Meta-analiza w badaniach zachowań organizacyjnych (OB)
Metaanaliza jest procedurą statystyczną integrującą wyniki kilku niezależnych badań, które można łączyć. Taka obiektywna ocena pomaga nam wyjaśnić heterogeniczność wyników niezależnych badań połączonych, jeśli takie istnieją. Metaanaliza jest ilościowym podejściem do przeglądu literatury badawczej w określonym obszarze.
W badaniach OB wiele czynników może się różnić w zależności od kontekstu, przez co trudno zaprojektować ostateczne eksperymenty, aby określić, czy dane podejście wpływa na dane zachowanie. Metaanaliza łączy szereg badań (zwykle przeprowadzanych przez wielu różnych badaczy w różnych kontekstach) w celu ilościowego określenia wpływu danego podejścia na dany wynik. Poszerzając pulę danych o wiele różnych kontekstów (i zwiększając liczebność próby), można lepiej oszacować ilościową ocenę wpływu danej praktyki organizacyjnej na pracowników.
Większość literatury na temat metaanalizy stwierdza, że istnieją trzy ogólne kroki dla każdego badania wykorzystującego metaanalizę.
To są:
1. Wyjaśnij niezależne zmienne i zmienne wynikowe będące przedmiotem zainteresowania.
2. Wykonaj badania ilościowe dotyczące zmiennych niezależnych i wynikowych będących przedmiotem zainteresowania.
3. Skompiluj informacje ilościowe z każdego wybranego badania, aby wskazać wpływ zmiennej niezależnej na zmienną wyniku.
Wielkość efektu jest różnicą między średnimi wyników punktowych grup eksperymentalnych i kontrolnych podzielonych przez odchylenie standardowe wyników. Pozytywny wpływ na zmienną wynikową wskazuje średnia wielkość efektu w badaniach, to znaczy większa niż 0. W przypadku badań OB, aby skorzystać z metaanalizy, jak każde inne badanie, formułujemy problem, zbieramy i analizujemy dane i zgłoś wyniki.
Badacz jest zobowiązany do napisania szczegółowego raportu z badań, jasno określającego cele, hipotezy i metodologię. Do gromadzenia danych potrzebny jest wystandaryzowany formularz rejestracyjny. Przydatne jest, jeśli dwóch niezależnych obserwatorów wyodrębnia dane, aby uniknąć błędów. Na tym etapie można ocenić jakość badań za pomocą jednej z kilku specjalnie zaprojektowanych skal. Oszoławiający obserwatorzy nazwisk autorów i ich instytucji, nazw czasopism, źródeł finansowania i podziękowań prowadzą do bardziej spójnych ocen.
Indywidualne wyniki muszą być wyrażone w znormalizowanym formacie, aby umożliwić porównanie badań. Jeśli punkt końcowy jest ciągły, stosuje się średnią różnicę między grupami leczonymi i kontrolnymi. Na wielkość różnicy wpływa jednak podstawowa wartość populacji.
Różnice występują zatem w jednostkach odchylenia standardowego. Jeśli punkt końcowy jest binarny - na przykład choroba versus brak choroby lub martwy versus żywy - wówczas iloraz szans lub ryzyko względne są często obliczane. Iloraz szans ma dogodne właściwości matematyczne, które pozwalają na łatwe łączenie danych i testowanie ogólnego wpływu na istotność. Bezwzględne środki, takie jak bezwzględne zmniejszenie ryzyka lub liczba pacjentów, którzy mają być leczeni w celu zapobiegania jednemu zdarzeniu, są bardziej pomocni przy stosowaniu wyników.
Ostatni krok polega na obliczeniu ogólnego efektu przez połączenie danych. Prosta średnia arytmetyczna wyników wszystkich badań dałaby wprowadzające w błąd wyniki. Wyniki z małych badań są bardziej zależne od gry losowej i dlatego należy im nadać mniejszą wagę. Metody używane do analizy met wykorzystuje średnią ważoną wyników, w których większe próby mają większy wpływ niż te mniejsze.
Techniki statystyczne do tego celu można ogólnie podzielić na dwa modele, przy czym różnica polega na sposobie traktowania zmienności wyników między badaniami. Model efektów stałych uważa, często bezzasadnie, że zmienność ta wynika wyłącznie z przypadkowej zmienności. Dlatego, gdyby wszystkie badania były nieskończenie duże, dałyby identyczne wyniki.
Model efektów losowych zakłada inny efekt bazowy dla każdego badania i bierze to pod uwagę jako dodatkowe źródło zmienności, co prowadzi do nieco szerszych przedziałów ufności niż model efektów stałych.
Efekty są losowo rozdzielane, a centralny punkt tego rozkładu jest ogniskiem połączonego oszacowania efektu. Chociaż żaden z tych dwóch modeli nie może być uznany za prawidłowy, istotna różnica w łącznym efekcie obliczonym przez modele efektów stałych i losowych będzie widoczna tylko wtedy, gdy badania będą znacznie heterogeniczne.
Wartość empirycznych badań OB może zostać zwiększona, kiedy kolejni badacze mogą uogólniać wyniki. Uogólnienia wymagają replikacji i najlepiej można to zrobić za pomocą metaanaliz. Glass (1976) po raz pierwszy ukuł termin "metaanaliza" w znaczeniu analizy analiz.
Następnie naukowcy tacy jak Jack Hunter, Frank Schmidt (Hunter 1979, Hunter i Schmidt 1990) wzbogacili literaturę badawczą o wyniki badań w różnych badaniach. W OB wykorzystujemy metaanalizę do ilościowej syntezy wyników badań.
