Meta-Analyse in der Organisation des Organisationsverhaltens (OB)
Die Metaanalyse ist ein statistisches Verfahren zur Integration der Ergebnisse mehrerer kombinierbarer unabhängiger Studien. Eine solche objektive Beurteilung hilft uns, die Heterogenität zwischen den Ergebnissen kombinierbarer unabhängiger Studien (falls vorhanden) zu erklären. Eine Metaanalyse ist ein quantitativer Ansatz zur Überprüfung von Forschungsliteratur in einem bestimmten Bereich.
In der OB-Forschung können sich viele Faktoren von Kontext zu Kontext unterscheiden. Daher ist es schwierig, endgültige Experimente zu entwerfen, um zu bestimmen, ob ein bestimmter Ansatz ein bestimmtes Verhalten beeinflusst. Eine Metaanalyse kombiniert eine Reihe von Studien (in der Regel von verschiedenen Forschern in verschiedenen Kontexten durchgeführt), um die Auswirkungen eines bestimmten Ansatzes auf ein bestimmtes Ergebnis zu quantifizieren. Durch die Erweiterung des Datenpools auf viele verschiedene Kontexte (und die Erhöhung der Stichprobengröße) kann eine bessere quantitative Schätzung vorgenommen werden, wie stark sich eine bestimmte betriebliche Praxis auf die Mitarbeiter auswirkt.
Die meiste Literatur zur Metaanalyse kommt zu dem Schluss, dass es für jede Forschung, die Metaanalyse verwendet, drei generische Schritte gibt.
Diese sind:
1. Klären Sie unabhängige Variablen und Ergebnisvariablen von Interesse.
2. Führen Sie quantitative Untersuchungen zu den unabhängigen und Ergebnisvariablen von Interesse durch.
3. Sammeln Sie quantitative Informationen aus jeder ausgewählten Studie, um die Auswirkung einer unabhängigen Variablen auf die Ergebnisvariable anzuzeigen.
Die Effektgröße ist die Differenz zwischen den Mittelwerten der Ergebniswerte der Versuchsgruppe und der Kontrollgruppe geteilt durch die Standardabweichung der Ergebnisse. Ein positiver Effekt auf die Ergebnisvariable wird durch eine mittlere Effektgröße über alle Studien hinweg angegeben, dh größer als 0. Für die OB-Forschung wird zur Metaanalyse wie bei jeder anderen Forschung das Problem formuliert, gesammelt und analysiert die Daten und melden Sie die Ergebnisse.
Der Forscher muss einen ausführlichen Forschungsbericht verfassen, in dem die Ziele, Hypothesen und Methodik klar angegeben sind. Zur Datenerfassung wird ein standardisiertes Protokollformular benötigt. Es ist nützlich, wenn zwei unabhängige Beobachter die Daten extrahieren, um Fehler zu vermeiden. Zu diesem Zeitpunkt kann die Qualität der Studien anhand einer der mehreren speziell entwickelten Skalen bewertet werden. Indem die Beobachter mit den Namen der Autoren und ihrer Institutionen, den Namen der Zeitschriften, Finanzierungsquellen und Anerkennungen verschleppt werden, führt dies zu einheitlicheren Ergebnissen.
Einzelne Ergebnisse müssen in einem standardisierten Format ausgedrückt werden, um einen Vergleich zwischen den Studien zu ermöglichen. Wenn der Endpunkt stetig ist, wird der mittlere Unterschied zwischen den Behandlungs- und Kontrollgruppen verwendet. Die Größe einer Differenz wird jedoch durch den zugrunde liegenden Bevölkerungswert beeinflusst.
Daher werden die Unterschiede in Einheiten der Standardabweichung dargestellt. Wenn der Endpunkt binär ist (z. B. Krankheit gegen keine Krankheit oder tot gegen lebend), werden häufig die Quotenverhältnisse oder die relativen Risiken berechnet. Die Odds Ratio weist praktische mathematische Eigenschaften auf, die das Kombinieren von Daten und das Testen des Gesamteffekts auf Signifikanz erleichtern. Absolute Maßnahmen wie die absolute Risikominderung oder die Anzahl der zu behandelnden Patienten, um ein Ereignis zu vermeiden, sind bei der Anwendung der Ergebnisse hilfreicher.
Der letzte Schritt besteht darin, den Gesamteffekt durch Kombinieren der Daten zu berechnen. Ein einfacher arithmetischer Durchschnitt der Ergebnisse aus allen Versuchen würde zu irreführenden Ergebnissen führen. Die Ergebnisse kleiner Studien sind eher dem Zufallsspiel unterworfen und sollten daher weniger Gewicht erhalten. Für die Met-Analyse verwendete Methoden verwenden einen gewichteten Durchschnitt der Ergebnisse, wobei die größeren Studien einen größeren Einfluss haben als die kleineren.
Die statistischen Techniken, um dies zu tun, lassen sich grob in zwei Modelle einteilen, wobei der Unterschied darin besteht, wie die Variabilität der Ergebnisse zwischen den Studien behandelt wird. Das Fixed-Effects-Modell geht oft zu Unrecht davon aus, dass diese Variabilität ausschließlich auf Zufallsvariationen zurückzuführen ist. Wenn alle Studien unendlich groß wären, würden sie daher zu identischen Ergebnissen führen.
Das Random-Effects-Modell setzt für jede Studie einen anderen zugrunde liegenden Effekt voraus und berücksichtigt dies als zusätzliche Variationsquelle, was zu etwas größeren Konfidenzintervallen führt als das Fixed-Effects-Modell.
Effekte werden zufällig verteilt, und der zentrale Punkt dieser Verteilung ist der Fokus der kombinierten Effektschätzung. Obwohl keines der beiden Modelle als korrekt bezeichnet werden kann, wird ein erheblicher Unterschied in den kombinierten Effekten, die aus den Modellen mit festem und zufälligem Effekt berechnet werden, nur dann sichtbar, wenn die Studien deutlich heterogen sind.
Der Wert einer empirischen OB-Forschung kann gesteigert werden, wenn nachfolgende Forscher die Ergebnisse verallgemeinern können. Verallgemeinerungen erfordern eine Replikation, und dies kann am besten durch Metaanalysen erfolgen. Glass (1976) prägte zuerst den Begriff "Meta-Analyse" als Analyse von Analysen.
In der Folge bereicherten Forscher wie Jack Hunter, Frank Schmidt (Hunter 1979; Hunter und Schmidt 1990) die Forschungsliteratur, indem sie Forschungsergebnisse zwischen Studien untersuchten. In der OB nutzen wir die Metaanalyse zur quantitativen Synthese von Forschungsergebnissen.
