Tôi đang nghiên cứu phân tích meta hiệu ứng ngẫu nhiên bao gồm một số nghiên cứu không báo cáo độ lệch chuẩn; tất cả các nghiên cứu làm báo cáo kích thước mẫu. Tôi không tin rằng có thể ước tính hoặc đánh giá dữ liệu thiếu SD. Làm thế nào một phân tích tổng hợp sử dụng sự khác biệt thô (không đạt tiêu chuẩn) có nghĩa là kích thước hiệu ứng được cân nhắc khi độ lệch chuẩn không có sẵn cho tất cả các nghiên cứu? Tất nhiên, tôi vẫn có thể ước tính bình phương và muốn kết hợp phương pháp đo phương sai giữa nghiên cứu trong bất kỳ sơ đồ trọng số nào tôi sử dụng để duy trì trong khung hiệu ứng ngẫu nhiên.
Một ít thông tin được bao gồm dưới đây:
Tại sao sự khác biệt trung bình thô vẫn có thể hữu ích: Dữ liệu được báo cáo theo thang đo có ý nghĩa nội tại: đô la Mỹ trên mỗi đơn vị. Vì vậy, một phân tích tổng hợp về sự khác biệt trung bình sẽ có thể được giải thích ngay lập tức.
Tại sao tôi không thể ước tính hoặc đánh giá dữ liệu SD: Các nghiên cứu thiếu dữ liệu độ lệch chuẩn không bao gồm đủ dữ liệu để xấp xỉ độ lệch chuẩn (nghĩa là trung bình và phạm vi không bao giờ được báo cáo trong tài liệu). Việc cung cấp dữ liệu bị thiếu dường như không thể thực hiện được vì một phần lớn các nghiên cứu bị thiếu sd và bởi vì các nghiên cứu khác nhau rất nhiều về khu vực địa lý và giao thức khảo sát.
Những gì thường được thực hiện với sự khác biệt trung bình thô trong phân tích tổng hợp: Trọng số nghiên cứu dựa trên sai số chuẩn của chênh lệch trung bình (thường được tính với thuật ngữ cỡ mẫu và phương sai gộp). Tôi không có cái này. Trong phân tích tổng hợp hiệu ứng ngẫu nhiên, các trọng số nghiên cứu cũng bao gồm một thuật ngữ cho phương sai giữa các nghiên cứu. Tôi có cái này
Có thể sử dụng trọng số nghịch đảo cỡ mẫu đơn giản trong bối cảnh này không? Làm thế nào tôi có thể kết hợp ước tính của tôi về bình phương tau (hoặc một số biện pháp khác về phân tán giữa các nghiên cứu) vào trọng số?