Arcsine - परिवर्तन - इन - stata - विदेशी मुद्रा

जैविक सांख्यिकी की पुस्तिका यदि एक माप वैरिएबल सामान्य वितरण में फिट नहीं है या विभिन्न समूहों में बहुत भिन्न मानक विचलन है, तो आपको डेटा रूपांतरण की कोशिश करनी चाहिए। परिचय कई जैविक चर पैरामीट्रिक सांख्यिकीय परीक्षणों की मान्यताओं को पूरा नहीं करते हैं: वे आम तौर पर वितरित नहीं होते हैं मानक विचलन सजातीय नहीं हैं अथवा दोनों। ऐसे डेटा पर पैरामीट्रिक सांख्यिकीय परीक्षण (जैसे कि एनोवा या रैखिक प्रतिगमन) का उपयोग करना एक भ्रामक परिणाम दे सकता है। कुछ मामलों में, डेटा को बदलने से यह मान्यताओं को बेहतर ढंग से फिट कर देगा। धारा के 75 मीटर खंड के लिए पूर्वी मुदमुंडों की संख्या के हिस्टोग्राम (समालोचक के साथ नमूने वाले 0 अंकुर) बाएं पर अनट्रांसफ़ॉर्म किए गए डेटा, दाईं ओर लॉग-ट्रांसएड डेटा। धारा के 75 मीटर खंड के लिए पूर्वी मुदमुंडों की संख्या के हिस्टोग्राम (समालोचक के साथ नमूने वाले 0 अंकुर) बाएं पर अनट्रांसफ़ॉर्म किए गए डेटा, दाईं ओर लॉग-ट्रांसएड डेटा। डेटा को बदलने के लिए, आप प्रत्येक अवलोकन पर एक गणितीय संचालन करते हैं, फिर अपने सांख्यिकीय परीक्षण में इन परिवर्तनों की संख्या का उपयोग करें। उदाहरण के लिए, जैसा कि ऊपर दिए गए पहले ग्राफ़ में दिखाया गया है, मैरीलैंड के धाराओं में मछली प्रजातियों की ऊम्ब्र्रा पायग्मेआ (पूर्वी मुदमिन्नो) की बहुतायत सामान्य रूप से वितरित नहीं होती है, वहां बहुत कम धाराएं होती हैं, जिनमें मूसमिनो के एक छोटे से घनत्व होते हैं, और बहुत कुछ उनमें से। लॉग परिवर्तन को लागू करना डेटा को और अधिक सामान्य बनाता है, जैसा कि दूसरे ग्राफ़ में दिखाया गया है। पूर्वी मुदमिन्नो (उंबरा पायग्मेआ) यहां म्यूडमिन्नो डेटा से 12 संख्याएं पहले स्तंभ को बिना ट्रांसफोर्मेटेड डेटा सेट करते हैं, दूसरे कॉलम पहले कॉलम में नंबर का वर्गमूल है, और तीसरा स्तंभ प्रथम स्तंभ में संख्या का बेस -10 लॉगरिदम है। आप रूपांतरण संख्या पर आंकड़े करते हैं। उदाहरण के लिए, बिना ट्रांसस्ट्रॉन्डेड डेटा का मतलब 18.9 है, वर्ग-मूल रूपांतरित डेटा का मतलब 3.89 है लॉग ट्रांसजेटेड डेटा का मतलब 1.044 है। यदि आप विभिन्न वाटरशेड में मछली की बहुतायत की तुलना कर रहे थे, और आपने तय किया कि लॉग परिवर्तन सबसे अच्छा था, तो आप मछली के बहुतायत के लॉग पर एक एकमात्र इनोवा करेंगे, और आप रिक्त परिकल्पना का परीक्षण करेंगे कि लॉग - तब्दील बहुतायत बराबर थी। वापस परिवर्तन हालांकि आपने परिवर्तनशील चर पर एक सांख्यिकीय परीक्षण किया है, जैसे कि मछली की बहुतायत के लॉग, यह रूपांतरण के लिए इकाइयों में आपके साधनों, मानक त्रुटियों आदि की रिपोर्ट करना अच्छा नहीं है। एक ग्राफ़ जो दर्शाता है कि 75 मीटर की धारा में मछली का प्रवेश 1.044 था, जो किसी के लिए बहुत ही जानकारीपूर्ण नहीं होगा, जो उनके सिर में भिन्नात्मक घाटे को नहीं कर सकते। इसके बजाय, आपको अपने परिणामों को वापस-रूपांतरित करना चाहिए इसमें डेटा परिवर्तन में आपके द्वारा उपयोग गणितीय फ़ंक्शन के विपरीत करना शामिल है। लॉग परिवर्तन के लिए, आप अपने नंबर की शक्ति को 10 तक बढ़ाकर वापस-ट्रांसफ़ॉर्म करेंगे। उदाहरण के लिए, ऊपर दिए गए लॉग रूपांतरण वाले डेटा में 1.044 का मतलब और प्लसएमएन0.344 लॉग-ट्रांसज्ज्ड फिश का 95 विश्वास अंतर है। बैक-ट्रान्सफॉर्मेड अर्थ 10 1.044 11.1 मछली होगा। ऊपरी आत्मविश्वास सीमा 10 (1.0440.344) 24.4 मछली होगी, और कम आत्मविश्वास सीमा 10 (1.044-0.344) 5.0 मछली होगी। ध्यान दें कि विश्वास अंतराल सममित नहीं है, ऊपरी सीमा 13.3 औसत से ऊपर मछली है, जबकि कम सीमा 6.1 मछली औसत से नीचे है। यह भी ध्यान रखें कि आप केवल विश्वास अंतराल को वापस-रूपांतरित कर सकते हैं और इसे जोड़कर या घटा सकते हैं, जो कि बैक-ट्रांसफॉर्म किए गए अर्थ से आप 10 0.344 ले सकते हैं और उसको जोड़ या घटा सकते हैं। सही परिवर्तन चुनना डेटा रूपांतरण जैविक डेटा के उचित सांख्यिकीय विश्लेषण के लिए एक महत्वपूर्ण उपकरण हैं। आंकड़ों के सीमित ज्ञान वाले लोगों के लिए, उन्हें थोड़ा सा गड़बड़ लग सकता है, जो कि आप चाहते हैं कि उत्तर पाने के लिए आपके डेटा के साथ खेलने का एक रूप है। इसलिए यह आवश्यक है कि आप डेटा परिवर्तनों के अपने प्रयोग की रक्षा करने में सक्षम हो। आपके द्वारा उपयोग किए जा सकने वाले परिवर्तनों की एक अनंत संख्या है, लेकिन ऐसे परिवर्तनों का उपयोग करना बेहतर है, जो अन्य शोधकर्ताओं ने आमतौर पर आपके क्षेत्र में उपयोग किया है, जैसे गिनती डेटा के लिए वर्ग-मूल रूपांतरण या आकार डेटा के लिए लॉग परिवर्तन। यहां तक ​​कि अगर कोई अस्पष्ट परिवर्तन जो कि कई लोगों के बारे में नहीं सुना है, तो आपको थोड़ा अधिक सामान्य या अधिक समसामयिक डेटा देता है, यह संभवतः एक और अधिक सामान्य परिवर्तन का उपयोग करने के लिए बेहतर होगा ताकि लोग संदिग्ध न हों। याद रखें कि आपके डेटा को पूरी तरह से सामान्य नहीं होना चाहिए और होमोसेसिस्टिक पैरामीट्रिक परीक्षण उनकी मान्यताओं से विचलन के प्रति अत्यंत संवेदनशील नहीं हैं। यह भी महत्वपूर्ण है कि आप निर्णय लें कि आप सांख्यिकीय परीक्षण करने से पहले कौन से परिवर्तन का उपयोग करें। विभिन्न परिवर्तनों की कोशिश करते हुए जब तक आप ऐसा नहीं पाते जो आपको एक महत्वपूर्ण परिणाम देता है, धोखा दे रहा है। यदि आपके पास बड़ी संख्या में टिप्पणियां हैं, तो सामान्यता पर विभिन्न परिवर्तनों के प्रभाव की तुलना करें और चर के व्यक्तित्व की तुलना करें। यदि आपके पास एक छोटी सी टिप्पणियां हैं, तो हो सकता है कि आप उस स्थिति में सामान्यता और समरूपता के परिवर्तनों का बहुत प्रभाव न देख सकें, आपको अपने क्षेत्र में होने वाले परिवर्तन के लोगों को नियमित रूप से आपके चर के लिए उपयोग करना चाहिए। उदाहरण के लिए, यदि आप पराग फैलाने वाले दूरी का अध्ययन कर रहे हैं और अन्य लोगों को नियमित रूप से लॉग-ट्रांसफॉर्म करते हैं, तो आपको पराग दूरी को लॉग-ट्रांसन करना चाहिए, भले ही आपके पास 10 टिप्पणियां हों, और इसलिए वास्तव में हिस्टोग्राम के साथ सामान्यता को देख सकते हैं। आम परिवर्तनों में ऐसे कई परिवर्तन हैं जो कभी-कभी जीव विज्ञान में उपयोग किए जाते हैं, ये तीन सबसे आम हैं: लॉग परिवर्तन यह प्रत्येक अवलोकन के लॉग को लेकर होते हैं। आप बेस -10 लॉग (एसओएस में LOG10 में एक स्प्रेडशीट में LOG) या बेस-ई लॉग्स का उपयोग कर सकते हैं, जिसे प्राकृतिक लॉग (एसडीए में एक स्प्रेडशीट में एलएन, लॉग इन) के रूप में भी जाना जाता है। यह सांख्यिकीय परीक्षण के लिए कोई फर्क नहीं पड़ता कि क्या आप बेस -10 लॉग या प्राकृतिक लॉग का उपयोग करते हैं, क्योंकि ये एक स्थिर कारक के आधार पर भिन्न होता है, किसी संख्या का आधार -10 लॉग केवल 2.303 घंटे के समय के प्राकृतिक लॉग होता है। आप को निर्दिष्ट करना चाहिए कि जब आप परिणामों को लिखते हैं तो आप किस लॉग का उपयोग कर रहे हैं, क्योंकि यह ढलान जैसी चीजों को प्रभावित करेगा और प्रतिगमन में अवरोधन करेगा। मैं बेस -10 लॉग पसंद करता है, क्योंकि यह संभव है कि उन्हें देखना और मूल संख्या की परिमाण देखें: लॉग (1) 0, लॉग (10) 1, लॉग (100) 2, आदि। वापस परिवर्तन 10 या ई की संख्या की शक्ति के लिए यदि आपके आधार -10 लॉग-ट्रांसफार्म किए गए डेटा का मतलब 1.43 है, तो वापस रूपांतरण का अर्थ 10 1.43 26.9 है (स्प्रेडशीट में, 101.43)। यदि आपके बेस-ई लॉग-ट्रांसफार्म किए गए डेटा का मतलब 3.65 है, तो वापस रूपांतरण मतलब ई 3.65 38.5 है (स्प्रेडशीट में, EXP (3.65)। यदि आपके पास शून्य या ऋणात्मक संख्याएं हैं, तो आप लॉग को नहीं जोड़ सकते हैं, जिसे आप जोड़ना चाहिए प्रत्येक संख्या के लिए निरंतर उन्हें सकारात्मक और गैर-शून्य बनाने के लिए। यदि आपके पास गिनती डेटा है, और कुछ गिनती शून्य है, तो सम्मेलन में प्रत्येक संख्या में 0.5 जोड़ना है। जीव विज्ञान में कई चर लॉग-सामान्य वितरण होते हैं, जिसका अर्थ है कि लॉग-ट्रांसफॉर्मेशन, ये मान आम तौर पर वितरित किए जाते हैं.इस वजह से यदि आप स्वतंत्र कारकों का एक हिस्सा लेते हैं और उन्हें एक साथ बढ़ा देते हैं, तो परिणामस्वरूप उत्पाद लॉग-सामान्य होता है.उदाहरण के लिए, हम कहते हैं कि आपने मैपल बीजों का एक गुच्छा लगाया है, फिर 10 साल बाद में आप देखते हैं कि पेड़ कितने लंबा हैं। एक वृक्ष की ऊंचाई मिट्टी में नाइट्रोजन से प्रभावित होगी, पानी की मात्रा, सूरज की रोशनी, कीट क्षति आदि। अधिक नाइट्रोजन होने से वृक्ष 10 बड़ा हो सकता है कम नाइट्रोजन के साथ एक की तुलना में पानी की सही मात्रा में पहुंच सकता है यह बहुत अधिक या बहुत कम पानी के साथ 30 से अधिक बड़ा होता है और अधिक सूर्य की रोशनी में यह 20 से अधिक कम कीट क्षति हो सकती है जिससे यह 15 बड़ा हो सकता है, आदि। इस प्रकार एक पेड़ का अंतिम आकार नाइट्रोगेंटमट्सटमाइसेनइटटिमेन्सिसेक का एक कार्य होगा, और गणितीय रूप से, इस प्रकार समारोह का लॉग-सामान्य होने का पता चला है स्क्वायर-रूट रूपांतरण इसमें प्रत्येक अवलोकन के वर्गमूल को लेकर होते हैं। वापस परिवर्तन संख्या को चौकोर करना है। यदि आपके पास ऋणात्मक संख्याएं हैं, तो आप वर्गमूल नहीं ले सकते हैं, आपको प्रत्येक संख्या में एक निरंतर जोड़ना चाहिए ताकि उन्हें सभी सकारात्मक बना सकें लोग अक्सर वर्ग-रूट रूपांतरण का उपयोग करते हैं जब चर कुछ की गिनती है, जैसे कि पेट्री डिश के अनुसार जीवाणु कालोनियों, प्रति केशिका प्रति मिनट के माध्यम से जाने वाली रक्त कोशिकाओं, प्रति पीढ़ी के उत्परिवर्तन आदि Arcsine परिवर्तन। इसमें एक संख्या के वर्गमूल की आर्ससिन लेने होते हैं। (इसका परिणाम रेडियन में दिया जाता है, डिग्री नहीं है, और माइनसपी 2 से पाय 2 तक हो सकता है।) संख्याओं को बदलकर आर्सेंस 0 से 1 के बीच होना चाहिए। यह आमतौर पर अनुपात के लिए किया जाता है, जो कि 0 से 1 से लेकर, जैसे मादा पूर्वी मादमीनो के अनुपात के रूप में, जो कि परजीवी से पीड़ित हैं। ध्यान दें कि इस प्रकार का अनुपात वास्तव में नाममात्र परिवर्तनशील है। इसलिए इसे माप वैरिएबल के रूप में इलाज करने के लिए गलत है, चाहे आप आर्सेन को परिणत करें या नहीं। उदाहरण के लिए, मैरीलैंड में कई प्रत्येक धाराओं पर परजीवी होने वाले या मस्तिष्क की संख्या की गणना करने के लिए गलत होगा, माप प्रवाह के रूप में प्रत्येक धारा में परजीवीकृत मादाओं के आर्सीसिन-रूपांतरित अनुपात का इलाज करें, फिर इन पर एक रेखीय प्रतिगमन करें डेटा बनाम स्ट्रीम गहराई इसका कारण यह है कि मछली के छोटे नमूने के आकार वाले नदियों के अनुपात में मछली के बड़े नमूने वाले नदियों से अनुपात की तुलना में एक उच्च मानक विचलन होगा, जो कि माप की चर के रूप में आर्सेन-परिवर्तनित अनुपात का इलाज करते समय अव्यवस्था की जानकारी है। इसके बजाय, आपको इस उदाहरण में नाममात्र वैरिएबल के लिए डिज़ाइन किए गए एक परीक्षण का उपयोग करना चाहिए, आपको रैखिक प्रतिगमन के बजाय रिक्तिगत प्रतिगमन करना चाहिए। यदि आप आर्सेन परिवर्तन का उपयोग करने पर जोर देते हैं, तो क्या हुआ है, इसके बावजूद, बैक-ट्रांसफॉर्मेशन को संख्या के साइड को चौकोर करना है। डेटा स्प्रेडशीट को बदलने के लिए कैसे करें रिक्त स्तंभ में, आपके द्वारा चुने हुए परिवर्तन के लिए उपयुक्त फ़ंक्शन दर्ज करें। उदाहरण के लिए, यदि आप संख्याओं को बदलना चाहते हैं जो सेल A2 में शुरू होती है, तो आप कक्ष B2 पर जाते हैं और ट्रांसफर, एसक्यूआरटी (ए 2) को स्क्वायर-रूट ट्रांस्फ़ॉर्म, या एएसआईएन (एसक्यूआरटी (एसक्यूआरटी) के लिए लॉग (ए 2) या एलएन (ए 2) में प्रवेश करते हैं ए 2)) के लिए arcsine परिणत फिर सेल बी 2 की प्रतिलिपि बनाएँ और स्तंभ B में सभी कक्षों में पेस्ट करें जो कि स्तंभ ए में मौजूद कोशिकाओं के बगल में है। ट्रांसफ़ॉर्म किए गए मानों को एक और स्प्रैडशीट में कॉपी और पेस्ट करने के लिए, पेस्ट स्पेशल का उपयोग करना याद रखें। कमांड, फिर मानों को पेस्ट करना चुनें। पेस्ट स्पेशल का उपयोग करना मूल्य कमांड एक्सेल को एक समीकरण के संख्यात्मक परिणाम की प्रतिलिपि बनाता है, बजाय समीकरण खुद (यदि आपकी स्प्रैडशीट कैल्क है, तो संपादन मेनू से पेस्ट स्पेशल चुनें, पेस्ट ऑल और फॉर्मूला लेबल वाले बॉक्सों को अनचेक करें, और नंबरों पर लेबल किए गए बॉक्स को चेक करें।) डेटा को बैक-ट्रांसफॉर्म करने के लिए, फ़ंक्शन बदलने के लिए बस उस फ़ंक्शन के व्युत्क्रम को दर्ज करें जिसका उपयोग आप डेटा। सेल B2 में लॉग ट्रांसफ़ॉर्म किए गए डेटा को वापस करने के लिए, स्क्वायर-रूट रूपांतरण डेटा के लिए प्राकृतिक लॉग के लिए बेस -10 लॉग्स या एप (बी 2) के लिए 10B2 दर्ज करें, arcsine रूपांतरण डेटा के लिए बी 22 दर्ज करें, (एसआईएन (बी 2)) दर्ज करें I im किसी भी वेब पेज के बारे में पता है जो डेटा परिवर्तनों को करेगा। एसएएस में डेटा को बदलने के लिए, मूल डेटा में पढ़ें, फिर उपयुक्त फ़ंक्शन के साथ एक नया चर बनाएँ। इस उदाहरण से पता चलता है कि कैसे mudminnow डेटा के दो नए चर, वर्ग रूट को बदल दिया और लॉग रूपांतरित, बनाने के लिए। डेटासेट मडमिन्नो में सभी मूल चर (स्थान, बैंक प्रकार और गिनती) और नए चर (गिनती और गणनाएं) शामिल हैं। फिर आप जो कुछ भी चाहते हैं, उसे चलाने के लिए और इन चर का विश्लेषण करें जैसे आप किसी भी अन्य बेशक, यह उदाहरण वास्तविकता में एक दृष्टांत के रूप में केवल दो भिन्न परिवर्तन करता है, अपने डेटा का विश्लेषण करने से पहले आपको एक परिवर्तन पर निर्णय लेना चाहिए। आर्कसिन-ट्रांसफ़ॉर्मिंग एक्स के लिए एसएएस फ़ंक्शन ARSIN (एसक्यूआरटी (एक्स)) है। आपको संभवतः एक स्प्रैडशीट या कैलकुलेटर का उपयोग करके बैकएट्रान्सफ़ॉर्म करने में आसान लगता होगा, लेकिन अगर आप वास्तव में एसएएस में सब कुछ करना चाहते हैं, तो 10 से एक्स पावर लेने के लिए कार्य 10X है, ए को बिजली लेने के लिए फ़ंक्शन EXP (X) फ़ंक्शन है स्क्वेरिंग एक्स के लिए एक्स 2 है और आरसीएसएन ट्रांसएस्ड नंबर बैकट्रांसफ़ॉर्मिंग के लिए फ़ंक्शन एसआईएन (एक्स) 2 है। यह पृष्ठ पिछली बार 18 दिसंबर, 2015 को संशोधित किया गया था। इसका पता biostathandbooktransformation. html है। इसका उल्लेख इस प्रकार किया जा सकता है: मैकडॉनल्ड, जे.एच. 2014. जैविक सांख्यिकी की पुस्तिका (तृतीय संस्करण)। स्पार्की हाउस पब्लिशिंग, बाल्टीमोर, मैरीलैंड इस वेब पेज में मुद्रित संस्करण में 140-144 पृष्ठों की सामग्री है। जॉन एच। मैकडॉनल्द द्वारा कॉपी2014 आप शायद इस सामग्री के साथ क्या चाहते हैं, वह जानकारी के लिए अनुमति पृष्ठ देख सकते हैं। मेटाफ़ोर पैकेज मेरे शोध प्रबंध के शोध के भाग के रूप में लिखा गया कुछ कोड के आधार पर मैंने माइम नामक फ़ंक्शन विकसित किया था, और रैंडमिक्स-प्रभाव (मेटा-प्रतिगमन) मॉडल 2006 के आसपास, मैंने अपनी वेबसाइट (एक संक्षिप्त ट्यूटोरियल के साथ) पर इस समारोह को रखा था और इसे कई शोधकर्ताओं ने उठाया था जो कई मेटा-विश्लेषणों में सफलतापूर्वक कार्य करते थे हालांकि, जबकि एमआईएमए () फ़ंक्शन ने मानक मेटा-एनालिटिक मॉडल फिटिंग और मेटा-रिग्रेसन के विश्लेषण के लिए मूलभूत कार्यक्षमता प्रदान की थी, मेटाफ़ोर पैकेज को मेटा-एनालिसिस के संचालन के लिए एक पूर्ण पैकेज में विस्तार करने के कई अनुरोधों के जवाब में लिखा गया था अतिरिक्त विकल्प और समर्थन कार्य इसलिए मीमा () फ़ंक्शन अब अप्रचलित है और मेरी वेबसाइट से हटा दिया गया है। मेटाफ़ोर पैकेज में कार्य को मान्य करने के लिए कई प्रयास किए गए हैं। सबसे पहले, जब संबंधित विश्लेषण किया जा सकता है, तो मैंने मेटाफ़र पैकेज द्वारा प्रदान किए गए परिणामों की तुलना कई डेटा सेटों के लिए अन्य सॉफ़्टवेयर संकुल द्वारा प्रदान किए हैं। विशेष रूप से, परिणामों की तुलना मेटन द्वारा प्रदान की गई है। metareg। metabias। और मेटाटैम आदेशों के लिए स्टाटा (इन कमांड्स पर अधिक विवरण के लिए, देखें सर्ने, 200 9)। परिणाम भी एसएएस द्वारा उपलब्ध कराए गए लोगों के साथ proc मिश्रित कमान (अधिक जानकारी के लिए, वैन हॉवेलिंगन, एरेन्ड्स, एपी स्टिजनन, 2002), एसपीएसएस द्वारा डेविड विल्सन (लिपसी एम्प विल्सन, 2001) द्वारा विकसित मैक्रोज़ का उपयोग करके देखे गए थे। मेटा (क्रान लिंक) और आरएमएमटीए (क्रान लिंक) आर में संकुल, और व्यापक मेटा-विश्लेषण द्वारा MetaWin। और कोचरेन सहयोग की समीक्षा प्रबंधक। परिणाम या तो पूरी तरह सहमत होते हैं या संख्यात्मक तरीकों का उपयोग करते समय अपेक्षित त्रुटि के मार्जिन के भीतर गिर जाते हैं। दूसरा, मेटाफ़ोर पैकेज द्वारा प्रदान किए गए परिणाम लेख और पुस्तकों में वर्णित प्रकाशित परिणामों के साथ तुलना किए गए हैं (यह धारणा है कि ये परिणाम वास्तव में सही हैं)। इस वेबसाइट पर, मैं ऐसे कई ऐसे विश्लेषण उदाहरण प्रदान करता हूं जो आप स्वयं की जांच कर सकते हैं। इन सभी उदाहरणों (और कुछ और) को भी टेस्टस्टेट पैकेज का प्रयोग करके स्वचालित परीक्षणों में समझाया गया है, ताकि कोड में कोई परिवर्तन हो जो इन उदाहरणों को गैर-प्रजननशील बनने के लिए स्वचालित रूप से पता चला। तीसरा, मैंने पैकेज में लागू किए गए कई तरीकों के लिए व्यापक सिमुलेशन अध्ययन का संचालन किया है ताकि सुनिश्चित किया जा सके कि उनकी सांख्यिकीय संपत्ति मूलभूत सिद्धांत के आधार पर अपेक्षा की जाती है। एक समान-प्रभाव मॉडल की धारणा के तहत (उदाहरण के लिए सजातीय वास्तविक प्रभाव, आमतौर पर प्रभाव आकार अनुमान, ज्ञात नमूना रूपरेखा वितरित किए जाते हैं), सरल उदाहरण देने के लिए, एच 0: 0 का प्रायोगिक अस्वीकृति दर नाममात्र होना चाहिए (त्रुटि के मार्जिन के भीतर) एक उम्मीद है जब बेतरतीब ढंग से ऐसे डेटा का अनुकरण करना होगा)। यह वास्तव में मामला है, समर्थन प्रदान करने के लिए कि इस परिदृश्य के लिए rma () फ़ंक्शन उचित तरीके से काम कर रहा है पैकेज में अधिक जटिल तरीकों के लिए इसी प्रकार के परीक्षण किए गए हैं। यह नोट करने के लिए भी उपयोगी हो सकता है कि अब मेटाफ़ोर पैकेज के एक प्रशंसनीय उपयोगकर्ता आधार है (पैकेज का वर्णन करने वाले विचेटबाउर (2010) आलेख 1000 से अधिक लेखों में उद्धृत किया गया है। इनमें से बहुत से मेटा-विश्लेषण और विधियों के तरीकों के तरीकों का विश्लेषण किया गया है अनुसंधान के भाग के रूप में मेटाफ़ोर पैकेज का इस्तेमाल किया)। इससे संभावना बढ़ जाती है कि किसी भी बग का पता चल जाएगा, रिपोर्ट किया जाएगा, और सही किया जाएगा। आखिरकार, मैं बाल्मर पीक मारने में बहुत कुशल हूं। अधिकांश भाग के लिए, पैकेज का विकास मेरे अपने मूल्यवान समय के माध्यम से किया गया है। ब्राउन यूनिवर्सिटी में सेंटर फॉर एविडेंस-बेस्ड मेडिसिन से 039 ओपन मेटा-एनालिट039 सॉफ्टवेयर पर कुछ सहयोगी कार्य के माध्यम से मुझे अनुदान पर एक उप-संपदा के हिस्से के रूप में कुछ फंडिंग प्राप्त हुई है। इसके अलावा, वांडरबिल्ट विश्वविद्यालय में पीबॉडी रिसर्च इंस्टीट्यूट के सैंड्रा विल्सन और मार्क लिप्से ने आरएमए (एमआई) () को और अधिक कुशल बनाने और प्रोफ़ाइल के लिए multicore क्षमताओं को जोड़ने के लिए वित्तपोषण प्रदान किया है। Rma. mv () फ़ंक्शन। हालांकि, अतिरिक्त धन उपलब्ध होने पर, पैकेज की और विकास बहुत तेज हो सकता है। यदि आप किसी भी वित्तपोषण की संभावनाओं से अवगत हैं, मुझे बताने के लिए बेझिझक सबसे पहले, ऐसा करने के लिए पहली जगह में ऐसा करने के लिए धन्यवाद। पैकेज का हवाला देने का सबसे अच्छा तरीका निम्नलिखित पेपर का हवाला देना है: विचब्बर, डब्लू। (2010)। मेटाफ़ोर पैकेज के साथ आर में मेटा-विश्लेषण का आयोजन। सांख्यिकीय सॉफ्टवेयर जर्नल, 36 (3), 148. वैसे, आर में उद्धरण (उद्धरण चिह्न) का प्रयास करें (यह मेटाफ़ोर पैकेज के लिए विशिष्ट नहीं है, जिसे आप अन्य पैकेज नामों और उद्धरणों के साथ यह कोशिश कर सकते हैं) आपको बताएंगे कि कैसे आर खुद को उद्धृत करने के लिए) मेटा विश्लेषण के संचालन के लिए वास्तव में बहुत से अलग आर पैकेज उपलब्ध हैं I सौभाग्य से, अब मेटा-विश्लेषण के लिए एक कार्यदृश्य है। जो विभिन्न संकुलों और उनकी क्षमताओं का एक बहुत ही संपूर्ण अवलोकन प्रदान करता है। तकनीकी प्रश्न मानक मेटा-विश्लेषणात्मक मॉडल (जैसा कि rma () फ़ंक्शन के साथ लगाया जा सकता है) मान लें कि नमूना भिन्नता ज्ञात हैं दूसरी ओर, एलएम () और एलएमई () फ़ंक्शंस द्वारा लगाए गए मॉडल मानते हैं कि नमूनाकरण भिन्नता एक आनुपातिकता निरंतर तक ही जाना जाता है। इसलिए ये विभिन्न मॉडलों की तुलना में आमतौर पर मेटा-विश्लेषण में उपयोग किए जाते हैं। अधिक जानकारी के लिए, मैंने रमा () और एलएम () और एलएमई () फ़ंक्शंस की अधिक व्यापक तुलना लिखी है। यादृच्छिक प्रभाव मॉडल के लिए, I2 आंकड़े I2 100 बार frac 2 2 s2 के साथ गिना जाता है, जहां टोपी 2 ताऊ 2 और एस 2 फ्रैक का अनुमानित मूल्य है, जहां वाई मैं अध्ययन के नमूना विचरण के उलटा है (s2 समीकरण है हिगिंस एंबोम थॉम्पसन, 2002 में 9, और इन्हें मनाया हुआ प्रभाव आकार या परिणाम के भीतर के अध्ययन के विचलन के रूप में 039 के रूप में माना जा सकता है)। एच 2 आंकड़े एच 2 एफएसी 2 एस 2 के साथ गिना जाता है। मिश्रित-प्रभाव मॉडल के लिए एनालॉगस समीकरण का उपयोग किया जाता है। इसलिए, उपयोग किए गए tau2 के अनुमानक के आधार पर, I2 और H2 के मूल्य में परिवर्तन होगा। यादृच्छिक प्रभाव मॉडल के लिए, I2 और H2 अक्सर I2 100 बार (क्यू- (के -1) Q और H2 Q (k-1) के साथ अभ्यास में गणना की जाती है, जहां क्यू विविधता की परीक्षा के लिए आंकड़े को दर्शाता है और कश्मीर अध्ययनों की संख्या (यानी मनाया गया प्रभाव या परिणाम) मेटा-विश्लेषण में शामिल है इन आँकड़ों की गणना करने के लिए मेटाफ़ोर पैकेज में उपयोग किए गए समीकरणों को अधिक सामान्य परिभाषाओं पर आधारित है और इसका फायदा यह है कि I2 और H2 के मान ताऊ 2 के अनुमानित मूल्य के अनुरूप होंगे (अर्थात यदि टोपी 2 0, तब I2 0 और H2 1 और अगर टोपी 2 जीटी 0, तब I2 gt 0 और H2 gt 1)। I2 और H2 के लिए समीकरणों के ये दो सेट वास्तव में ताऊ 2 के डेरिसोनियन-लेआर्ड अनुमानक का उपयोग करते हुए मेल खाते हैं (यानी सामान्यतः उपयोग किए गए समीकरण वास्तव में ऊपर दिए गए अधिक सामान्य परिभाषाओं के विशेष मामले हैं)। इसलिए, यदि आप इन आंकड़ों की अधिक परंपरागत परिभाषाओं को पसंद करते हैं, तो rma () फ़ंक्शन के साथ randommixed-effects मॉडल को फिटिंग करते समय methodquotDLquot का उपयोग करें। इस उदाहरण के लिए राउडेनबुश (200 9) के विश्लेषण उदाहरण देखें छद्म आर 2 आंकड़े (राउडेनबुश, 200 9) को आर 2 फ्रैक 2 - टोपी 2 2 के साथ गिना जाता है, जहां टोपी 2 यादृच्छिक प्रभाव मॉडल (यानी विविधता की कुल राशि) और टोपी 2 के आधार पर ताऊ 2 के अनुमानित मूल्य को दर्शाती है मिश्रित प्रभाव मॉडल (यानी विविधता की अवशिष्ट मात्रा) के आधार पर ताऊ का मूल्य। ऐसा हो सकता है कि टोपी 2 एलटी हैट 2, जिसमें R2 को शून्य पर सेट किया गया हो। दोबारा, आर 2 का मूल्य इस्तेमाल किया जाने वाले टौ 2 के अनुमानक के आधार पर बदल जाएगा। यह भी ध्यान रखें कि मिश्रित-प्रभाव मॉडल में एक अवरोधन (ताकि यादृच्छिक-प्रभाव मॉडल को मिश्रित-प्रभाव मॉडल के अंदर स्पष्ट रूप से नेस्टेड किया गया हो) शामिल है, केवल इस आंकलन की गणना की जाती है। आप किसी भी दो मॉडलों के लिए आर 2 की गणना करने के लिए ano. ro. unini () फ़ंक्शन का उपयोग भी कर सकते हैं जिन्हें नेस्टेड कहा जाता है। एस्केकल () और आरएमए () फ़ंक्शंस फ्रीमैन-ट्यूके परिवर्तन (फ्रीमैन एपीट ट्यूके, 1 9 50) के साथ कच्चे अनुपात और घटना दर बदलने की संभावना प्रदान करते हैं। अनुपात के लिए, इसे कभी-कभी 039 फ्रेमन-तुके डबल आर्ससीन ट्रांसफ़ॉर्मेशन 039 कहा जाता है। अनुपात के लिए, रूपांतरण (मापक पॉटक्फ्ट) को 12 बार समीकरण (एमबॉक्स (एसक्यूआरटी) एमबॉक्स (एसकेआरटी)) के साथ गणना किया जाता है, जहां एक्सआई ब्याज की स्थिति का अनुभव करने वाले व्यक्तियों की संख्या को दर्शाता है और एनआई व्यक्तियों की कुल संख्या (यानी नमूना आकार)। यी के विचरण तब vi 1 (4ni 2) के साथ गिने जाते हैं। घटना दर के लिए, परिवर्तन (मोज़ाइकआरआईएफटीक्वाट) को 12 बार समीकरण (एसक्यूआरटी sqrt) के साथ गणना किया जाता है, जहां xi घटनाओं की कुल संख्या को दर्शाता है और टीआई जोखिम का कुल व्यक्ति-समय दर्शाता है वाई के विचरण तब vi 1 (4ti) के साथ गिने जाते हैं। गुणात्मक निरंतर 12 के बिना इन परिवर्तनों की परिभाषा भी मिल सकती है (भिन्नता के लिए समीकरण तब 4 गुणा किया जाना चाहिए) चूंकि 12 सिर्फ एक स्थिर है, यह कोई भी परिभाषा नहीं है कि किस परिभाषा का उपयोग करता है (जब तक कि नमूने के विचरण के लिए सही समीकरण का उपयोग किया जाता है)। मेटाफ़ोर पैकेज ऊपर दी गई परिभाषाओं का उपयोग करता है, ताकि आर्सेनस स्क्वायर-रूट (कोन्यूलर) रूपांतरण (मापकूटपास्क्वॉट) से प्राप्त किए गए मूल्य और फ्रीमेन-ट्यूके डबल आर्सीन परिवर्तन (मापकूट पीएफटीक्वाट) से लगभग एक समान परिमाण (12 गुणक के बिना, पीएफटी मूल्यों के बारे में दो बार बड़े होंगे)। वही स्क्वॉजर-रूट ट्रांसजेंड इन्सटेंशन रेट (मापकॉटआईआरएसक्वाट) और फ्रीमैन-ट्यूकी ट्रांसएज्ड रेट (मापकॉटरफाइट) पर लागू होता है। डिफ़ॉल्ट सेटिंग्स के साथ प्रयोग किया जाता है, तो मेटाफ़र में rma. mh () फ़ंक्शन वास्तव में अन्य मेटा-विश्लेषणात्मक सॉफ़्टवेयर से प्राप्त परिणामों से भिन्न होता है, जैसे कि स्टेटा में मेटन फ़ंक्शन, कोच्रेन सहयोग से समीक्षा प्रबंधक (RevMan) , या व्यापक मेटा-विश्लेषण (सीएमए) मूलभूत रूप से, मेटाफ़र मैन्टेल-हेंसेज़ल पद्धति को लागू करते समय किसी भी समूह में शून्य मामलों के अध्ययन के साथ सेल गणना के किसी भी समायोजन को लागू नहीं करता है, जबकि अन्य सॉफ़्टवेयर स्वचालित रूप से ऐसा कर सकते हैं अधिक जानकारी के लिए, अलग सॉफ़्टवेयर में Mantel-Haenszel विधि की तुलना करें और मेटाफ़र को अन्य सॉफ़्टवेयर के रूप में सटीक समान परिणाम प्रदान करने के लिए किस सेटिंग का उपयोग करना है। संदर्भ फ्रीमैन, एम एफ एफ टुके, जे। डब्लू। (1 9 50)। कोण से संबंधित रूपांतरण और वर्गमूल गणितीय सांख्यिकी, 21 (4), 607611 के इतिहास। हिगिंस, जे पी। टी। एपी थॉम्पसन, एस जी (2002)। मेटा-विश्लेषण में विविधता को बढ़ाते हुए। मेडिसिन में सांख्यिकी, 21 (11), 153 9 1558. वैन होवेल्लिंग, एच। सी। अरेन्ड्स, एल। आर। एपी स्टीजनन, टी। (2002)। मेटा-विश्लेषण में उन्नत तरीके: मल्टीवीरेट दृष्टिकोण और मेटा-रिग्रेसन। मेडिसिन में सांख्यिकी, 21 (4), 58 9 824. लिपसे, एम. डब्ल्यू। एम्प विल्सन, डी। बी (2001)। व्यावहारिक मेटा-विश्लेषण ऋषि, हजार ओक्स, सीए। राउडेनबुश, एस डब्ल्यू (2009)। प्रभाव के आकार का विश्लेषण: यादृच्छिक प्रभाव मॉडल एच। कूपर, एल। वी। हेजिस, एपीजे जे। वेलेंटाइन (एडीएस।), अनुसंधान संश्लेषण और मेटा-विश्लेषण (2 री एड पी। 295315) की पुस्तिका। न्यूयॉर्क: रसेल संत फाउंडेशन स्टर्न, जे ए सी (एड।) (2009)। स्टेटा में मेटा-विश्लेषण: स्टटा जर्नल से एक अद्यतन संग्रह। स्टैटा प्रेस, कॉलेज स्टेशन, टेक्सास faq. txt आखिरी बार संशोधित: 20160607 1 9 34 वोल्फगैंग विचेटबाउर द्वारा