsizliği yansıtır ((4.18)’deki pay) ve ikincisi Swithin tahminindeki belirsizliği yansıtır (paydadaki pay).

Küçük örneklerde 􏰌’nin mutlak değerini olduğundan fazla tahmin etme eğiliminde olan d’nin hafif bir önyargıya sahip olduğu ortaya çıktı. Bu önyargı, bazen Hedges’ g olarak adlandırılan tarafsız tahminle birlikte, 􏰌’nin tarafsız bir tahminini veren basit bir düzeltme ile kaldırılabilir (Hedges, 1981). d’den Hedges’ g’ye dönüştürmek için J. Hedges (1981) olarak adlandırılan bir düzeltme faktörü kullanıyoruz, J için tam formülü veriyor, ancak yaygın uygulamada araştırmacılar bir tahmin kullanıyor.

Bu ifadede df, iki bağımsız grup için n1 × n2 – 2 olan Swithin’i tahmin etmek için kullanılan serbestlik derecesidir. df 􏰆10 olduğunda bu yaklaşımın her zaman 0,007’den küçük ve yüzde 0,035’ten küçük bir hatası vardır.

Düzeltme faktörü (J) her zaman 1.0’dan küçüktür ve bu nedenle g mutlak değerde her zaman d’den küçük olacaktır ve g’nin varyansı her zaman d’nin varyansından küçük olacaktır. Bununla birlikte, df çok küçük olmadığı sürece (örneğin 10’dan küçük) ve bu nedenle (bu örnekte olduğu gibi) fark genellikle önemsiz olmadığı sürece J 1.0’a çok yakın olacaktır.

d (ve g)’nin varyansı için biraz farklı ifadeler, farklı yazarlar ve hatta aynı yazarlar tarafından farklı zamanlarda verilmiştir. Örneğin, d’nin varyansının ikinci teriminin paydası burada 2(n1 × n2) olarak verilmiştir. Bu ifade bir yöntemle elde edilir (n’lerin 􏰌 sabitlendiğinde büyüdüğü varsayılarak).

Alternatif bir türetme (n’lerin n􏰌 sabitken büyüdüğünü varsayarak) ikinci terimde biraz farklı olan bir paydaya, yani 2(n1 × n2 – 2)’ye yol açar. n1 ve n2 çok küçük olmadıkça, bu ifadeler hemen hemen aynı olacaktır.

Benzer şekilde, burada g’nin varyansı için verilen ifade J2 çarpı d’nin varyansıdır, ancak çoğu durumda birliğe çok yakın olduğu için birçok yazar J2 terimini görmezden gelir. Yine, bu düzeltme faktörünün dahil edilmesi tercih edilirken, bu faktörün dahil edilmesinin pratikte çok az fark yaratması muhtemeldir.

Bağımlı bağımsız grup nedir
Bağımsız gruplar t testi
Bağımsız örneklem t testi yorumlama
Tek örneklem t testi
Bağımsız Örneklem t Testi makale
T testi ne zaman kullanılır
T testi tablosu
Bağımsız örneklem t testi non-parametrik

Ön post puanları veya eşleşen grupları kullanan çalışmalardan d ve g hesaplaması

Bir grupta eşleşen grupları veya ön-son puanları kullanan çalışmalardan standartlaştırılmış ortalama farkı (􏰌) tahmin edebiliriz. 

Bu, bağımsız gruplar için formülle aynıdır. Bununla birlikte, bağımsız gruplarla çalışırken, doğal sapma birimi gruplar içindeki standart sapmadır ve bu nedenle bu değer tipik olarak rapor edilir (veya kolayca empoze edilir). Buna karşılık, eşleşen gruplarla çalışırken, sapmanın doğal birimi fark puanlarının standart sapmasıdır ve bu nedenle rapor edilmesi muhtemel değer budur. Farkların standart sapmasından d’yi hesaplamak için, daha sonra payda olarak hizmet edecek olan gruplar içindeki standart sapmayı hesaba katmamız gerekir.

Gruplar içindeki standart sapmayı farkın standart sapmasından hesaplamak için ön ve son puanlar arasındaki korelasyon gerektiğinden, bu korelasyonun bilindiğini veya yüksek hassasiyetle tahmin edilebileceğini varsaymalıyız. Aksi takdirde, ilgili çalışmalardan korelasyonu tahmin edebiliriz ve muhtemelen bir dizi makul korelasyon kullanarak bir duyarlılık analizi yapabiliriz.

Hedges’ g ve ilgili istatistikleri hesaplamak için (4.22) ile (4.25) arasındaki formülleri kullanırdık. J hesaplaması için serbestlik derecesi n – 1’dir, burada n çift sayısıdır.

Örneğin, bir çalışmanın ön test ve son test örneğinin X1 5 103, X2 5 100, farkın örnek standart sapması Sdiff 5 5.5, örneklem büyüklüğü n 5 50 ve ön test ile son test arasında bir korelasyon olduğunu varsayalım. -r 5 0.7 testi. Gruplar içindeki standart sapma, farkın standart sapmasından hesaplanır.

Farklı Çalışma Tasarımlarının Aynı Analize Dahil Edilmesi

Daha önce belirttiğimiz gibi, tek bir sistematik inceleme, bağımsız grupları kullanan çalışmaları ve ayrıca eşleşen grupları kullanan çalışmaları içerebilir. İstatistiksel bir bakış açısından, etki büyüklüğü (d veya g), çalışma tasarımından bağımsız olarak aynı anlama sahiptir. Bu nedenle, uygun formülü kullanarak her bir çalışmadan etki büyüklüğü ve varyansı hesaplayabilir ve ardından tüm çalışmaları aynı analize dahil edebiliriz.

Aynı analizde farklı tasarımlara sahip çalışmaları kullanmak için teknik bir engel bulunmamakla birlikte, bu çalışmaların da önemli şekillerde farklılık gösterebileceği endişesi olabilir. Tüm çalışma tasarımları için etkinin yönü (X1 􏰉 X2 veya X2 􏰉 X1) isteğe bağlıdır, ancak araştırmacının bir kurala karar vermesi ve ardından bunu tutarlı bir şekilde uygulaması gerekir.

Örneğin, pozitif bir fark, tedavi edilen grubun kontrol grubundan daha iyi olduğunu gösteriyorsa, bu kural bağımsız tasarımları kullanan çalışmalar ve ön-son tasarımları kullanan çalışmalar için geçerli olmalıdır. Aynı zamanda tüm sonuç ölçütleri için de geçerli olmalıdır. Bazı durumlarda (örneğin, bazı çalışmalar sonucu doğru cevapların sayısı olarak tanımlarken, diğerleri sonucu hata sayısı olarak tanımlamışsa), konvansiyonun tutarlı bir şekilde uygulanmasını sağlamak için etki büyüklüğünün hesaplanan işaretini tersine çevirmek gerekecektir.

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