This article presents a d-statistic

This article presents a d-statistic for single-case designs that is in the same metric as the d-statistic used in between-subjects designs such as randomized experiments and offers some reasons why such a statistic would be useful in SCD research. The d has a formal statistical development, is accompanied by appropriate power analyses, and can be estimated using user-friendly SPSS macros. We discuss both advantages and disadvantages of d compared to other approaches such as previous d-statistics, overlap statistics, and multilevel modeling. It requires at least three cases for computation and assumes normally distributed outcomes and stationarity, assumptions that are discussed in some detail. We also show how to test these assumptions. The core of the article then demonstrates in depth how to compute d for one study, including estimation of the autocorrelation and the ratio of between case variance to total variance (between case plus within case variance), how to compute power using a macro, and how to use the d to conduct a meta-analysis of studies using single-case designs in the free program R, including syntax in an appendix. This syntax includes how to read data, compute fixed and random effect average effect sizes, prepare a forest plot and a cumulative meta-analysis, estimate various influence statistics to identify studies contributing to heterogeneity and effect size, and do various kinds of publication bias analyses. This d may prove useful for both the analysis and meta-analysis of data from SCDs.

ผลลัพธ์ (ไทย) 1:

บทความนี้แสดง d-สถิติสำหรับการออกแบบกรณีเดียวที่อยู่ในวัดเดียวกันกับ d-สถิติที่ใช้ในการออกแบบระหว่างวัตถุเช่นสุ่มทดลองการ และมีสาเหตุบางประการที่ทำไมสถิติดังกล่าวจะเป็นประโยชน์ในการวิจัย SCD D มีการพัฒนาอย่างเป็นทางการทางสถิติ มาพร้อมกับการวิเคราะห์พลังงานที่เหมาะสม และสามารถจะประเมินโดยใช้แมโคร SPSS ใช้งานง่าย เราอธิบายข้อดีและข้อเสียของ d เมื่อเทียบกับวิธีการอื่น ๆ เช่นก่อนหน้านี้ d-สถิติ สถิติทับซ้อน และหลายระดับการสร้างโมเดล แม้ผลกระจายตามปกติและ stationarity สมมติฐานที่กล่าวถึงในรายละเอียดบางอย่าง และต้องใช้อย่างน้อยสามกรณีสำหรับการคำนวณ นอกจากนี้เรายังแสดงวิธีการทดสอบสมมติฐานเหล่านี้ หลักของบทความแล้วอธิบายลึกวิธีการคำนวณ d สำหรับศึกษา รวมทั้งการประเมินของ autocorrelation การ และอัตราส่วนระหว่างผลต่างผลต่างรวม (ระหว่างกรณี บวกภาย ในกรณีต่าง) กรณี วิธีการคำนวณพลังงานที่ใช้แมโคร และวิธีการใช้ดีการทำ meta-analysis ของศึกษาโดยใช้กรณีเดียวออกแบบในโปรแกรม R ฟรี รวมทั้งไวยากรณ์ในภาคผนวก รูปแบบนี้มีวิธีการอ่านข้อมูล คำนวณขนาดผลเฉลี่ยผลถาวร และสุ่ม เตรียมพล็อตป่าและสะสม meta-analysis สถิติอิทธิพลต่าง ๆ เพื่อระบุการศึกษาเอื้อต่อการขนาด heterogeneity และผลประเมิน และทำวิเคราะห์ bias สิ่งพิมพ์ชนิดต่าง ๆ D นี้อาจเป็นประโยชน์สำหรับทั้งการวิเคราะห์และการวิเคราะห์ข้อมูลจาก SCDs

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอ D-สถิติสำหรับการออกแบบเดียวกรณีที่อยู่ในตัวชี้วัดเดียวกันเป็น D-สถิติที่ใช้ในการระหว่างวิชาออกแบบเช่นการทดลองแบบสุ่มและมีสาเหตุบางประการเช่นสถิติจะเป็นประโยชน์ในการวิจัย SCD งมีการพัฒนาทางสถิติอย่างเป็นทางการจะมาพร้อมกับการวิเคราะห์การใช้พลังงานที่เหมาะสมและสามารถนำมาคำนวณโดยใช้วิธีที่ใช้งานง่ายแมโคร SPSS เราจะหารือทั้งข้อดีและข้อเสียของ D เมื่อเทียบกับวิธีการอื่น ๆ เช่นก่อนหน้านี้ D-สถิติซ้อนสถิติและการสร้างแบบจำลองหลายระดับ มันต้องมีอย่างน้อยสามกรณีการคำนวณและถือว่าผลการกระจายตามปกติและ stationarity สมมติฐานที่กล่าวถึงในรายละเอียดบาง นอกจากนี้เรายังแสดงให้เห็นว่าในการทดสอบสมมติฐานเหล่านี้ หลักของบทความนั้นแสดงให้เห็นในเชิงลึกวิธีการคำนวณ D สำหรับการศึกษารวมทั้งการประเมินความผิดพลาดที่สัมพันธ์และอัตราส่วนระหว่างกรณีที่แปรปรวนจะแปรปรวนทั้งหมด (ระหว่างกรณีบวกภายในกรณีที่แปรปรวน) วิธีการคำนวณพลังงานใช้แมโครและ วิธีการใช้ D ในการดำเนินการวิเคราะห์ข้อมูลจากการศึกษาโดยใช้การออกแบบที่เดียวในกรณีที่โปรแกรม R ฟรีรวมถึงไวยากรณ์ในภาคผนวก รูปแบบนี้รวมถึงวิธีการอ่านข้อมูลคำนวณคงที่และผลการสุ่มเฉลี่ยขนาดอิทธิพลเตรียมพล็อตป่าและสะสม meta-analysis ประมาณการสถิติอิทธิพลต่างๆเพื่อระบุการศึกษาที่เอื้อต่อการความแตกต่างและผลกระทบขนาดและทำทุกชนิดของสิ่งพิมพ์อคติวิเคราะห์ . D นี้อาจเป็นประโยชน์สำหรับทั้งการวิเคราะห์และการวิเคราะห์ข้อมูลจาก SCDs

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอ d-statistic สำหรับเครื่องเดียวแบบที่อยู่ในวัดเดียวกันกับที่ใช้ในการออกแบบ d-statistic ระหว่างวิชา เช่น การทดลองสุ่มและมีบางเหตุผลที่ทำไมสถิติดังกล่าวจะเป็นประโยชน์ในการวิจัย SCD . D มีสถิติอย่างเป็นทางการพัฒนา พร้อม ด้วยการวิเคราะห์พลังงานที่เหมาะสม และสามารถประเมินการใช้ง่ายโปรแกรมแมโคร เราจะหารือทั้งข้อดีและข้อเสียของ D เมื่อเทียบกับวิธีอื่น ๆเช่นเดิม d-statistics สถิติ ทับซ้อนกัน และแบบหลายระดับ มันต้องมีอย่างน้อย 3 ราย เพื่อการคำนวณและถือว่ากระจายปกติผล และความนิ่ง , สมมติฐานที่กล่าวถึงในรายละเอียด นอกจากนี้เรายังแสดงวิธีการทดสอบสมมติฐานเหล่านี้ หลักของบทความนั้นแสดงให้เห็นถึงความลึกในวิธีการคำนวณ D สำหรับการศึกษา ได้แก่ การประมาณค่าข้อมูลและอัตราส่วนระหว่างความแปรปรวนระหว่างกรณีการรวมกรณีบวกภายในกรณีความแปรปรวน ) วิธีการคำนวณพลังงานที่ใช้แมโครและวิธีการใช้ D เพื่อทำการศึกษาโดยใช้การวิเคราะห์การออกแบบกรณี เดียวในโปรแกรม R ฟรี รวมถึงการ ไส้ติ่ง ไวยากรณ์นี้รวมถึงวิธีการอ่านข้อมูล การคำนวณผลเฉลี่ยคงที่และแบบสุ่มขนาดอิทธิพล เตรียมพล็อตเรื่องป่าและการวิเคราะห์อภิมานการประเมินสถิติสะสมอิทธิพลต่าง ๆที่จะระบุการศึกษาให้เกิดความหลากหลายและขนาดผล และทำทุกชนิดของสิ่งพิมพ์ อคติ วิเคราะห์ข้อมูล นี้ดีอาจพิสูจน์เป็นประโยชน์สำหรับทั้งการวิเคราะห์และการสังเคราะห์ข้อมูลจาก scds .