Sfondo:
Una tipica meta-analisi in psicologia potrebbe cercare di modellare la correlazione tra due variabili X e Y. L'analisi implicherebbe in genere l'ottenimento di una serie di correlazioni rilevanti dalla letteratura insieme alle dimensioni del campione. Le formule possono quindi essere applicate per calcolare una correlazione media ponderata. Quindi, le analisi possono essere eseguite per vedere se le correlazioni variano tra gli studi di più di quanto sarebbe implicato dai semplici effetti del campionamento casuale.
Inoltre, le analisi possono essere rese molto più complesse. Le stime possono essere regolate per affidabilità, limitazione dell'intervallo e altro. Le correlazioni possono essere utilizzate in combinazione per esplorare la modellizzazione di equazioni meta-strutturali o la meta-regressione e così via.
Tuttavia, tutte queste analisi vengono eseguite utilizzando statistiche riassuntive (ad es. Correlazioni, rapporti di probabilità, differenze medie standardizzate) come dati di input. Ciò richiede l'uso di formule e procedure speciali che accettano statistiche riassuntive.
Approccio alternativo alla meta-analisi
Quindi, stavo pensando a un approccio alternativo alla meta-analisi, in cui i dati grezzi vengono utilizzati come input. Cioè, per una correlazione i dati di input sarebbero i dati grezzi utilizzati per formare la correlazione. Ovviamente, nella maggior parte delle meta-analisi non sono disponibili molti se non la maggior parte dei dati grezzi reali. Pertanto, una procedura di base potrebbe apparire così:
- Contatta tutti gli autori pubblicati alla ricerca di dati non elaborati e, se fornito, utilizza i dati non elaborati effettivi .
- Per gli autori che non forniscono dati non elaborati, simulare i dati non elaborati in modo che abbiano statistiche di riepilogo identiche a quelle riportate. Tali simulazioni potrebbero anche incorporare qualsiasi conoscenza acquisita dai dati grezzi (ad esempio, se si sa che una variabile è inclinata, ecc.).
Mi sembra che un tale approccio possa avere diversi vantaggi:
- Gli strumenti statistici che utilizzano dati grezzi come input potrebbero essere utilizzati per le analisi
- Ottenendo almeno alcuni dati grezzi effettivi, gli autori di meta-analisi sarebbero costretti a considerare le questioni relative ai dati effettivi (ad esempio valori anomali, distribuzioni, ecc.).
Domanda
- Vi sono problemi con l'esecuzione di studi di meta-analisi su una combinazione di dati grezzi reali e dati simulati per avere statistiche di sintesi identiche a studi pubblicati esistenti?
- Un tale approccio sarebbe superiore ai metodi esistenti per eseguire meta-analisi su statistiche riassuntive?
- Esiste una letteratura esistente che discute, sostiene e critica questo approccio?