ΜΕΤΑ-ΑΝΑΛΥΣΕΙΣ Γ. Σιδερίδης Πανεπιστήμιο Κρήτης. Meta-Analysis  Τί είναι;  Πότε την χρησιμοποιούμε;  Γιατί είναι σημαντική;  Τί συμβαίνει στη μετά-ανάλυση;

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Περιγραφική Στατιστική
Advertisements

Ιούλιος Έρευνα Καταναλωτικής Εμπιστοσύνης Ιούλιος 2012.
Γεώργιος Σιδερίδης Πανεπιστήμιο Κρήτης
Keller: Stats for Mgmt & Econ, 7th Ed
Άλλες Στατιστικές Παλινδρόμησης
Ιούλιος Έρευνα Καταναλωτικής Εμπιστοσύνης Ιούλιος 2012.
ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
Ιούλιος Έρευνα Καταναλωτικής Εμπιστοσύνης Ιούλιος 2012.
Ιούλιος Έρευνα Καταναλωτικής Εμπιστοσύνης Ιούλιος 2012.
Αυτο-συσχέτιση (auto-correlation)
Ανάλυση Πολλαπλής Παλινδρόμησης
Μετρήσεις Κεντρικής Τάσης
ΜΕΘΟΔΟΙ ΠΡΟΤΥΠΟΠΟΙΗΣΗΣ.  είναι ο αριθμός των θανάτων - από κάθε αιτία - που συνέβησαν και καταγράφηκαν μέσα σε ένα ημερολογιακό έτος ανά 1000 κατοίκους.
EDUC 612 Ανωτερες μορφες στατιστικης αναλυσησ
Γεώργιος Σιδερίδης Πανεπιστήμιο Κρήτης
Αξιοπιστία Γ. Σιδερίδης
Πειραματικά Σχέδια Ομάδων
Εισαγωγή στην Κοινωνιογλωσσολογία
Σχέση Απόδοσης- Κινδύνου στα Πλαίσια της Θεωρίας Χαρτοφυλακίου
Εκτίμηση με Απλά Δείγματα
Ανάλυση Πολλαπλής Παλινδρόμησης
Eλέγχουμε αν η διαφορά μεταξύ δύο μέσων τιμών (Τ και P) είναι σημαντική (δηλ. αν διαφέρει από το 0 ή ότι δεν είναι τυχαία) χρησιμοποιώντας το t-test: Recall.
Ανάλυση Παλινδρόμησης με Δεδομένα Χρονολογικών Σειρών
Είδη δειγμάτων Τυχαίο/ μη τυχαίο
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΧΡΗΜΑΤΟΔΟΤΗΣΗ ΚΑΙ ΑΞΙΟΛΟΓΗΣΗ ΕΠΕΝΔΥΣΕΩΝ ΣΤΗ ΓΕΩΡΓΙΑ
ΥΔΑΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ
Στατιστική I Χειμερινό Γ. Παπαγεωργίου
Στατιστική IΙ (ΨΥΧ-122) Διάλεξη 3 Απλή γραμμική παλινδρόμηση
Στατιστική IΙ (ΨΥΧ-122) Διάλεξη 4 Πολλαπλή γραμμική παλινδρόμηση
Απλή και Παραγοντική Ανάλυση Διακύμανσης
Μπεττίνα Χάιδιτς Τρίτος παράγοντας ΈκθεσηΈκβαση ? Συγχυτικός παράγοντας Τροποποιητικός παράγοντας.
Υποθέσεις: Ένα Δείγμα. ΤΥΠΙΚΕΣ ΤΙΜΕΣ Τιμές Ζ X = 50, μ = 100, σ = 30, Ζ =
Μπεττίνα Χάιδιτς Επικ. Καθηγήτρια Υγιεινής-Ιατρικής Στατιστικής Εργαστήριο Υγιεινής
Δοκιμασίες συμφωνίας Tests of agreement Κόκκαλη Σταματία.
Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Διάλεξη 5 Σύγκριση μέσω όρων
ΣΤΑΤΙΣΤΙΚΗ Η επιστήμη που ασχολείται με την συλλογή δεδομένων,ανάλυση και ερμηνεία αυτών Η επιστήμη με τη χρήση της οποίας λαμβάνουμε αποφάσεις κάτω από.
ΣΤΑΤΙΣΤΙΚΗ ΕΠΑΓΩΓΗ: ΣΗΜΕΙΑΚΕΣ ΕΚΤΙΜΗΣΕΙΣ & ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
Διάλεξη  Μέτρηση: Είναι μια διαδικασία κατά την οποία προσδίδουμε αριθμητικά δεδομένα σε κάποιο αντικείμενο, σύμφωνα με κάποια προκαθορισμένα.
Στατιστική – Πειραματικός Σχεδιασμός Βασικά. Πληθυσμός – ένα μεγάλο σετ από Ν παρατηρήσεις (πιθανά δεδομένα) από το οποίο το δείγμα λαμβάνεται. Δείγμα.
Πειραματικές Μονάδες Ένα φυτό Ένα πειραματικό τεμάχιο (plot)
Σχεδιασμός των Μεταφορών Ενότητα #5: Δειγματοληψία – Sampling. Δρ. Ναθαναήλ Ευτυχία Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών.
Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή β) για ένα ποσοστό.
ΕΝΝΟΙΕΣ ΣΤΑΤΙΣΤΙΚΗΣ Γ. Σιδερίδης. ΕΝΝΟΙΕΣ ΣΤΑΤΙΣΤΙΚΗΣ- ΜΕΘΟΔΟΛΟΓΙΑΣ Η στατιστική ως επιστήμη.....γιατί ακριβώς τη χρειαζόμαστε; Η στατιστική ως επιστήμη.....γιατί.
Εργαστήριο Στατιστικής (8 ο Εργαστήριο) Συσχετίσεις μεταξύ μεταβλητών (ερωτήσεων)
Στατιστικές Υποθέσεις (Ερευνητικά Ερωτήματα / Υποθέσεις προς επιβεβαίωση)
ΜΕΘΟΔΟΙ ΕΡΕΥΝΑΣ Δειγματοληψία
Διάστημα εμπιστοσύνης για τη διακύμανση. Υπολογισμός Διακυμάνσεως και Τυπικής Αποκλίσεως Όταν τα δεδομένα αφορούν πληθυσμό – μ είναι ο μέσος του πληθυσμού.
Δραματική Τέχνη στην εκπαίδευση: Ερευνητικό Σχέδιο Ι Στις ανθρωπιστικές επιστήμες επικράτησαν δύο ερευνητικές κατευθύνσεις: Η στατιστική ανάλυση (συνυπολογίζει.
ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ για επεξεργασία δεδομένων έρευνας Εμμανουήλ Κακάρογλου Σχολικός Σύμβουλος ΠΕ12.
Στατιστική Ανάλυση. Ποιοτικές και ποσοτικές μέθοδοι Ποιες είναι οι διαφορές; Πότε χρησιμοποιούνται; Πότε κάνω στατιστική ανάλυση;
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ - ΑΣΥΜΜΕΤΡΙΑΣ - ΚΥΡΤΩΣΕΩΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Μέτρα μεταβλητότητας ή διασποράς
Μέθοδος ελαχίστων τετραγώνων – Μεθοδολογία παλινδρόμησης
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
Ανάλυση Διακύμανσης κατά ένα παράγοντα
Έλεγχος για τη διαφορά μέσων τιμών μ1 και μ2 δύο πληθυσμών
Μεθοδολογία έρευνας και στατιστική – Δείγμα – Πληθυσμός
Διαλέξεις στη Βιοστατιστική
5o Μάθημα: Το τεστ χ2 Κέρκυρα.
Πειραματικές Μονάδες Ένα φυτό Ένα πειραματικό τεμάχιο (plot)
ΣΧΕΣΕΙΣ ΜΗΚΟΥΣ ΒΑΡΟΥΣ & ΕΥΡΩΣΤΙΑΣ
Αξιοπιστία Γ. Σιδερίδης
Σχέση μεταξύ δυο ποσοτικών μεταβλητών & Μονοπαραγοντική γραμμική εξάρτηση 2017.
Βαςικα Στατιςτικα Μετρα
Τι είναι «διάστημα» (1). Διαστήματα Εμπιστοσύνης α) για τη μέση τιμή (ποσοτικά) β) για ένα ποσοστό (ποιοτικά)
Συμφωνία επί της ασφαλιστικής αξίας
Μεταγράφημα παρουσίασης:

ΜΕΤΑ-ΑΝΑΛΥΣΕΙΣ Γ. Σιδερίδης Πανεπιστήμιο Κρήτης

Meta-Analysis  Τί είναι;  Πότε την χρησιμοποιούμε;  Γιατί είναι σημαντική;  Τί συμβαίνει στη μετά-ανάλυση;  Είναι επιστημονική μέθοδος;  Είναι συστηματική;  Σε τί διαφέρει από την κλασσική ανασκόπηση της βιβλιογραφίας;

Κλασσική Φόρμυλα

Τί Θεωρείται Αποδεκτό;  Cohen’s Κανόνες (“Rules-of-Thumb”) –Σταθμισμένη Διαφορά (standardized mean difference effect size)  small = 0.20  medium = 0.50  large = 0.80 –Συντελεστής συσχέτισης (correlation coefficient)  small = 0.10  medium = 0.25  large = 0.40 –Αναλογίες (odds-ratio)  small = 1.50  medium = 2.50  large = 4.30

Παράδειγμα Αναλογιών (Odds ratio) Παράδειγμα: /150 =

Αλλαγές στα Δεδομένα (Transformations)  Προσαρμογή για τη συνεισφορά της μελέτης στη μετά-ανάλυση  Προσαρμογή για το μέγεθος του δείγματος συνολικά. Ν συνολικό δείγμα

Παράδειγμα

Παράδειγμα  Έχουμε ένα σετ σταθμισμένων διαφορών [effect sizes (ES)] στα οποία έχει γίνει η κλασική προσαρμογή για το μέγεθος του δείγματος της μελέτης.  Για κάθε ένα effect size έχουμε και το ‘βάρος’ που αναλογεί στην συγκεκριμένη μελέτη [inverse variance weight (w)].

Το «Ζυγισμένο» Effect Size, Προσαρμοσμένο για το μέγεθος του δείγματος της μελέτης  Γινόμενο του effect size (ES) και του ‘βάρους’ (w) για τις 10 μελέτες.

Το «Ζυγισμένο» Effect Size, Προσαρμοσμένο για το μέγεθος του δείγματος της μελέτης  Γινόμενο για κάθε μελέτη

Το «Ζυγισμένο» Effect Size, Προσαρμοσμένο για το μέγεθος του δείγματος της μελέτης  Επανάληψη για του υπολογισμού για κάθε μελέτη.

Το «Ζυγισμένο» Effect Size, Προσαρμοσμένο για το μέγεθος του δείγματος της μελέτης  Προσθέτουμε τις στήλες για w και ES.  Διαιρούμε τα 2 αποτελέσματα (sums).

Το σταθμισμένο σφάλμα των ES  Βρίσκεται διαιρώντας το 1 με το sum των βαρών και παίρνοντας την τετραγωνική ρίζα αυτού.

Μέσος όρος, σταθμισμένο σφάλμα και διαστήματα εμπιστοσύνης Mean ES SE of the Mean ES 95% Confidence Interval

Μειονεκτήματα  Μεγάλη δουλειά!  Ειδικές αναλύσεις  Μήλα –αχλάδια (επιλογή των εργασιών, π.χ., διαφορετικές παρεμβάσεις)  Το αποτέλεσμά της εξαρτάται από την ποιότητα των εργασίων που ξανα- αναλύθηκαν.  Επιδράσεις (ES) που εξαρτώνται από μεταβλητές που δεν ελέγχθηκαν  Διακυμάνσεις μικρών δειγμάτων  Αιτιακές σχέσεις;  Προκατάληψη των εργασιών που δημοσιεύονται!