Değişkenlerin Önemi – Tez Hazırlatma – Tez Yaptırma – Tez Yaptırma Fiyatları – Tez Örnekleri – Ücretli Tez Yazdırma – Tez Yaptırma Ücreti

Değişkenlerin Önemi

İhmal edilen değişkenler noktasına ek olarak, sosyal bilimciler gözlemsel verileri kullanarak gruplar arasında karşılaştırmalar yaparken gözlenen ve/veya atlanan değişkenleri ayarlamak için çeşitli yöntemler geliştirmiştir.

Aşağıdaki üç yöntem esas olarak kullanılır: (a) sabit etkiler modelleri, (b) eğilim puanı eşleştirme ve (c) regresyon süreksizlik tasarımları. Winship ve Morgan (1999) bu yöntemlere faydalı bir genel bakış sağlar ve EER içindeki araştırmacıların potansiyel neden-sonuç ilişkilerini araştırmak için kullanımlarını düşünmeleri gerektiğini savunur.

Eğilim puanı eşleştirmesi bu bölümde sunulurken, diğer iki yöntem sırasıyla tartışılmaktadır. Ancak burada dikkat edilmesi gereken nokta, EER içinde regresyon süreksizliği tasarımını kullanan bazı çalışmaların, örneğin ilkokula girişin doğum tarihine dayalı olduğu ülkelerde olduğu gibi, belirli bağlamlarda okullaşmanın etkisini ölçme olasılığını belirtmiş olmasıdır.

Ancak eğilim puanı eşleştirmesi ile ilgili olarak, bu, atama rastgele olmadığında belirli özelliklere sahip bireylerin bir tedavi grubuna atanacağı tahmin edilen olasılığı tahmin etmeyi amaçlayan bir tekniktir. Eğilim puanı eşleştirmesini kullanmanın avantajı, tedavi ve kontrol gruplarındakiler arasında bireysel olarak eşleşmesi çok zor olan bir dizi özelliği toplamasıdır.

Örneğin, araştırmacılar iyileştirici öğretimin öğrenci başarısı üzerindeki etkisini ölçmekle ilgileniyorsa, dezavantajlı ailelerden gelen öğrencilerin okullarda bu tür hizmetlere katılma olasılığının çok daha yüksek olduğu varsayılabilir. Öte yandan, üst orta sınıf ailelerin öğrencilerinin, SES ile başarı düzeyi arasındaki bağlantı nedeniyle, bu tür bir eğitime katılma olasılıkları nispeten daha düşük olabilir.

Rastgele atama denemesine yaklaşmak için, tedavide (örneğin, iyileştirici öğretim programında) veya kontrol grubunda seçilme olasılığı makul olan bireyler arasında bir karşılaştırma yapılmalıdır. Tedavi grubunda olma eğilimi benzer olan öğrenciler (gerçekten tedavi grubunda olsunlar veya olmasınlar) daha sonra eğilim puanlarına göre eşleştirilebilir.

Sonuç olarak, sonraki başarı puanlarındaki fark, bu öğrencilerin iki gruba rastgele atanmasında bekleyeceğimiz farka daha yakın olacaktır.

Tedavi ve kontrol gruplarındaki öğrencileri eşleştirmek için eğilim puanlarının kullanılabileceği çeşitli yollar vardır. En yaygın yol, her gruptaki öğrencileri eğilim puanlarının dağılımına göre “kutulara” veya katmanlara ayırmaktır. Her bölmede, iki uygulama koşulundaki öğrencilerin özellikleri, gözlemlenen ortak değişkenlerin ağırlıklı bir bileşiminde benzerdir.

Bağımlı bağımsız kontrol değişken örnekleri
Bağımlı Bağımsız değişken örnek cümleler
Sürekli süreksiz değişken
Süreksiz değişken örnekleri
Bağımsız değişken Türleri
10 tane bağımlı değişken örnek
Bağımlı Bağımsız değişken araştırma Yöntemleri
Değişken türleri

Bir kutu içindeki öğrencilerin ortalama özellikleri eşit değilse, her gruptaki öğrencilerin özelliklerinde bir denge sağlanana kadar ek kutular veya katmanlar kullanılarak daha rafine bir model geliştirilir. Bazı durumlarda, tedavi ve kontrol grupları arasında hiçbir örtüşmenin olmadığı, öğrencilerin bir tedaviyi elde etme veya bir tedaviyi kaçırma olasılığının neredeyse hiç olmadığını gösteren “kutular” olabilir.

Bu öğrencilerin diğer grupta eşleşen meslektaşları olmadığı için, daha sonra herhangi bir analizden dışlanırlar. Bu teknik, rastgele atamaya yaklaşır, çünkü kalan kutular veya tabakaların her biri içindeki öğrenciler, tedavi veya kontrol koşuluna seçilme konusunda kabaca eşit bir olasılığa (toplu özelliklerine dayalı olarak) sahiptir.

Eğilim puanlarının ampirik araştırmalarda önemli bir konuyu ele aldığı iddia edilebilir, yani randomizasyonun mümkün olmadığı durumlarda (örneğin, iyileştirici öğretim) ve örnek unsurların kendilerini tedavi veya kontrol koşullarında kendi seçtikleri durumlarda belirli gruplar için etkilerin tahminlerini sağlamak gerekir (örneğin, öğretmenler hangi hizmetiçi eğitim (INSET) programlarına katılacaklarına kendileri karar verdiğinde).

Ancak, eğilim puanı eşleşmesinin yalnızca gözlenen özellikler için ayarlandığını belirtmek önemlidir. Eğilim puanlarının hesaplanmasında çok sayıda arka plan özelliği kullanıldığından, ilgili bir değişkenin analizden çıkarılması olasılığı azaltılmış olsa da ortadan kaldırılmaz. Bununla birlikte, sonraki sonuçların varsayımsal atlanmış değişkenlere duyarlılığını test etmek de mümkündür.

Eğilim puanlarını hesaplamak için bir özellikler toplamı kullanıldığından ve analitik örnekler, tedavi koşulları boyunca eşleştirilebilen bireyler (veya okullar) ile sınırlı olduğundan, eğilim puanları, büyük, ulusal olarak temsili veri setleri kullanıldığında rastgele atamaya yaklaşmada daha etkilidir.

Bu gibi durumlarda, bu veri setlerinin dayandığı örnekler, bir alt örneğin analizine izin verecek kadar büyüktür ve öğrencilerin ve okulların arka plan özellikleri hakkında kapsamlı bilgiler içerir.

Analize yapılan seçim tarafsız ise (örneğin, eksik verilerden kaynaklanan hariç tutmalar, analiz numunesi ile daha büyük numune arasında farklılıklara neden olmaz), sonraki sonuçlar öğrenci veya okul popülasyonuna da genellenebilir.

Ancak, bu yaklaşım izlendiğinde, herhangi bir çalışmada yer alan iki grubun boyutunun küçülmesinin muhtemel olduğu ve bunun istatistiksel gücün önemli ölçüde azalması nedeniyle nedensellik göstermede büyük sorunlara neden olabileceği kabul edilmelidir.

Son olarak, nedensel ilişkileri araştırmak için kesit verileri kullanmanın güçlü ve zayıf yönlerine ilişkin tartışmamızdan, seçim yanlılığı için düzeltmeler yapılırken bile anket analizinde önemli sınırların olduğunu kolayca görebileceğimizi okuyucuya açıklığa kavuşturmak önemlidir. ve çoklu analiz seviyeleri kullanılır.

Popülasyonlar heterojen olduğundan, bir etkinlik faktörü ile öğrenci sonuçları (seçim yanlılığı için düzeltilmiş olan) arasındaki ilişkinin tahminleri, tedavi veya kontrol grubuna düşme olasılığı düşük olan gruplara uygulanamayabilir.

Bununla birlikte, son birkaç yılda, yukarıda açıklanan yöntemleri kullanan büyük ölçekli veri kümelerinin analizlerinin, eğitimin etkililiği ile ilgili, bazıları nedensel çıkarım ve rastgele deneylerin tasarımı için çıkarımları olan birkaç önemli bulgu ortaya koyduğu da kabul edilmelidir. 

Örneğin, bir çalışmada veri toplayın ve tedavi grupları oluşturmak için eğilim puanı eşleştirmesini kullanarak, anaokulu politikasının çocukların matematik ve okumadaki bilişsel gelişimi üzerindeki etkisini değerlendirdiler.

Benzer şekilde, İngiltere’deki Okul Öncesi, İlk ve Orta Öğretimin Etkili Sağlanması (EPPSE) projesinden yapılan boylamsal araştırma, okul öncesi eğitimin hem süresinin hem de kalitesinin küçük çocukların bilişsel ve sosyal davranışsal gelişimi üzerindeki etkisini ve bu eğitim olasılığını azaltma üzerindeki etkisini göstermiştir.