Bir an için veri kümelerini (ve bunlardan elde edilen sonuçları) yanlış bir şekilde karşılaştırıyor olabileceğinizi düşünün. "Önem" veya daha doğrusu güç, tasarımdan bağımsız değildir. A Çalışması 1.000 kişi üzerinde yapılıyorsa, ancak Çalışma B aynı ise ancak sadece 100 gönüllü içeriyorsa, Çalışma A çok daha güçlüdür, bu nedenle A'dan (istatistiksel olarak) önemli bulgular ve B'den (istatistiksel olarak) anlamlı olmayan bulgular şaşırtıcı değildir. İki çalışmayı karşılaştırmak için daha iyi yöntemler var, örneğin bir orman arsası.
Bundan söz ediyorum çünkü her şey, bu uygulama için satmaya çalıştığınız "size" bağlı. Lisans düzeyinde bir sosyoloğun lisans düzeyinde istatistik eğitimi almasına gerek yoktur, ancak bunu bir güç olarak övüyorsanız, bir dizi bulguyu doğru yorumladığınızdan emin olmalısınız.
" negatif "(sonuç veya çalışma), istatistiksel terminolojinin kötüye kullanılmasıdır. Güç, bağlam ve kesinlik sorunları vardır; ama usta araştırmacılar bebeği banyo suyuyla birlikte dışarı atıyorlar. Bir an için durun ve düşünün: "H_0'ı reddetmeyin", güven limitlerinin boş varsayılmış değerleri içerdiği anlamına gelir: farklılıklar için 0 veya oranlar için 1. Ne olmuş yani?
1) Bu çalışma yeterince güçlendirilmiş miydi yoksa tam bir karanlıkta atış mı? Büyük, savunulamaz güven aralıkları berbat bir çalışmayı temsil edebilir veya popülasyondaki önemli heterojenliği yansıtabilir. İşe alma veya uyum ile ilgili sorunlar var mıydı? İnsanları daha iyi telafi etmeniz mi gerekiyordu? Mevcut bir enstrümanı kullandınız mı ve öyleyse, ifadenin net olduğundan emin olmak için kendinizi veya hastaları değerlendirdiniz mi? Bir tren kazası çalışmasıysa, öğrenilen derslere odaklanabilirsiniz. Örneğin.
Yanlış bir güç hesaplamasına dayanarak 30 kişiyi işe aldık, etki tahminimiz önceki literatürde belirtilenden çok daha küçük bir boyuta sahipti. Hesaplamamızın önceki araştırmaya dayandığına göre bu, bazı endişelerin sebebidir ...
2) CI, diğer tüm araştırmaları hariç tutarak dar bir şekilde 0 veya 1'de mi? Bu, diğer literatürle tutarsız olduğu için önemli bir bulgudur. Yayın önyargısının etkilerini belirlemeye adanmış bir araştırma alanı var. Huni Grafikleri, meta analizlerden beklenen etkilerin dağılımını gösterir. Dağılım H0'da bir boşlukla kaydırılırsa, kanıt durumunun boş bulguları filtreleyerek abartıp abartmadığına dair biraz duraklama olur. Önemli bir dönüm noktası araştırması kesin olarak şunu söyleyebilir: "Hayır. Belirli bir tedavi farklılığa neden olmaz / olamaz.
3) CI geniş mi, ancak önceki araştırmayı doğrulayan bir sonuca odaklanmış. Örneğin:
5.000 kişilik bir tuz azaltma çalışması, MI için HR'nin% 0,95 95 CI 0,92, 0,99 (p < 0.05) olduğunu buldu. 100 kişilik bir doğrulama çalışması, MI için 0,95 değerinde bir HR bulundu 95 % CI 0.5, 1.45. (P> 0.05).
Önemlisi bu çalışmalar% 100 aynı fikirde.