یک آموزش در مورد نحوه انجام متاآنالیز با آمار IBM SPSS

  • 2022-02-15

متاآنالیز در بین پرکاربردترین روش در تحقیقات روانشناختی شروع شده است. چنین تکنیکی به محققان این امکان را می دهد تا مجموعه داده های به دست آمده از چندین مطالعه فردی را در مورد همان موضوع ترکیب کنند و بنابراین به ویژه برای یافتن راه حل هایی برای موضوعات بحث برانگیز که با مطالعات فردی قابل حل نیستند ، مفید است. در این مقاله یک آموزش دقیق از نرم افزار IBM SPSS ارائه شده است ، که به فرد امکان می دهد تجزیه و تحلیل آماری را برای متاآنالیز اجرا کند. نمونه هایی نیز برای برجسته کردن تجزیه و تحلیل های اصلی انجام شده در متاآنالیز ارائه شده است. این آموزش با بحث در مورد تفاوت بین قابلیت IBM SPSS و سایر بسته های نرم افزاری به پایان می رسد.

1. مقدمه

تحقیقات علمی یک فرایند تجمعی است که در آن هر دانشمند در حوزه تحصیلی خود کمک های منحصر به فردی می کند. پس از یک دوره زمانی خاص ، این مطالعات فردی ممکن است یافته های متفاوتی را در مورد موضوع مورد مطالعه نشان دهد. هنگامی که ما به تحقیقات در مورد یک موضوع خاص به طور کلی نگاه می کنیم ، ممکن است نتوانیم ببینیم که روش های اعمال شده یا توسعه یافته واقعاً مؤثر هستند. نمونه ای از این وضعیت در دهه 50 در زمینه روان درمانی تجربه شد. در سال 1952 ، هانس آیزنك با انتشار یك مطالعه ، بحث و گفتگوهای شدید را در روانشناسی بالینی آغاز كرد و اظهار داشت كه روان درمانی هیچ تأثیر مفیدی بر بیماران ندارد [1]. در اواسط دهه 1970 ، صدها مطالعه روان درمانی یک آرایه گیج کننده از نتایج مثبت ، خنثی و منفی تولید کرده بودند و بررسی این مطالعات نتوانست بحث را حل کند. برای ارزیابی ادعای Eysenck ، Gene V. Glass با استاندارد سازی آماری تفاوت های بین گروه های درمان و کنترل ، میانگین ارزش کلی را برای 375 مطالعه روان درمانی محاسبه کرد. اسمیت و گلس [2] یافته های خود را در یک ژورنال منتشر کردند و نشان دادند که روان درمانی در واقع یک عمل مؤثر است. شیشه این روش را "متاآنالیز" خواند. علیرغم انتقاد برخی دانشمندان [3] ، متاآنالیز اکنون به عنوان روشی مناسب برای خلاصه کردن آماری نتایج مطالعات کمی فردی در علوم رفتاری ، اجتماعی و بهداشتی پذیرفته شده است [4]. اگرچه اصطلاح متاآنالیز برای اولین بار در سال 1976 توسط شیشه مورد استفاده قرار گرفت ، اولین متاآنالیز به معنای ترکیب مطالعات کمی به پیرسون نسبت داده می شود [5] ، که داده ها را از پنج مطالعه در مورد همبستگی بین تلقیح و ایمنی و مرگ و میر تجزیه و تحلیل کرده است. در اواخر دهه 1970 و اوایل دهه 1980 ، به دنبال کارهای شیشه ای ، در میان دیگران ، Rosenthal [6] ، Glass ، McGaw و Smith [7] ، Hedges [8،9] ، Hunter ، Schmidt و Jackson [10] ، و Light and Pillemar[11] متاآنالیز را محبوب کرد و روشهای آماری لازم برای کاربرد آن را توسعه داد.

به عنوان بررسی سیستماتیک شناخته می شود ، که در آن دانشمندان به طور سیستماتیک نتایج حاصل از تعداد زیادی از مطالعات را مرور می کنند و نتایج را به منظور ایجاد استنتاج در مورد یافته های معمولی و منابع تغییرپذیری بین مطالعات سنتز می کنند. در طول 40 سال گذشته ، افزایش زیادی در استفاده از بررسی های سیستماتیک در پزشکی و علوم اجتماعی از جمله روانشناسی و آموزش وجود داشته است. تمرکز بر روی تمرین مبتنی بر شواهد در بسیاری از حرفه ها باعث افزایش علاقه به درک بخش های شناخته شده و ناشناخته مداخلات مهم و عمل بالینی شده است [12]. بررسی های سیستماتیک نوید یک روش شفاف و قابل تکرار برای جمع بندی ادبیات برای کمک به بهبود تصمیمات سیاسی و طراحی مطالعات جدید است. اگرچه بررسی های سیستماتیک از پتانسیل خاصی برخوردار است ، اما این پتانسیل نیز مشاهده می شود که با روش های ناکافی و تفسیر نادرست از نتایج به خطر می افتد [12]. به طور خلاصه ، یک بررسی منظم یک ارزیابی مهم برای جستجوی پاسخ به یک سؤال متمرکز با توجه به تحقیقات موجود است. با این حال ، متاآنالیز با بررسی سیستماتیک متفاوت است زیرا فقط بر مطالعات کمی متمرکز است. مطالعه حاضر بر روش متاآنالیز متمرکز شده است ، که بر اساس تحقیقات کمی تهیه شده و به عنوان یک رویکرد روش شناختی و آماری برای نتیجه گیری از ادبیات تجربی ظاهر شده است.

متاآنالیز یک روش کمی است که برای ترکیب نتایج مطالعات متعدد در یک نتیجه گیری واحد استفاده می شود. اصطلاح "متاآنالیز" برای اولین بار توسط ژن شیشه در سال 1976 به عنوان تجزیه و تحلیل آماری مجموعه بزرگی از تجزیه و تحلیل از مطالعات فردی به منظور ادغام یافته ها [13] (ص 3) ساخته شد. متاآنالیز نتایج کمی را از مطالعات متعدد جمع می کند و نتیجه گیری در مورد تأثیر کلی بین مطالعات می گیرد. با انجام این کار ، به این نتیجه نمی رسد که مطالعات اصلی چه نتیجه ای را پیدا کرده است. کلمه "متا" استفاده می شود زیرا نوعی تحقیق تحقیق یا تجزیه و تحلیل تجزیه و تحلیل است [13]. به طور خلاصه ، این یک روش تحقیق کمی سیستماتیک برای آشکار کردن تصویر بزرگ یک موضوع است. به منظور انجام یک مطالعه متاآنالیز ، شیشه با استفاده از مقدار اندازه اثر هنگام ترکیب یافته های مطالعات متعدد به درستی [13،14] پیشنهاد کرد. هر شاخص استاندارد (میانگین اختلاف ، همبستگی و نسبت شانس) می تواند به عنوان اندازه اثر تا زمانی که قابل مقایسه بین مطالعات ، مستقل از نمونه باشد ، استفاده شود و اندازه و جهت اثر را نشان می دهد. اندازه اثر مقداری است که متاآنالیز را امکان پذیر می کند. اندازه اثر به عنوان "متغیر وابسته" در متاآنالیز گرفته می شود و منجر به آماری قابل مقایسه می شود زیرا با استاندارد سازی بین مطالعات بدست می آید.

هدف کلی متاآنالیز ترکیب نتایج مطالعات فردی برای دستیابی به نتیجه گیری خلاصه در مورد یک سوال تحقیق است. از آن برای محاسبه یک برآورد خلاصه از اندازه اثر ، برای بررسی دلایل تفاوت در اثرات بین مطالعات و شناسایی ناهمگونی در اثرات (یا تفاوت در خطر) مداخله در زیر گروه های مختلف استفاده می شود. شایان ذکر است در اینجا که متاآنالیز میانگین وزنی اندازه اثر را محاسبه می کند ، نه میانگین حسابی بین مطالعات. این رویکردی است که وزن بیشتری به تخمین های دقیق تر می دهد. به عبارت دیگر ، وزن بیشتری به مطالعات با اندازه نمونه بزرگ می دهد. ضریب وزنی برابر با 1/(خطای استاندارد) 2 است. مطالعات با خطای استاندارد پایین (به عنوان مثال ، اندازه نمونه بزرگ) بیشتر به میانگین کلی تخمین زده شده در نتیجه متاآنالیز کمک می کند.

در متاآنالیز ، تخمین میانگین کلی می تواند به طور معمول با یک مدل اثر ثابت یا اثر تصادفی بدست آید. مدل با فرض اینکه پارامتر اندازه گیری اندازه اثر در تمام مطالعات یکسان است ، مدل "اثر ثابت" نامیده می شود. مدلی که به این پارامتر اجازه می دهد به عنوان یک متغیر تصادفی عمل کند که مقادیر مختلفی را از یک مطالعه به مطالعه دیگر می گیرد ، مدل "اثر تصادفی" نامیده می شود. مدل اثر ثابت و مدل اثرات تصادفی فرضیات مختلفی را ایجاد می کند و در محاسبه اندازه میانگین اثر ، وزن های مختلفی را اعمال می کند. فقط یک منبع تغییر (یعنی خطای نمونه برداری) در مدل اثر ثابت وجود دارد. یعنی تفاوت بین هر اندازه اثر به دلیل تفاوت در اندازه نمونه است و اندازه اثر جمعیت برای هر مطالعه یکسان است. فرض بر این است که هر مقدار اندازه اثر در مطالعه از یک جمعیت ثابت ناشی می شود. از طرف دیگر ، دو منبع تغییر در مدل اثرات تصادفی وجود دارد. مدل اثرات تصادفی فرض می کند که هر اندازه اثر مشاهده شده با میانگین جمعیت با یک خطای نمونه برداری در سطح فردی متفاوت است به علاوه یک مقدار که نمایانگر سایر منابع تنوع است که فرض می شود به طور تصادفی توزیع می شود. اگرچه روش های مختلفی برای انجام متاآنالیز وجود دارد ، متداول ترین و محبوب ترین رویکردهای آن است که توسط هانتر و اشمیت [10،15،16] ، شیشه [7،13] ، و Hedges و Olkin [17] ارائه می شود. هر سه رویکرد با هدف تبدیل نتایج مطالعات فردی به یک اندازه گیری مشترک.

یک بررسی عالی ادبیات در قلب متاآنالیز است. یک تهدید مشترک برای بررسی ادبیات و متاآنالیزها به عنوان تعصب انتشار شناخته می شود. اصطلاح "تعصب انتشار" اغلب برای بیان اینكه از نظر آماری قابل توجهی بیشتر از نتایج غیر مهم و تهی منتشر و منتشر می شود [18]. تعصب انتشار یک خطای سیستماتیک است که در یک استنباط آماری به شرط کسب وضعیت انتشار رخ می دهد [19]. در واقع ، مطالعات منتشر شده به تنهایی تمام مطالعات را در یک منطقه تحقیقاتی نشان نمی دهد. این وضعیت همچنین مشکل کشو پرونده نامیده می شود [20]. این به عنوان یک تهدید دیده می شود زیرا خطای سیستماتیک را به متاآنالیز اضافه می کند. این تهدید به وجود می آید زیرا مطالعاتی که از نظر آماری تأثیر معنی داری پیدا نکرده اند (یا اثر مورد انتظار را پیدا نکرده اند) کمتر منتشر می شوند و بنابراین کمتر احتمال دارد که در دسترس متاآنالیز باشد. لیپسی و ویلسون [21] با نشان دادن اینکه مطالعات منتشر شده دارای میانگین اثر بزرگتر از مطالعات منتشر نشده است ، شواهدی را برای تعصب انتشار ارائه دادند. یک گروه مطالعاتی که در یک متاآنالیز وجود دارد ممکن است بیش از حد نماینده مطالعات منتشر شده باشد ، زیرا شناسایی و نمایش مطالعات منتشر شده بسیار ساده تر از مطالعات منتشر نشده است که هرگز به دلیل یافته های منفی یا تهی نوشته نشده اند. منبع دیگر تعصب وجود ادبیات خاکستری است [22]. این شامل ارائه کنفرانس ، گزارش های فنی یا انتشارات مبهم است و بین کشو و روند انتشار نگهداری می شود. این وضعیت همچنین توسط Rosenthal به عنوان "ادبیات فراری" گفته می شود [23]. برای از بین بردن تعصب انتشار ، باید یک جستجوی جامع برای یافتن این مطالعات مفقود شده انجام شود. برای مقابله با این تهدید ، باید به دنبال به دست آوردن کارهای منتشر نشده (به عنوان مثال ، پایان نامه ها و مراحل کنفرانس) باشد که یا این تهدید را از بین می برد یا حداقل به شخص اجازه می دهد تا میزان این تعصب را ارزیابی کند. یعنی راه اصلی برای جلوگیری از تعصب انتشار در متاآنالیز ، شامل مطالعات منتشر شده و منتشر نشده است. کارت (2011) شش روش را بیان می کند که می تواند برای بررسی اینکه آیا تعصب انتشار وجود دارد ، استفاده شود. اینها تجزیه و تحلیل تعدیل کننده ، طرح قیف ، NAFE-SAFE N ، تجزیه و تحلیل رگرسیون ، تریم و پر کردن و روش های انتخاب وزنی است. جدا از این موارد ، روش دیگری وجود دارد که توسط Begg و Mazumdar [24] بر اساس همبستگی رتبه ارائه شده است.

1. 1مراحل متاآنالیز

محققانی که می خواهند این تحلیل ها را از طریق متاآنالیز انجام دهند باید مراحل خاصی را دنبال کنند. اگرچه در بسیاری از منابع به روش های مختلف ارائه شده است ، مراحل لازم برای انجام متاآنالیز را می توان به شرح زیر ذکر کرد:

برچسب ها

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.