양적 연구종합이라고도 불리 우는 메타 분석을 위한 여러 가지 접근 방법 들 중 가장 넓게 적용할 수 있는 방법은 유의도 p값의 분석이다. 본 연구의 목적은 p값들에 기초한 양적 분석들에 더 나은 이해를 발전시키고자 유의도 함수들의 고유한 특성들을 알아보고, 나아가 Rosenthal과 Rubin이 제안하고 주창하는 diffuse 검사라고 이름 지워진 연구 방법을 진단하였다. 이 검사는 표본 연구들로부터 나온 역 정규전이 유의도(inverse-normal-transformed significance)값들에 기초하고 있다. 본 연구에서는 diffuse 검사에 의하여 검증되어지는 가설에 기초하여 검사가 갖는 점근분포(asymptotic distribution)을 유도하였다. Diffuse 검사의 소 표본 행동은 그 검사가 갖는 점근분포의 정확도에 달려있다. 그러므로 시뮬레이션 연구를 통해 유도된 이론적 분포들을 실험적(simulated)분포들에 비교하였고, 점근분포의 정확도를 증명함으로써 유한 표본에 있어서 diffuse 검사가 어떻게 행동하는 지를 알아볼 수 있게 하였다. 결과적으로 연구자들에게 diffuse 검사가 갖는 검증력을 어떠한 연구 특징 아래에서도 구할 수 있게 하여 연구를 설계하고 연구결과를 해석하는 데 많은 도움을 가지게 될 것이다.
One of the most widely applicable quantitative methods in research synthesis is the analysis of p values. The purpose of this study is to examine the properties of functions of the significance value to develop a better understanding of several quantitative analyses based on p values in meta-analysis. I examine the summaries, called diffuse test(proposed and promoted by Rosenthal and Rubin). That test is based on inverse-normal-transformed significance values from the sample studies. I described the hypotheses comparing the results of studies tested by the diffuse test, and derived asymptotic sampling distributions of the test. Since the small sample behavior of the test depends on the accuracy of asymptotic distributions of the test, I did a simulation study to see how the test behaves in finite samples, comparing its derived theoretical moments and distributions to empirical(simulated) moments and distributions. A Pearson chi-square statistic was applied to test the goodness of fit between the asymptotic distributions and the simulated distributions of the diffuse test statistic. The distribution of the diffuse test statistic was well approximated by a modified chi-square distribution (the theoretical distribution) when one-sample t statistics led to the diffuse test statistics. Therefore the power values obtained from this asymptotic distribution should be useful for the diffuse test.
(0)
(0)