Transkripsiyon Hataları – Meta-Analiz Ödevleri – Meta-Analiz Alanında Tez Yaptırma – Meta-Analiz Tez Yaptırma Ücretleri
Kayıt, Hesaplama ve Transkripsiyon Hataları
Meta-analiz, kaçınılmaz olarak, kötü veriler içeren bazı çalışmaları içerecektir. Birincil verilerin toplanmasında veya bilgisayara girilmesinde bir kayıt hatası olabilir. Hesaplama hatası veya etki büyüklüğündeki cebirsel işaretteki bir hata nedeniyle çalışma etki büyüklüğü hatalı olabilir. Son olarak, transkripsiyonda hata ortaya çıkabilir: bilgisayar çıktısından analist tablosuna, analist tablosundan el yazması tablosuna, el yazması tablosundan yayınlanmış tabloya. Hatta bazıları bir meta-analistin bir rakamı yanlış kopyalayabileceğini öne sürdü, ancak meta-analistlerin hata yapmadığı iyi biliniyor.
Aşırı uç değerler için çalışma sonuçları incelenmelidir. Bu, en aşırı kötü veri durumlarını ortadan kaldırabilir. Ancak, Bölüm 3 ve 5’te sunulan meta-analizdeki aykırı değer analiziyle ilgili uyarıları aklınızda bulundurun. Ayrıca, aykırı değer analiziyle bile, daha küçük hatalı etki büyüklükleri saptanamayacaktır. Bu nedenle, çok fazla sayıda etki büyüklüğüne sahip herhangi bir meta-analiz, genellikle en az birkaç kötü veri noktasına sahip olacaktır.
Kötü veriler tamamen önlenemeyeceğinden, çalışma sonuçlarındaki varyasyonları biraz dikkatle değerlendirmek önemlidir. Orijinal gözlemlenen varyasyonun belirli bir yüzdesi hatalı verilerden kaynaklanacaktır. Diğer tüm çalışma artefaktları düzeltildikten sonra kalan artık varyasyonun daha büyük bir kısmı kötü verilerden kaynaklanıyor olabilir.
Çoklu Artefaktlar ve Düzeltmeler
Ne yazık ki, çalışma sonuçlarının yalnızca bir artefakt tarafından bozulabileceğini söyleyen bir kural yoktur. Örnekleme hatası tüm çalışmalarda mevcut olacaktır. Tüm çalışmalarda bağımlı değişkende ölçüm hatası olacaktır. Nominal tedavi değişkeninin kusurlu kontrolü çoğu çalışmada kaçınılmaz olacaktır. Bu nedenle, yapaylık içermeyen bir meta-analiz genellikle bir dizi hata kaynağı için etki büyüklüklerinin düzeltilmesini gerektirecektir.
En uç değerlerin kaldırılması dışında, kötü veriler için herhangi bir düzeltme yoktur. Örnekleme hatası, (1) eklemeli ve (2) sistematik olmaması nedeniyle diğer yapaylıklardan farklı davranır. Etki büyüklüğü için bir güven aralığı, tek bir çalışma için potansiyel örnekleme hatasının yansız bir tahminini sağlasa da, tek çalışma düzeyinde örnekleme hatası için bir düzeltme yoktur. Bir sonraki bölümde meta-analizde örnekleme hatası sorununu düzeltmeyi ele alacağız.
Örnekleme hatası ve hatalı veriler dışındaki yapaylıklar, doğası gereği sistematiktir ve bu nedenle potansiyel olarak düzeltilebilir. Anahtar, yapay sürecin boyutu hakkında gerekli bilgilere sahip olmaktır (örneğin, güvenilmezliğin kapsamı veya aralık kısıtlamasının kapsamı veya kusurlu yapı geçerliliğinin kapsamı). Bu bir veya yedi eser olsun, yeterli eser bilgisi olan her eseri düzeltebilirsiniz.
Düzeltilmeden bırakılan her artefakt, gerçek etki boyutunun karşılık gelen bir küçümsenmesine neden olur. Ayrıca, çalışmalar arasında düzeltilmemiş artefaktlardaki varyasyon, tedavi etkisindeki gerçek varyans gibi görünmektedir. Bu, hiçbirinin olmadığı yerlerde çapraz ayarlı varyasyonun görünümünü yaratabilir.
Transkripsiyon
Transkripsiyon nedir
Transkripsiyon ve translasyon
Transkripsiyon faktörleri
transkripsiyon, translasyon replikasyon
Prokaryotlarda transkripsiyon
Ökaryotlarda transkripsiyon
Translasyon nedir
Tedavi etkisinde gerçek varyasyon varsa, düzeltilmemiş artefaktlar gerçek farklılıkları maskeler. Yani, düzeltilmemiş artefaktlar nedeniyle görünen etki büyüklüğündeki varyasyon, gerçek moderatör değişkenlerinden kaynaklanan farklılıkları geçersiz kılabilir ve bu nedenle, olaydan sonra yapılan çalışmaları inceleyerek gerçek moderatör değişkeni belirlemeyi zorlaştırabilir.
Her bir eser hakkında bilgi verilirse eserler için düzeltme yapmak zor değildir. Bir örnek düşünün: birinci kademe denetçiler için fabrika ortamında yürütülen bir sosyal beceri eğitimi çalışması. İş performansının ölçüsü, her bir süpervizörün birinci kademe yöneticisinin 100 puanlık tek bir grafik derecelendirme ölçeğindeki performans derecelendirmesidir.
Araştırmacı, performans derecelendirmelerinin bir oran ölçeğinde (bir gerçek) ölçüldüğünden şüphe duyduğu için, araştırmacı parametrik istatistiklerin kullanılamayacağına karar verdi (kendi adına istatistiksel bir hata). Böylece araştırmacı veriler üzerinde bir işaret testi yapmaya karar verdi. Birleştirilmiş grup verileri ortancaya bölündü ve beceri eğitimi alan ve almayan denetçiler arasındaki ortalamanın üzerindeki performansın oranını karşılaştıran bir ki-kare testi yapıldı.
Konsensüs performans derecelendirmeleri üzerindeki eğitim için tedavi etkisinin dTY = .40 olduğunu varsayın. Gerçek popülasyon tedavi korelasyonu bu nedenle rTY = .20’dir. Tek bir derecelendirme ölçeğinde tek bir denetçi tarafından yapılan performans derecelendirmelerinin değerlendiriciler arası güvenilirliği ortalama .28’dir (Hunter ve Hirsh, 1987; King, Hunter ve Schmidt, 1980). Böylece etki büyüklüğü dTY = .40’tan .40’a düşürülmüştür.
Toplam örneklem büyüklüğü 100 olan bir çalışma için bu, istatistiksel gücü zaten düşük olan %51’den çok düşük %18’e düşürür. .50’den küçük bir d değeri için bir medyan bölme kullanan bir dikotomizasyonun etkisi, basitçe değeri %20 azaltmaktır.
Bu, istatistiksel gücü çok düşük bir %18’den daha da düşük bir %13’e düşürür. Yani, iki eser birlikte etki boyutunu .40’tan .17’ye, uygun değerinin yarısından daha azına düşürür. İstatistiksel güç, zaten istenmeyen olan %51’den yalnızca %13’e düşürülür, anlamlılık testi için hata oranı %49’dan %87’ye yükselir. Eserlerin sistematik etkisi, düzeltme formülleri ile çalışmadan çıkarılabilir.
Yani, artefaktlar etkinin boyutunu %58 oranında azaltırsa, değeri karşılık gelen faktör .42’ye bölerek değeri geri yükleyebiliriz. Ancak bu düzeltme etki büyüklüğündeki sistematik hatayı ortadan kaldırırken artan örnekleme hatasını ortadan kaldırmaz. Düzeltilmiş etki büyüklüğü üzerinde uygun bir istatistiksel test, düzeltilmemiş etki büyüklüğü üzerinde yapılan testle aynı p değerlerini verir. Bu nedenle, istatistiksel düzeltme formülleri, kaybedilen istatistiksel gücü geri yüklemez.
Önceki örnek, orta büyüklükteki efekt boyutlarındaki çoklu yapaylıklar için tipik bir düzeltmedir. Her artefakt, etki boyutunu bir çarpımsal faktörle azaltır. Net etki, etki boyutunu, ayrı çarpanların çarpımı olan bir çarpımsal faktörle azaltmaktır. Yani, birkaç artefaktın zayıflatıcı etkisi, ayrı zayıflatıcı faktörlerin çarpımı ile etki boyutunu azaltmaktır. Karşılık gelen düzeltme, zayıflama çarpanına bölünerek efekt boyutunu orijinal boyutuna geri yükler.
Önceki tartışmada bir uyarı var: Tedavi korelasyonu için tam olarak doğrudur, ancak etki büyüklüğü d için yalnızca bir yaklaşıklıktır. Bir tedavi etkisi, d = 2r yaklaşımı bozulacak kadar büyükse, o zaman çarpımsal formül sadece tedavi korelasyonuna uygulanmalıdır. Tedavi etkisi d daha sonra olağan dönüşüm formülü ile hesaplanabilir.
Örneğin, çok büyük bir tedavi etkisi için sosyal beceri eğitimi örneğini düşünün, örneğin d = 1.50. Gözlenen tedavi korelasyonu, zayıflama denklemini karşılar.
Ökaryotlarda transkripsiyon Prokaryotlarda transkripsiyon Transkripsiyon Transkripsiyon faktörleri Transkripsiyon nedir Transkripsiyon ve translasyon Translasyon nedir translasyon replikasyon