দ্রষ্টব্য: আপনি যদি সিদ্ধান্ত গ্রহণের জন্য বৈজাতীয়তা পরীক্ষা ব্যবহারের বিষয়ে আপনার প্রশ্নের দ্রুত উত্তর চান তবে " কোন যুক্তি যুক্তিসঙ্গত? " এ স্ক্রোল করুন ।
কয়েকটি ন্যায়সঙ্গততা রয়েছে (অন্যদের তুলনায় কিছু বেশি / কম যুক্তিসঙ্গত) যা গবেষকরা তাদের স্থির-প্রতিক্রিয়া বনাম এলোমেলো-প্রভাবগুলি মেটা-অ্যানালিটিক সংশ্লেষণের জন্য প্রস্তাব করেন। এগুলি বোরেনস্টাইন এট আল এর মতো প্রবর্তক মেটা-বিশ্লেষণ পাঠ্যপুস্তকে আলোচিত হয়। (২০০৯), কার্ড (২০১১), এবং কুপার (2017)।
নিন্দা বা বিন্যাস ছাড়াই (এই) কোন যুক্তি (এখনও) এর মধ্যে রয়েছে:
স্থির-প্রতিক্রিয়া মডেল নির্বাচনের জন্য ন্যায়সঙ্গততা
- বিশ্লেষণাত্মক সরলতা : কিছু লোক মনে করেন যে এলোমেলো-প্রভাবগুলির মডেলটির গণনা / ব্যাখ্যা তাদের পরিসংখ্যানিক বোঝার বাইরে, এবং অতএব একটি সহজ মডেলের সাথে লেগে থাকেন। স্থির-কার্যকর মডেলটির সাথে গবেষককে কেবলমাত্র নমুনা ত্রুটি দ্বারা চালিত প্রভাব আকারগুলিতে পরিবর্তনশীলতার অনুমান করা দরকার। আরও ভাল বা আরও খারাপের জন্য, এটি কার্ড (2011) এ সুস্পষ্টভাবে উত্সাহিত একটি বাস্তববাদী অনুশীলন।
অধ্যয়ন-স্তরের পরিবর্তনশীলতা / মডারেটরগুলির পূর্ব বিশ্বাস : যদি কোনও গবেষক বিশ্বাস করেন যে কেবলমাত্র নমুনা ত্রুটির কারণে তাদের নমুনায় সমস্ত প্রভাবের মাপ পরিবর্তিত হয় - এবং কোনও পদ্ধতিগত অধ্যয়ন-স্তরের পরিবর্তনশীলতা নেই (এবং তাই কোনও মডারেটর নেই) - এলোমেলো-প্রভাবের মডেলটি ফিট করার জন্য সামান্য জরুরী। আমি মনে করি এই ন্যায্যতা এবং প্রাক্তন কখনও কখনও হাতের মুঠোয় হাঁটেন, যখন কোনও গবেষক মনে করেন যে এলোমেলো-প্রভাবগুলির মডেল ফিট করা তাদের সামর্থ্যের বাইরে, এবং পরবর্তীকালে দাবি দ্বারা এই সিদ্ধান্তকে যৌক্তিক করে তোলে সত্য, তারা সত্য অধ্যয়ন-স্তরের বৈচিত্র্যের কোনও পরিমাণ অনুমান করে না।
সিস্টেমেটিক মডারেটরগণ ক্লান্তিগতভাবে বিবেচনা করা হয়েছে : কিছু গবেষকরা তারা বিবেচনা করতে পারে এমন প্রতিটি মডারেটরকে তদন্ত এবং অ্যাকাউন্টে নেওয়ার পরে একটি স্থির-প্রভাব বিশ্লেষণ ব্যবহার করতে পারেন। এখানে অন্তর্নিহিত যুক্তিটি হ'ল একবার যদি একজন গবেষক অধ্যয়ন-স্তরের পরিবর্তনশীলতার প্রতিটি কল্পনাযোগ্য / অর্থবহ উত্স হিসাবে গণনা করেন, তবে যা কিছু বাকি রয়েছে তা নমুনা ত্রুটি, এবং তাই এলোমেলো-প্রভাবের মডেল অপ্রয়োজনীয় হবে।
- অ-তাৎপর্যপূর্ণ ভিন্ন ভিন্নজাতীয় পরীক্ষা (অর্থাত্, স্ট্যাটিস্টিক)প্রশ্নঃ : কোনও গবেষক যদি তারা প্রভাবের আকারের একজাতীয় নমুনার নালকে প্রত্যাখ্যান করতে ব্যর্থ হন তবে কোনও স্থির-প্রতিক্রিয়া মডেল গ্রহণ করতে আরও স্বাচ্ছন্দ্যবোধ করতে পারেন।
- সীমাবদ্ধ / সুনির্দিষ্ট ইনফারেন্সেশন তৈরির উদ্দেশ্য: প্রভাবগুলির নমুনার মধ্যে দৃ strictly ়তার সাথে প্রভাবগুলির নিদর্শনগুলির সাথে কথা বলার জন্য ফিক্সড-ইফেক্ট মডেলগুলি উপযুক্ত । সুতরাং কোনও গবেষক যদি স্থির-প্রতিক্রিয়া মডেলটিকে উপযুক্ত করে তার ন্যায্যতা প্রমাণ করতে পারেন তবে তারা যদি কেবল তাদের নমুনায় যা চলছে তার সাথে কথা বলতে স্বাচ্ছন্দ্য বোধ করেন এবং তাদের পর্যালোচনা দ্বারা মিস করা অধ্যয়নগুলিতে কী ঘটতে পারে বা তাদের পর্যালোচনার পরে আসা পড়াশোনায় অনুমান না করে।
একটি এলোমেলো-প্রভাব মডেল নির্বাচনের ন্যায়সঙ্গততা
অধ্যয়ন-স্তরের পরিবর্তনশীলতা / মডারেটরগুলির পূর্ব বিশ্বাস : ন্যায়বিচার ২. এর বিপরীতে (স্থির প্রতিক্রিয়াগুলির মডেলগুলির পক্ষে), যদি গবেষক আশা করেন যে অধ্যয়ন-স্তরের পরিবর্তনশীলতার কিছু অর্থবহ পরিমাণ থাকবে (এবং তাই সংযম) তবে তারা একটি এলোমেলো-প্রভাব মডেল নির্দিষ্ট করতে ডিফল্ট। আপনি যদি মনস্তত্ত্বের পটভূমি থেকে এসে থাকেন (আমি করি) তবে এটি প্রভাবের আকারগুলি সম্পর্কে চিন্তাভাবনার ক্রমবর্ধমান রুটিন / উত্সাহিত ডিফল্ট পদ্ধতিতে পরিণত হচ্ছে (উদাহরণস্বরূপ, কামিং, ২০১৪)।
তাৎপর্যপূর্ণ বৈজাতীয়তা পরীক্ষা (যেমন, পরিসংখ্যান)প্রশ্নঃ : একজন গবেষক যেমন স্থির-প্রতিক্রিয়া মডেলের তাদের নির্বাচনকে ন্যায়সঙ্গত করার জন্য একটি অ-উল্লেখযোগ্য পরীক্ষা ব্যবহার করতে পারেন , তেমনি তারাও একটি গুরুত্বপূর্ণ পরীক্ষা ব্যবহার করতে পারে (সমজাতীয় প্রভাবের মাপের নালকে প্রত্যাখ্যান করে) ) এলোমেলো-প্রভাবগুলির মডেলটি তাদের ন্যায্যতা প্রমাণ করতে।প্রশ্নঃপ্রশ্নঃ
বিশ্লেষণাত্মক বাস্তববাদ : এটি প্রমাণিত হয়েছে, যদি আপনি কোনও এলোমেলো-প্রভাবের মডেল ফিট করেন এবং কোনও উল্লেখযোগ্য ভিন্নধর্মীতা (যেমন, তাত্পর্যপূর্ণ নয়) থাকে তবে আপনি স্থির-প্রভাবের প্রাক্কলনগুলিতে পৌঁছে যাবেন; কেবলমাত্র উল্লেখযোগ্য ভিন্ন ভিন্নতার উপস্থিতিতে এই অনুমানগুলি পরিবর্তন হবে। কিছু গবেষক অতএব অন্তর্নিহিত তথ্যের গুণাবলীর উপর নির্ভর করে তাদের বিশ্লেষণগুলি যেভাবে করা উচিত তা "কার্যকর" হবে তা নির্ধারণ করে কোনও এলোমেলো-প্রভাবের মডেলটি ডিফল্ট হতে পারে।প্রশ্নঃ
ব্রড / জেনারেলাইজযোগ্য ইনফারেন্সগুলি তৈরি করার ইচ্ছাকৃত : স্থির-প্রতিক্রিয়া মডেলগুলির বিপরীতে, এলোমেলো-প্রভাব মডেলগুলি কোনও গবেষককে তাদের নমুনা ছাড়িয়ে কিছুটা (কিছুটা হলেও) কথা বলার লাইসেন্স দেয়, বিস্তৃত সাহিত্যে প্রভাব / সংযোজনগুলির নিদর্শনগুলির ক্ষেত্রে। যদি এই স্তরের অনুমানটি কোনও গবেষকের কাছে কাম্য হয় তবে তারা সম্ভবত এলোমেলো-প্রভাব মডেল পছন্দ করতে পারে।
ভুল মডেল নির্দিষ্ট করার ফলাফল
আপনার প্রশ্নের সুস্পষ্ট অংশ না হলেও, আমি স্থির-প্রতিক্রিয়া এবং এলোমেলো-প্রভাবের মেটা-বিশ্লেষণ মডেলগুলির মধ্যে নির্বাচন করার সময় গবেষককে "এটি সঠিক হওয়া" কেন গুরুত্বপূর্ণ তা উল্লেখ করা গুরুত্বপূর্ণ বলে মনে করি: এটি মূলত অনুমানের দিকে নেমে আসে নির্ভুলতা এবং পরিসংখ্যান শক্তি ।
স্থির-প্রভাব মডেলগুলি কৃত্রিমভাবে সুনির্দিষ্ট অনুমানের ঝুঁকিতে আরও পরিসংখ্যানগতভাবে শক্তিশালী; এলোমেলো-প্রভাবের মডেলগুলি পরিসংখ্যানগত দিক থেকে কম শক্তিশালী তবে সত্য বৈজাতীয়তা থাকলে সম্ভাব্য আরও যুক্তিসঙ্গত। মডারেটরগুলির পরীক্ষার প্রসঙ্গে, স্থির-কার্যকর মডেলগুলি ত্রুটি বৈকল্পের পরিমাণকে কম করে মূল্যায়ন করতে পারে, যখন এলোমেলো-প্রভাবের মডেলগুলি ত্রুটি বৈকল্পের পরিমাণকে ছাড়িয়ে যেতে পারে (তাদের মডেলিং অনুমানগুলি পূরণ হয় বা লঙ্ঘিত হয় তার উপর নির্ভর করে ওভারটন, 1998 দেখুন)। আবার মনস্তত্ত্বের সাহিত্যের মধ্যেও, ক্রমবর্ধমান অনুভূতি রয়েছে যে ক্ষেত্রটি স্থির-প্রতিক্রিয়া মেটা-বিশ্লেষণগুলির উপর খুব বেশি নির্ভর করে এবং তাই আমরা আমাদের প্রভাবগুলিতে নির্ভুলতা / নির্ভুলতার বৃহত্তর অর্থে নিজেকে বিভ্রান্ত করেছি (দেখুন শ্মিট এট আল ।, 2009)।
কোন ন্যায়সঙ্গত যুক্তিসঙ্গত?
প্রশ্নঃপ্রশ্নঃপ্রশ্নঃ অর্থপূর্ণ ভিন্ন ভিন্নতা (বা ভিন্নজাতীয় ক্ষুদ্র পরিমাণে সনাক্তকরণের জন্য ওভার-পাওয়ার্ড) সনাক্তকরণের জন্য আন্ডার পাওয়ারযুক্ত হতে পারে।
বিশ্লেষণাত্মক সরলতা ( ন্যায্যতা 1. ) স্থির-প্রতিক্রিয়া মডেলগুলির পক্ষে অন্য ন্যায়সঙ্গত বলে মনে হচ্ছে যা সফল হওয়ার সম্ভাবনা নেই (যে কারণে আমি মনে করি যে আরও সুস্পষ্ট)। অন্যদিকে সমস্ত সম্ভাব্য মডারেটর নিঃশেষ হয়ে গেছে বলে যুক্তি দেওয়া ( অন্যথায় , জাস্টিফিকেশন ৩ ) কিছু ক্ষেত্রে আরও জোরালো হতে পারে, যদি গবেষকরা প্রমাণ করতে পারেন যে তারা মডারেটর ভেরিয়েবলগুলির বিস্তৃত পরিসীমা বিবেচনা করেছেন / মডেল করেছেন। যদি তারা কয়েকটি সংখ্যক মডারেটরকে কেবল কোড করেই থাকে তবে এই ন্যায্যতাটিকে সম্ভবত বেশ স্পষ্টতাহীন / উদ্ভট হিসাবে দেখা হবে।
একটি ডিফল্ট এলোমেলো-প্রভাব মডেল ( জাস্টিফিকেশন 8. ) এর মাধ্যমে ডেটা সিদ্ধান্ত দেওয়ার সুযোগটি এমন একটি যা আমি সম্পর্কে অনিশ্চিত বোধ করি। এটি অবশ্যই কোনও সক্রিয় / নীতিগত সিদ্ধান্ত নয়, তবে এটি ডিফল্ট হিসাবে এলোমেলো-প্রভাবের মডেলগুলিকে প্রাধান্য দেওয়ার দিকে মনোবিজ্ঞানের ক্ষেত্রের পরিবর্তনের সাথে মিলিত হলেও এটি একটি গ্রহণযোগ্য (যদিও একটি বিশেষভাবে চিন্তাশীল নয়) ন্যায়সঙ্গত প্রমাণিত হতে পারে।
এটি প্রভাবগুলির বিতরণ ( ন্যায্যতা ২ এবং ন্যায্যতা ).) সম্পর্কিত পূর্বের বিশ্বাসের সাথে যুক্তিযুক্ত যুক্তিগুলিকে ছেড়ে দেয় এবং গবেষক যে লাইসেন্সটির জন্য উপযুক্ত হতে চান ( জাস্টিকেশন ৫ এবং জাস্টিফিকেশন।) Those)। প্রভাবগুলি বিতরণ সম্পর্কে পূর্বের বিশ্বাসের বোধগম্যতা মূলত আপনি যে গবেষণার সংশ্লেষ করছেন তার বৈশিষ্ট্যগুলিতে নেমে আসবে; কুপার (2017) নোট অনুসারে, আপনি যদি যান্ত্রিক / সার্বজনীন প্রক্রিয়াগুলির প্রভাবগুলি সংশ্লেষ করছেন, মূলত অনুরূপ প্রসঙ্গ / নমুনাগুলি থেকে সংগ্রহ করেছেন এবং শক্তভাবে নিয়ন্ত্রিত পরিবেশে একটি স্থির-প্রভাব বিশ্লেষণ সম্পূর্ণ যুক্তিসঙ্গত হতে পারে। একই পরীক্ষার অনুলিপি থেকে ফলাফল সংশ্লেষিত করা কখন এই বিশ্লেষণাত্মক কৌশলটি কাঙ্ক্ষিত হতে পারে তার একটি ভাল উদাহরণ হতে পারে (দেখুন। গোহ এট আল।, ২০১ 2016)। তবে, আপনি একটি ক্ষেত্র যেখানে ডিজাইন, হেরফেরের, পদক্ষেপ, প্রসঙ্গে এবং নমুনা বৈশিষ্ট্য বেশ একটু ভিন্ন সংশ্লেষিত করছি, এটা তর্ক যে এক অধ্যয়নরত হয় ক্রমবর্ধমান কঠিন হয়ে বলে মনে হয় ঠিকপ্রতিটি ক্ষেত্রে একই প্রভাব। সবশেষে, যে ধরণের ইনফরমেশনগুলি আপনি তৈরি করতে চান তা ব্যক্তিগত পছন্দ / স্বাদের বিষয় বলে মনে হয়, তাই আমি নিশ্চিত নই যে এই ধারণাটি যেভাবে ডিফেন্সযোগ্য বলে মনে হয় ততক্ষণ কেউ এই ন্যায্যতার পক্ষে / বিরুদ্ধে কীভাবে তর্ক করতে শুরু করবে।
তথ্যসূত্র
বোরেনস্টাইন, এম।, হেজেস, এলভি, হিগিনস, জেপিটি, এবং রোথস্টেইন, এইচআর (২০০৯)। মেটা-বিশ্লেষণের ভূমিকা । পশ্চিম সাসেক্স, ইউকে: উইলি।
কার্ড, এনএ (২০১১)। সামাজিক বিজ্ঞান গবেষণার জন্য প্রয়োগকৃত মেটা-বিশ্লেষণ। নিউ ইয়র্ক, এনওয়াই: গিলফোর্ড প্রেস
কুপার, এইচ। (2017)। গবেষণা সংশ্লেষণ এবং মেটা-বিশ্লেষণ: একটি ধাপে ধাপে পদ্ধতির। হাজার ওকস, সিএ: সেজে।
কামিং, জি। (2014) নতুন পরিসংখ্যান: কেন এবং কীভাবে। মনস্তাত্ত্বিক বিজ্ঞান , 25 (1), 7-29।
গোহ, জেএক্স, হল, জেএ, এবং রোসান্থাল, আর। (২০১ 2016)। মিনি মেটা Your আপনার নিজের স্টাডিগুলির বিশ্লেষণ: কেন কিছু যুক্তি এবং কীভাবে প্রাইমার। সামাজিক এবং ব্যক্তিত্ব মনোবিজ্ঞান কম্পাস , 10 (10), 535-549।
ওভারটন, আরসি (1998)। মডারেটর ভেরিয়েবল এফেক্টের মেটা-বিশ্লেষণ পরীক্ষার জন্য স্থির-প্রভাব এবং মিশ্র (র্যান্ডম-এফেক্টস) মডেলের তুলনা। মানসিক পদ্ধতি , 3 (3), 354-379।
শ্মিট, এফএল, ওহ, আইএস, এবং হেইস, টিএল (২০০৯)। মেটা বিশ্লেষণে স্থির ‐ বনাম এলোমেলো ‐ প্রভাবগুলির মডেল: মডেল বৈশিষ্ট্য এবং ফলাফলগুলির মধ্যে পার্থক্যের অভিজ্ঞতাগত তুলনা। গণিত ও পরিসংখ্যান মনোবিজ্ঞানের ব্রিটিশ জার্নাল , 62 (1), 97-128।