Критерии и их применение
Стоит отметить, что такие рекомендации не следует воспринимать буквально, всегда следует учитывать контекст того исследовательского поля, в котором мы работаем. O Если r примерно равен 0,5, то такой эффект можно считать сильным, поскольку он объясняет около 25% дисперсии зависимой переменной. O Если r примерно равен 0,3 по модулю, то такой эффект можно считать средним, он объясняет порядка 9… Читать ещё >
Критерии и их применение (реферат, курсовая, диплом, контрольная)
Для того чтобы решить, включать или нет то или иное исследование в свой мета-анализ, нужно разработать критерий, по которому можно было бы точно и достоверно судить о качестве исследования. В качестве критерия можно использовать определение основного понятия, которое используется в исследовании (например, понятие текущей или прогностической валидности и его наличие в исследовании, понятия job performance и т. п.). Также следует обратить внимание на методологический аспект исследований: описывают ли они валидность и надёжность применяемых методик? Используют ли контрольную группу, и т. д.
Расчет размера эффекта
После подбора статей встает вопрос о том, как же их оценить? Для этого и нужен расчет размера эффекта. Под размером эффекта обычно подразумевается стандартизированное измерение величины наблюдаемого явления (Clark-Carter, 2003; Field, 2005c). Существует множество способов расчета величины эффекта, но обычно используются три показателя:
- · Коэффициент корреляции Пирсона,
- · Коэффициент Кохена (Cohen),
- · Отношение шансов (odds ratio).
Коэффициент корреляции Пирсона является стандартизированной мерой ковариации между двумя непрерывными (интервальными) переменными. Однако, часто этот показатель используется для измерения экспериментального эффекта. Как известно, коэффициент корреляции колеблется от -1 до 1, -1 говорит о наличии сильной линейной отрицательной корреляции, 1 — о сильной положительной линейной корреляции. Cohen (1988, 1992) предложил следующую градацию коэффициента корреляции:
- o Если r примерно равен 0,1 по модулю, то такой эффект можно считать слабым, он объясняет всего 1% дисперсии.
- o Если r примерно равен 0,3 по модулю, то такой эффект можно считать средним, он объясняет порядка 9% дисперсии.
- o Если r примерно равен 0,5, то такой эффект можно считать сильным, поскольку он объясняет около 25% дисперсии зависимой переменной.
Стоит отметить, что такие рекомендации не следует воспринимать буквально, всегда следует учитывать контекст того исследовательского поля, в котором мы работаем.
Итак, после выбора подходящей метрики нужно рассчитать размер эффекта для всех отобранных статей. Даже если в статьях используются другие показатели эффекта, они зачастую переводимы друг в друга, поскольку основываются на среднем значении и дисперсии. Например, коэффициент корреляции Пирсона можно рассчитать, если имеются данные по t, z, F или хи-квадрат статистикам.