Tahmin için kullanılan test genellikle yalnızca ölçülecek yapı, örneğin aritmetik muhakeme açısından belirtilir. Genel içerik olarak (neredeyse) eşdeğer, ancak güvenilirlik açısından farklı olan birçok aritmetik akıl yürütme testi mevcuttur. İnceleme, sabit bir test yerine belirli bir test türünü kullanan tüm çalışmaları kapsıyorsa, güvenilirlikteki bu değişiklik, çalışmalar arasındaki korelasyonlardaki varyasyona katkıda bulunur.

Literatürde buna iki yanıt verildi. İlk çalışmalarımızda, tahmin edicinin güvenilirliğindeki değişimi göz ardı ettik. Daha sonra hibrit bir çözüm kullandık. Tüm eserler için çalışmalar arasındaki varyansı düzelttik, ancak ortalama korelasyonu yalnızca aralıktaki kısıtlama ve iş performansındaki ölçüm hatası için düzelttik. Yani, tahmin değişkenindeki ölçüm hatasının hafifletici etkisi için ortalamayı düzeltmedik.

Bu, tahmin edicinin güvenilirliğinin her zaman çalışma popülasyonu için ortalama değerde sabitlendiği bir işlemsel geçerlilik dağılımı için ortalama ve standart sapmayı verir. Sonuçlar, kullanılan gerçek testin ortalama güvenilirliğe eşit bir güvenilirliğe sahip olduğu bir bağlamda uygulanırsa, sonuçlarımız bu şekilde kullanılabilir.

Ancak sonuçlar, güvenilirliğin ortalamadan farklı olduğu bir bağlamda kullanılacaksa, kullanıcı rapor edilen sonuçlarımızı değiştirmelidir. Ortalama geçerlilik ve standart sapma, önce ortalama test güvenilirliğinin karekökü kullanılarak zayıflama için düzeltilmelidir. Daha sonra ortaya çıkan gerçek puan geçerliliği ve gerçek puan standart sapması, kullanılacak gerçek testin güvenilirliğinin karekökü kullanılarak zayıflatılmalıdır.

Örneğin, geçerlilik genelleme (VG) sonuçlarının ρ ̄xyt = .50 ve SDρxyt = .10 olduğunu ve meta-analizdeki ortalama sınırsız güvenilirliğin rxxa = .80 olduğunu varsayalım. Şimdi bu sonuçları kullanmak istediğinizi ancak testinizin rxxa =.90 olduğunu varsayalım.

Dolayısıyla, daha güvenilir bir test kullanmanın ortalama işlem geçerliğini %6’lık bir artışla .50’den .53’e yükselttiği görülebilir.
Daha basit bir prosedür var. İlk etapta tamamen düzeltilmiş ortalamayı ve standart sapmayı hesaplayın ve raporlayın (bağımsız değişkendeki ölçüm hatası için düzeltme dahil ve bilgilerin mevcut olduğu diğer yapay nesneler dahil). (Bu bölümde sunulan prosedürler bunu doğal olarak yapmaktadır.)

Daha sonra iki ortalama ve iki standart sapma rapor edin: (1) tamamen düzeltilmiş ortalama ve standart sapma ve (2) öngörücü değişkenin ortalama güvenilirlik düzeyine indirgenmiş bir ortalama ve standart sapma. Daha sonra, kullanıcının ortalama tahmin edici güvenilirliği, meta-analizdeki ortalama tahmin edici güvenilirliği ile aynıysa, sonuç 2 olduğu gibi kullanılabilir.

Bununla birlikte, kullanıcının tahmin edici güvenilirliği farklıysa, kullanıcının tahmin edicisinin güvenilirliğine karşılık gelmesi için gerçek puan sonuçlarını azaltması gerekir. Örneğin, gerçek puan sonuçlarının yukarıdaki gibi olduğunu varsayalım: ρ ̄ = .56, SDρ = .11 ve ortalama rxxa .80. Şimdi, kullanıcı testinin güvenilirliğinin .60 olduğunu varsayalım.

Görülebileceği gibi, daha düşük tahmin edici güvenilirliği, operasyonel geçerliliği önemli ölçüde azaltır (.50’den .43’e, %14’lük bir azalma).

F-testi Tablosu
White testi
Breusch-Pagan Testi
F testi Örnekleri
White testi Örnek soru
White testi nasıl yapılır
White testi yorumu
White testi aşamaları

Personel Seçimi: Literatürdeki Bulgular ve Formüller

Artefakt dağılımı meta-analizinin başlıca uygulamalarından biri, personel seçiminde kullanılan testlerin ve diğer yöntemlerin geçerliliğinin incelenmesi olmuştur. Duruma özgü geçerlilik hipotezini test etmek için meta-analiz kullanılmıştır. Personel seçiminde, geçerliliğin durumlara özgü olduğuna uzun süredir inanılıyordu; yani, aynı iş gibi görünen şeyler için aynı testin geçerliliğinin işverenden işverene, bölgeden bölgeye, zaman dilimleri arasında vs. değişiklik gösterdiğine inanılıyordu.

Aslında, aynı testin bir yerde veya kuruluşta yüksek geçerliliğe (yani iş performansıyla yüksek bir korelasyona) sahip olabileceğine ve başka bir yerde tamamen geçersiz (yani sıfır geçerliliğe sahip) olabileceğine inanılıyordu. Bu inanç, benzer testler ve işler için elde edilen geçerlilik katsayılarının farklı çalışmalarda önemli ölçüde değiştiği gözlemine dayanıyordu.

Bazı çalışmalarda istatistiksel olarak anlamlı bir ilişki varken, diğerlerinde yanlış bir şekilde hiçbir ilişki olmadığını gösteren anlamlı bir ilişki yoktu. Bulguların bu şaşırtıcı değişkenliği, aynı gibi görünen işlerin, onları gerçekleştirmek için gerekli olan şeylerde aslında önemli şekillerde farklılık gösterdiği varsayılarak açıklandı.

Bu inanç, yerel veya durumsal geçerlilik çalışmalarına ihtiyaç duyulmasına neden olmuştur. Geçerliliğin, ortamda yürütülen bir çalışma ile her durum için ayrı ayrı tahmin edilmesi gerektiğine karar verildi; yani, geçerlilik bulguları ortamlar, durumlar, işverenler ve benzerleri arasında genelleştirilemez. 1970’lerin sonlarında, geçerliliğin genelleştirilip genelleştirilemeyeceğini test etmek için geçerlik katsayılarının meta-analizleri yapılmaya başlandı ve bu nedenle bu meta-analizlere “geçerlilik genelleme çalışmaları” adı verildi.

Bu çalışmalar, gözlemlenen geçerliliklerdeki çalışma-çalışma değişkenliğinin tamamının veya çoğunun, bu kitapta tartışılan türden eserlerden kaynaklandığını ve geçerliliğin durumsal özgüllüğüne olan geleneksel inancın bu nedenle hatalı olduğunu göstermiştir. Geçerlilik bulguları genelleme yaptı.

Geçerlilik genelleştirme (VG) yöntemlerinin ilk uygulamaları çoğunlukla yetenek ve yetenek testleri ile sınırlıydı, ancak çok çeşitli farklı seçim prosedürlerine yönelik uygulamalar bunu kısa sürede izledi: iş örneği testleri; eğitim ve deneyimin davranışsal tutarlılığı ve geleneksel değerlendirmeleri; Değerlendirme merkezleri ; bütünlük testleri; istihdam görüşmeleri; iş bilgisi testleri, biyografik veri ölçümleri; kişilik ölçekleri, üniversite not ortalaması ve diğerleridir.

Genellenebilirliğin yorumlanması bazen daha karmaşık olmasına rağmen, genel olarak, bu prosedürler için geçerliliklerin de genelleştirilebilir olduğu kanıtlanmıştır. Bu araştırmaların çoğundan elde edilen bulgular Schmidt ve Hunter’da da özetlenmiştir.

Geçerlilik genellemeye dayalı seçim programları, 1980’ler ve 1990’lar boyunca birçok kuruluş tarafından tanıtıldı. Örnekler arasında petrol endüstrisi (Amerikan Petrol Enstitüsü aracılığıyla), elektrik hizmetleri endüstrisi (Edison Electric Enstitüsü aracılığıyla), hayat sigortası endüstrisi (Sigorta Şirketleri Birliği aracılığıyla), AT&T, Sears, Gallup Organizasyonu, Iowa eyaleti sayılabilir. , ePredix, Pentagon ve ABD Personel Yönetimi Ofisi (OPM). Bu dönemde, ticari istihdam testlerinin geliştirilmesinde ve desteklenmesinde VG yöntemleri de kullanıldı (örneğin, Psychological Services Incorporated [PSI] ve Wonderlic Company, VG sonuçlarını test kılavuzlarına da dahil etti).

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

Bir araştırma sorusuna ilişkin benzer çalışmalar arasındaki korelasyonlardaki varyasyonu göz önünde bulundurun. Gözlenen varyans sr2, iki şeyin karıştırılmasıdır: popülasyon korelasyonlarındaki varyasyon (varsa) ve örnekleme hatası tarafından üretilen örnek korelasyonlarındaki varyasyon. Bu nedenle, popülasyon korelasyonlarındaki varyansın bir tahmini, yalnızca örnekleme hatası için gözlemlenen varyans sr2 düzeltilerek elde edilebilir. Aşağıdaki matematik, çalışmalar arasındaki örnekleme hatasının, kişiler arasında ölçüm hatası gibi davrandığını ve elde edilen formüllerin klasik ölçüm teorisindeki (güvenilirlik teorisi) standart formüllerle karşılaştırılabilir olduğunu göstermektedir.

İzole bir çalışmada örnekleme hatası tedavisi ile başlıyoruz. Yalıtılmış bir çalışmada, korelasyon bir örneğe dayanır: o sırada o yerde olabilecek insan popülasyonunun belirli bir örneği, her bir kişinin kafasında test yanıtlarında ölçüm hatası oluşturan rastgele süreçlerin bir örneği veya gözetmen derecelendirmeleri vb. ve kişisel ve durumsal parametrelerdeki bir zaman varyasyonu örneğidir.

Bu, gözlemlenen korelasyonun, rastgele faktörler dışında çalışma tekrarlansaydı gözlemlenebilecek korelasyon değerlerinin popülasyon dağılımından bir örnek olduğuna dikkat edilerek istatistiklerde temsil edilir.

Bu tekrarlar, gerçek bir çalışmanın genellikle böyle bir örneği içermesi anlamında varsayımsaldır. Ancak, gerçek varyasyonu temsil ettikleri için tekrarlar varsayımsal değildir. İstatistiksel örnekleme hatası teorisini test eden binlerce gerçek deney yapıldı ve hepsi bu teoriyi doğruladı. İzole bir çalışmada örnekleme hatası gözlemlenemez ancak yine de mevcuttur.

O halde herhangi bir çalışma için, çalışma korelasyonu r ile karşılaştırılabilecek (genellikle bilinmeyen) gerçek bir popülasyon korelasyonu vardır. Aralarındaki fark, e ile göstereceğimiz örnekleme hatasıdır. Yani, örnekleme hatası e’yi formülle tanımlarız.

Örnekleme hatası rastgele değişse de, çalışmanın (genellikle varsayımsal) tekrarları için gözlemlenen korelasyonların dağılımı her zaman popülasyon korelasyonu ρ etrafında merkezlenir. Korelasyon katsayısındaki küçük yanlılığı görmezden gelirsek (veya daha sonra tartışıldığı gibi düzeltirsek), ortalama örnekleme hatası 0 olacak ve örnekleme hatasının standart sapması örnek boyutuna bağlı olacaktır.

Belirli bir korelasyondaki örnekleme hatası asla değiştirilemez (ve özellikle istatistiksel anlamlılık testi yapıldığında değişmez). Öte yandan, çalışmanın tekrarları yapılabilirse, örnekleme hatası azaltılabilir. Ortalama hata 0 olduğundan, tekrarlanan korelasyonların ortalaması alınabilir ve ortalama korelasyon, popülasyon korelasyonuna bireysel korelasyonlardan daha yakındır.

Değişen varyans sorunu nasıl çözülür
Hata terimi varyansı
Değişen varyans sonuçları
White testi yorumu
Değişen varyans nedenleri
White testi nasıl yapılır
Sabit varyans
Breusch-Pagan Testi

Ortalama korelasyondaki örnekleme hatası, bireysel örnekleme hatalarının ortalamasıdır ve bu nedenle, tipik tek örnekleme hatasından 0’a çok daha yakındır. Ortalama korelasyon, daha büyük bir örneklem boyutuna dayalı bir korelasyonla aynı şekilde daha küçük örnekleme hatasına sahiptir. Bu nedenle, çalışmaların çoğaltılması, örnekleme hatası sorununu potansiyel olarak çözebilir.

Çoğu bireysel çalışmada replikasyon mümkün olmasa da, replikasyon farklı çalışmalarda gerçekleşir. İdeal özel durumu düşünün: çalışmalar arasında popülasyon korelasyonlarında herhangi bir varyasyonun olmadığı ve tüm çalışmaların aynı örneklem büyüklüğü ile yapıldığı bir araştırma alanı için bir meta-analizdir.

Bu durum, izole korelasyon istatistiklerinin temelini oluşturan varsayımsal tekrarlarla matematiksel olarak aynıdır. Özellikle, çalışmalar arasındaki ortalama korelasyon, örnekleme hatasını büyük ölçüde azaltacaktır. Popülasyon korelasyonunun bir çalışmadan diğerine değiştiği durumda, tekrarlama daha karmaşıktır, ancak ilke aynıdır. Örnekleme hatasının çalışmalar arasında tekrarlanması, örnekleme hatasının etkisini azaltmak için ortalamayı kullanmamızı sağlar. Çalışmaların sayısı büyükse, örnekleme hatasının etkisi hemen hemen ortadan kaldırılabilir.

Tipik örnekleme hatası ne kadar büyük? Örnekleme hatasının ortalaması 0 olduğundan, ortalama örnekleme hatası örnekleme hatasının boyutunu ölçmez. Yani, −.10’luk bir negatif hata, +.10’luk bir pozitif hata kadar kötü olduğundan, önemli olan hatanın mutlak değeridir. Cebirsel işaret olmadan hataların boyutunu değerlendirmek için yaygın istatistiksel uygulama, hataların karesini almaktır.

Ortalama karesi alınmış hata varyanstır ve bunun karekökü hataların standart sapmasıdır. Hataların boyutunun en iyi temsili örnekleme hatasının standart sapmasıdır. Öyleyse, izole çalışmayı düşünün. Temel dağılımın iki değişkenli normal dağılım olduğu yaygın durumda, örnekleme hatasının standart sapması ile verilir.

N örnek boyutudur. Teknik olarak, bu formülü bu kitap boyunca kullanmamız, tüm çalışmaların bağımsız ve bağımlı değişkenlerin iki değişkenli normal dağılıma sahip olduğu bağlamlarda yapıldığı varsayımıyla eşdeğerdir, ancak istatistik literatürü bu formülün karşısında oldukça sağlam bulmuştur. 

Bununla birlikte, aralık kısıtlaması koşulları altında, bu formül bir dereceye kadar örnekleme hatası varyansını hafife alır. Diğer bir deyişle, gerçek örnekleme varyansı, formül tarafından tahmin edilen değerden daha büyüktür ve bu da örnekleme hatası varyansı için eksik düzeltmelere yol açar. Bilgisayar simülasyonunu kullanarak, Millsap (1989) bunu doğrudan menzil kısıtlaması için, Aguinis ve Whitehead (1997) ise dolaylı menzil kısıtlaması için göstermiştir.

Bu, örnekleme hatası varyansına yönelik düzeltmelerin eksik düzeltmeler olduğu ve özellikle geçerlilik genelleme çalışmalarında SDρ’nin fazla tahmin edilmesine yol açtığı anlamına gelir. Bu, hiçbirinin olmadığı bir moderatör görünümü oluşturabilir. Ancak menzil kısıtlaması olmayan araştırma alanlarında bu sorun da oluşmaz.

Çoğaltmalar arasında ortalama almanın etkisi, örnekleme hatası varyansı açısından çarpıcıdır. Her tekrardaki örneklem büyüklüğü N ve çalışma sayısı K ise, o zaman K bağıntılarının ortalamasındaki örnekleme hatası varyansı, ortalama hata e’nin varyansıdır.

Başka bir deyişle, K çalışmaları arasında ortalama almanın etkisi, örnekleme hatası varyansını K’ya bölmektir. K çalışmalarındaki toplam örneklem büyüklüğü, tek bir çalışmadaki örneklem boyutunun K katı olduğu için, bu, örneklem boyutunu bir miktar artırmak anlamına gelir. K faktörü, örnekleme hatası varyansını K faktörü kadar azaltmaktır. Bu, tek bir çalışmanın örneklem büyüklüğünü artırma kuralıyla tamamen aynı kuraldır. Bu nedenle, çoğaltma, daha büyük örnekler kullanmakla aynı şekilde örnekleme hatasını da azaltabilir.

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