Professional Documents
Culture Documents
R حول التحليل التلوي في لغة
R حول التحليل التلوي في لغة
R حول التحليل التلوي في لغة
موجزا حول اثنتين من حزم التحليل التلوي الشهيرة ، ً كمتابعة للمناقشة حول الحزم ،نقدم اآلن برنامجًا تعليميًا
ف 2015 ،( metafor (Viechtbauerو 2015). ، robumeta (Fisher & Tiptonتوفر ملفات المساعدة الخاصة
بالحزم العديد من األمثلة األخرى وتوضح المزيد من الوظائف ،ويمكن العثور على مجتمع متزايد من المستخدمين
النشطين على مواقع مثل 2016). ، Stack Overflow (Stack Exchange
ومع ذلك ،من خالل تجربتنا ،قد يكون من الصعب على مستخدمي Rالجدد تعلم حزم Rجديدة.
لذلك ،فإن الغرض من هذا القسم هو توفير تفاصيل كافية لمستخدم المبتدئ Rوالمحلل التلوي بحيث يمكن إجراء إجراءات
التحليل التلوي األساسية.
باإلضافة إلى ذلك ،قمنا بتوضيح ميزة استخدام تقدير التباين القوي على النماذج التحليلية التلوية التقليدية.
يسمح تقدير التباين القوي للمحلل التلوي بتجميع جميع أحجام التأثير المتاحة في نموذج واحد ،حتى عندما يتوفر أكثر من
حجم تأثير واحد في دراسة معينة.
حتى وقت قريب ،كان معظم المحللين التلويين إما
(أ) يختارون حجم تأثير واحدًا فقط لكل دراسة لتوليفها ،
(ب) متوسط أحجام التأثير المتعددة داخل كل دراسة قبل التركيب عبر الدراسات ،
أو (ج) يقسمون التحليل التلوي إلى أصغر ،التحليالت التلوية الخاصة بالنتائج.
ال يواجه مستخدمو تقدير التباين القوي أيًا من هذه المشكالت.
سياق هذه األمثلة مأخوذ من مراجعة منهجية حديثة وتحليل تلوي لبرامج الوقاية المصممة لتقليل العنف في المواعدة بين
المراهقين في طالب المدارس المتوسطة والثانوية2016). ،& Pigott ،Espelage ،Polanin ، (De La Rue
نتيجة االهتمام بهذا البرنامج التعليمي هي معرفة عنف المواعدة للمراهقين ،ويتم ترميز أحجام التأثير بحيث يشير حجم
التأثير السلبي إلى تأثير عالجي مفيد (أي أن أحجام التأثير السلبي تمثل انخفاضًا في عنف المواعدة بين المراهقين).
تتضمن مجموعة البيانات 13عينة مستقلة و 25حجم تأثير.
يوفر الجدول 2جميع المعلومات الالزمة لتشغيل كودR.
باإلضافة إلى حجم التأثير (العمود المسمى )' ، 'gتتضمن مجموعة البيانات النموذجية تباين حجم التأثير ) ، (varومعرف
الدراسة ) ، (Study.IDومعرف حجم التأثير ) ، (ES.IDواالسم األخير للمؤلف (المؤلف) ،وما إذا كان حجم التأثير من
نقطة زمنية للمتابعة ) (Follow.Upأم ال.
يتم أيضًا سرد ثالثة متغيرات وسيط:
بعد ذلك ،قم بتحميل مجموعة البيانات ) (Data_ TDV.csvباستخدام الوظيفة'read.csv'.
تسمح وظائف ' 'headو ' 'strللمستخدم بتصور مجموعة البيانات بطريقة فعالة.
بعد التأكد من تحميل مجموعة البيانات بشكل صحيح ،قمنا بتقسيم مجموعة البيانات إلى قسمين باستخدام المتغير
'Follow.Up'.
الصفوف التي تم ترميزها كـ 0هي لمقاييس 'االختبار الالحق' ،بينما الصفوف 1هي نقاط زمنية للمتابعة.
غالبًا ما يكون من غير المناسب توليف إجراءات االختبار الالحق والمتابعة في وقت واحد ،وبالتالي نقوم هنا بتشغيل
التحليالت التلوية بشكل منفصل عن طريق نقطة زمنية للمتابعة.
يوضح هذا القسم بالتفصيل الخطوات الالزمة إلجراء تحليل تلوي 'تقليدي' حيث تكون جميع أحجام التأثير مستقلة.
في هذا القسم ،نوضح الخطوات الالزمة إلجراء أحدث تقنيات التحليل التلوي التي تستخدم تقدير التباين القوي.
نذكر القراء أننا نوصي باستخدام التقنية األحدث عندما يكون ذلك ممكنًا ،والخطوة األولى في إجراء التحليل التلوي
التقليدي هي التأكد من أن جميع أحجام التأثير مستقلة.
عندما يتم تمثيل أحجام متعددة للتأثيرات من نفس العينة في دراسة واحدة ،فإن أحد الخيارات لضمان االستقالل هو متوسط
أحجام التأثير وتبايناتها.
نبدأ بتقسيم الصفوف التي لها أحجام تأثيرات متعددة لكل دراسة (الصفوف 5-4و 7-6من مجموعة البيانات).
في كل دراسة ،نقوم بتوسيط أحجام التأثير والتباينات وإنشاء كائن لتمثيل كل إحصائية (على سبيل المثال ،
'avg.g.117').
ثم تحل هذه المتوسطات محل اإلحصائيات المدرجة في صفوف حجم التأثير األصلي والتباين.
أخيرا ،يتم دمج الصفوف ذات األحجام والتباينات الجديدة للتأثير مع مجموعة البيانات األصليةdat ، (rbind (dat.1 ً
dat.1.118) ، 1.117وتتم إزالة الصفوف القديمة ذات البيانات غير المستخدمة )]).، (dat.1 [-c (4،5،6،7،12،14
ما تبقى هو مجموعة بيانات التحليل التلوي التي لها أحجام وتباينات تأثير مستقل.
مع االنتهاء من مجموعة البيانات ،أصبح من الممكن اآلن إجراء تحليل تلوي تقليدي.
يتم إجراء أربعة تحليالت متميزة أدناه.
ننتقل بعد ذلك إلى التحليل التلوي القوي للتباين باستخدام مجموعة بيانات ' ،* 'dat.0وهي مجموعة البيانات ذات أحجام
تأثير االختبار الالحق فقط.
تم إنشاء مجموعة البيانات ' 'dat.0في القسم السابق باستخدام وظيفة 'المجموعة الفرعية'.
نظرا ألننا نستخدم نموذج تباين قويًا ،فال يتعين علينا ضمان أحجام تأثير مستقلة ،وبالتالي ال يتعين علينا معالجة مجموعة
ً
البيانات كما فعلنا في القسم .5.3
يراعي النموذج االعتماد داخل كل دراسة بافتراض وجود ارتباط ثابت داخل الدراسة بين أحجام التأثير.
يمكننا إجراء تحليالت الحساسية للتأكد من أن معامل االرتباط هذا ال يؤثر بشكل كبير على النتائج ،نبدأ بتشغيل نموذج
التحليل التلوي بدون وسيط.
بالنسبة لحزمة ، robumetaيجب أن نخبر الحزمة عن حجم تأثير 'الصيغة'.
سيتم استخدام عبارة الصيغة هذه الحقًا الختبار الوسطاء .في الوقت الحالي ،تخبر جملة الصيغة Rببساطة عن العمود
الذي يمثل عمود حجم التأثير ) (gوللتراجع عنه في عمود مكون من 1ثانية ،ومن هنا جاءت عبارة 'الصيغة = g ∼ 1'.
يتم تحديد تباين حجم التأثير من خالل عبارة ' ، 'var.eff.sizeوتوضح 'البيانات' الحزمة التي توجد بها البيانات ،وتوضح
معرفات مستوى الدراسة.
''studynumالحزمة التي تحتوي على ّ
في حالة توفر أحجام متعددة للتأثيرات لكل دراسة ،يجب أن يكون لكل من أحجام التأثير من نفس الدراسة نفس رقم معرف
'Study.ID'.العبارة النهائية ،'modelweights =' CORR ' ،تخبر الحزمة أن االعتماد يرجع إلى أحجام تأثير متعددة
لكل عينة دراسة.
يتم استخدام خيار وزن النموذج اآلخر 'HIER' ،عندما تنبثق أحجام التأثير من بعض المجموعات الهرمية (على سبيل
المثال ،فريق المؤلف أو المختبر أو الدولة) ،والتي ال تنطبق على هذا السيناريو .لرؤية المخرجات ،نستخدم عبارة
'print'.يمكننا أن نرى أن متوسط حجم التأثير ذو داللة إحصائية.
الختبار ما إذا كانت النتائج حساسة لالرتباط داخل الدراسة ،نقوم أيضًا بتشغيل عبارة 'الحساسية (تشغيل .')5تعمل هذه
الوظيفة على تغيير االرتباط داخل الدراسة عبر مجموعة من القيم المعقولة بين 0و ، 1ويظهر الناتج نتائج النموذج لكل
اختالف في االرتباط داخل الدراسة.
بالنسبة للمثال الحالي ،ال يؤدي تغيير ρعبر خمس قيم إلى تغيير المتوسط العام(g = −.2159).
يمكننا أن نكون واثقين من أن االرتباط داخل الدراسة ال يؤثر على النتائج.
فTيقوم النموذجان األخيران 6 ،و ، 7بإجراء تحليالت الوسيط.
اختبارات النموذج 6للفرق بين التخصيص العشوائي وغير العشوائي.
تشير نتائج النموذج إلى أن أحجام التأثير ال تختلف بشكل كبير عبر هاتين المجموعتين (ع = .)23.تشير 'المالحظة' التي
تقرأ 'إذا كان ، df <4ال تثق في النتائج' إلى درجات الحرية المرتبطة بمعامالت االنحدار.
تانر سميث وآخرون .اقترح ( ) 2016أن النتائج بدرجات صغيرة قد تكون غير مستقرة وبالتالي يجب توخي الحذر.
النموذج 7هو نموذج انحدار تلوي متعدد يتضمن المتغير الثنائي 'العشوائي' والمتغير المستمر'Perc.Males'.
مرة أخرى ،تشير النتائج إلى أن الوسطاء ليسوا تنبؤات ذات داللة إحصائية لحجم حجم التأثير.
نقاش
قيود المراجعة
أحد قيود الدراسة الحالية هو أننا قمنا فقط بمراجعة البرامج إلجراء التقنية اإلحصائية للتحليل التلوي ولم نراجع الحزم أو
البرامج األخرى التي قد تكون مفيدة إلجراء مراجعات منهجية واستخراج بيانات التحليل التلوي.
غالبًا ما تكون التحليالت التلوية نتيجة لبحث منهجي في األدبيات ،وتتضمن هذه العملية إدارة بيانات مكثفة.
في Rأداوات مفيدة في هذه العملية
حزم Rتعالج هذه المشكلة.
في عالم مثالي ،قد يكون من المفيد وجود حزمة إلدارة كل خطوة من خطوات المراجعة المنهجية والتحليل التلوي.
ً
مجاال للتطوير المستقبلي. قد يكون هذا
نظرا لطبيعة البرمجة مفتوحة المصدر ،في الوقت منذ أن انتهينا من البحث عن الحزم وجمعها ً ، ذلك إلى باإلضافة
وترميزها ،فمن الممكن
(أ) إنشاء المزيد من الحزم و
(ب) الحزم المضمنة في هذه المراجعة تم تحديثه ليشمل وظائف أكثر (أو أقل).
قيود المراجعة
أحد قيود الدراسة الحا لية هو أننا قمنا فقط بمراجعة البرامج إلجراء التقنية اإلحصائية للتحليل التلوي ولم نراجع الحزم أو البرامج األخرى
التي قد تكون مفيدة إلجراء مراجعات منهجية واستخراج بيانات التحليل التلوي .غالبًا ما تكون التحليالت التلوية نتيجة لبحث منهجي في
األدبيات ،وتتضمن هذه العملية إدارة بيانات مكثفة .قد تكون Rأداة مفيدة في هذه العملية ،لكننا لسنا على علم بأي حزم Rتعالج هذه
المشكلة .في عالم مثالي ،قد يكون من المفيد وجود حزمة إلدارة كل خطوة من خطوات المراجعة المنهجية والتحليل التلوي .قد يكون هذا
نظرا لطبيعة البرمجة مفتوحة المصدر ،في الوقت منذ أن انتهينا من البحث عن الحزم ً
مجاًل للتطوير المستقبلي .باإلضافة إلى ذلك ً ،
وجمعها وترميزها ،فمن الممكن (أ) إنشاء المزيد من الحزم و (ب) الحزم المضمنة في هذه المراجعة تم تحديثه ليشمل وظائف أكثر (أو
أقل).