এলোমেলো প্রভাব মেটা-বিশ্লেষণের জন্য বিকল্প ওজন স্কীম: মানক বিচ্যুতি অনুপস্থিত

Question

আমি প্রচুর স্টাডিকে কভার করে র্যান্ডম এফেক্টস মেটা-বিশ্লেষণে কাজ করছি যা মানক বিচ্যুতির প্রতিবেদন করে না; সমস্ত অধ্যয়ন নমুনা আকার রিপোর্ট। আমি বিশ্বাস করি না যে এসডি অনুপস্থিত ডেটা আনুমানিক বা গতিবদ্ধ করা সম্ভব। সমস্ত অধ্যয়নের জন্য স্ট্যান্ডার্ড বিচ্যুতি উপলব্ধ না হলে কোনও মেটা-অ্যানালাইসিস যা কাঁচা (অযৌক্তিক) ব্যবহার করে তার প্রভাবের আকার হিসাবে কীভাবে পার্থক্য বোঝানো উচিত? আমি অবশ্যই তাউ-স্কোয়ারের অনুমান করতে পারি এবং এলোমেলো-প্রভাবের কাঠামোর মধ্যে থাকতে আমি যে কোনও ভারীকরণের স্কিম ব্যবহার করি না কেন তার মধ্যে মধ্যবর্তী স্টাডির বিভিন্নতাটি পরিমাপ করতে পারি incor

আরও কিছু তথ্য নীচে অন্তর্ভুক্ত করা হয়েছে:

1. কেন কাঁচা গড় পার্থক্য এখনও দরকারী হতে পারে: তথ্য একটি অভ্যন্তরীণ অর্থপূর্ণ স্কেল রিপোর্ট: প্রতি ইউনিট মার্কিন ডলার। সুতরাং, গড় পার্থক্যের একটি মেটা-বিশ্লেষণ তাত্ক্ষণিক ব্যাখ্যাযোগ্য হবে।

2. কেন আমি এসডি ডেটা আনুমানিক বা অনুমান করতে পারি না: যে স্টাডির জন্য স্ট্যান্ডার্ড বিচ্যুতি ডেটা অনুপস্থিত তা স্ট্যান্ডার্ড বিচ্যুতির আনুমানিক পর্যাপ্ত ডেটা অন্তর্ভুক্ত করে না (অর্থাত্ মাঝারি এবং পরিসীমা সাহিত্যে কখনও রিপোর্ট করা হয় না)। অধ্যয়নগুলির একটি বড় অংশ এসডি অনুপস্থিত হওয়ায় অদৃশ্য ডেটাগুলি অনুমান করা অবিচ্ছিন্ন বলে মনে হয় এবং কারণ ভৌগলিক অঞ্চলের আওতাভুক্ত ও জরিপ প্রোটোকলের ক্ষেত্রে অধ্যয়নগুলির মধ্যে বিস্তর পার্থক্য রয়েছে।

3. মেটা-বিশ্লেষণে কাঁচা গড় পার্থক্যের সাথে সাধারণত যা করা হয়: অধ্যয়ন ওজনগুলি গড় পার্থক্যের আদর্শ ত্রুটির উপর ভিত্তি করে (সাধারণত নমুনা-আকারের শব্দ এবং পোলযুক্ত বৈকল্পিকের সাথে গণনা করা হয়)। আমার এটা নেই এলোমেলো-প্রভাবের মেটা-বিশ্লেষণে, অধ্যয়নের ওজনগুলির মধ্যে-অধ্যয়নের বৈকল্পিকের জন্য একটি শব্দও অন্তর্ভুক্ত থাকে। আমি এই আছে.

সাধারণ উল্টো-নমুনা-আকারের ওজনকে এই প্রসঙ্গে ব্যবহার করা যেতে পারে? আমি কীভাবে আমার টাউ-স্কোয়ার (বা স্টাডিজ বিচ্ছুরণের কিছু অন্যান্য পরিমাপ) অনুমানকে ভারের মধ্যে অন্তর্ভুক্ত করব?

Comments

আপনি যদি আপনার অনুমানকে বোঝাতে প্রস্তুত হন $\tau^2$আপনি যে পড়াশোনা করেছেন তা থেকে আপনি কেন স্ট্যান্ডার্ড ত্রুটির মানগুলি মানতে রাজি নন?

— mdewey

আপনি যদি নমুনা আকারের উপর ভিত্তি করে ওজন করেন, তবে আপনি ধরে নিবেন যে ফলাফলের স্ট্যান্ডার্ড বিচ্যুতি সমস্ত পরীক্ষায় হুবহু এক। আপনি যদি ভাবেন যে এটির ভিন্নতা থাকতে পারে তবে সম্ভবত আরও কিছু পরিশীলিত কাজ করা ভাল। এছাড়াও মনে রাখবেন যে প্রতি ইউনিট মার্কিন ডলার একটি সমস্যাযুক্ত স্কেল যাতে আমি বড় গড়ের মানগুলির জন্য পরিবর্তনশীলতা আরও বড় হওয়ার আশা করব। নিশ্চিত না যে আপনার ক্ষেত্রের লোকদের সাথে এর আচরণের কিছু ইতিমধ্যে ভাল-পরীক্ষিত পদ্ধতি রয়েছে (যেমন লগ-ট্রান্সফর্মিং বা অন্য কোনও বুদ্ধিমান পদ্ধতির)?

— বুর্জান

Answer 1

যদি আপনি ওজনের সাথে কোনও গড় পার্থক্য মেটা-বিশ্লেষণ করেন $n$ পরিবর্তে দ্বারা $1/\text{SE}^2$(বিপরীত বৈকল্পিক) - সমান আকারের গোষ্ঠীগুলির সাথে তুলনা করা হচ্ছে - এটি সমীক্ষা জুড়ে পরিবর্তনশীলতা একইরূপ ধারণার অধীনে আপনাকে একটি উপযুক্ত গড় প্রভাবের অনুমান করে। অর্থাত ওজনগুলি আপনি যেটি ব্যবহার করবেন তার সমানুপাতিক হবে, যদি মানক ত্রুটিগুলি ঠিক থাকে$2\hat{\sigma}/\sqrt{n}$ একটি স্ট্যান্ডার্ড বিচ্যুতি জন্য $\sigma$এটি ট্রায়াল জুড়ে অভিন্ন বলে ধরে নেওয়া হয়। আপনার সামগ্রিক অনুমানের জন্য আপনি আর অর্থবহুল সামগ্রিক মান ত্রুটি বা আত্মবিশ্বাসের বিরতি পাবেন না, কারণ আপনি তথ্যটি ফেলে দিচ্ছেন$\hat{\sigma}$ নমুনা পরিবর্তনশীলতার উপর।

আরও মনে রাখবেন যে গ্রুপগুলি যদি সমান আকারের না হয় $n$ সঠিক ওজন নয়, কারণ দুটি সাধারণ বিতরণের পার্থক্যের জন্য আদর্শ ত্রুটি $\sqrt{\sigma^2_1/n_1 + \sigma^2_2/n_2}$ এবং এটি কেবল সহজতর করে $2\sigma/\sqrt{n}$, যদি $n_1=n_2=n/2$ (প্লাস $\sigma=\sigma_1=\sigma_2$)।

আপনি অবশ্যই অনুমানের অধীনে অনুপস্থিত স্ট্যান্ডার্ড ত্রুটিগুলি গুনতে পারেন $\sigma$অধ্যয়ন জুড়ে একই। তারপরে একটি রিপোর্ট করা স্ট্যান্ডার্ড ত্রুটি ব্যতীত অধ্যয়নগুলির গড়ের মতো অন্তর্নিহিত পরিবর্তনশীলতা থাকে, যার জন্য আপনি এটি জানেন এবং এটি করা সহজ।

আরেকটি ধারণা হ'ল অপরিবর্তিত মার্কিন ডলার বা মার্কিন ডলার হিসাবে ইউএস ডলার ব্যবহার করা সমস্যাযুক্ত বা নাও হতে পারে। কখনও কখনও এটি মেটা-বিশ্লেষণে লগ-ট্রান্সফর্মেশন এবং পরে ব্যাক-ট্রান্সফর্মের পরে ব্যবহার করা বাঞ্ছনীয় হতে পারে।

Answer 2

সাধারণভাবে আপনার ডেটাসেট এবং বিশেষত আপনার মেটা-অ্যানালিটিক বিশদ সম্পর্কিত আরও বিশদ থাকা আপনার পক্ষে দরকারী। এছাড়াও, আপনি অন্তর্ভুক্ত করছেন সম্পূর্ণ পড়াশুনার গড় এবং এসডিগুলি কী তা জেনে রাখা আকর্ষণীয় হবে।

এটি বলার পরে, আমার ব্যবহারিক পদ্ধতিটি যেমন আপনি ইঙ্গিত করেছিলেন, স্যাম্পল আকারের ওজন (কেন বিপরীত?) ব্যবহার করা হবে তবে মনে রাখবেন এটি সর্বোপরি একটি অনুমান-উত্পাদক মেটা-বিশ্লেষণ হবে, যার সবচেয়ে বড় শক্তিটি তার অসুবিধাগুলির দিকে লক্ষ্য করবে of প্রাথমিক পড়াশোনা

মেটা-বিশ্লেষণে নমুনা ওজন ব্যবহারের সম্ভাব্য ব্যবহার সম্পর্কে এখানে কয়েকটি দরকারী উল্লেখ রয়েছে:

http://faculty.cas.usf.edu/mbrannick/papers/conf/SIOP08Wts.doc

https://www.meta-analysis.com/downloads/Meta%20Analysis%20Fixed%20vs%20Random%20effects.pdf

http://epm.sagepub.com/content/70/1/56.abstract