Meta-analyse i organisatorisk adfærd (OB) forskning
Meta-analyse er en statistisk procedure til integration af resultaterne af adskillige kombinerbare uafhængige undersøgelser. En sådan objektiv vurdering hjælper os med at forklare heterogenitet mellem resultaterne af kombinerbare uafhængige undersøgelser, hvis nogen. En meta-analyse er en kvantitativ tilgang til at gennemgå forskningslitteratur i et bestemt område.
I OB forskning kan mange faktorer variere fra en kontekst til en anden, hvilket gør det vanskeligt at designe endelige forsøg for at afgøre, om en given tilgang påvirker en given adfærd. En meta-analyse kombinerer en række undersøgelser (normalt udført af en række forskellige forskere i en række sammenhænge) for at kvantificere effekten af en given tilgang på et givet resultat. Ved at udvide databasen til at omfatte mange forskellige sammenhænge (og stigende stikstørrelser) kan der foretages et bedre kvantitativt skøn over, hvor meget en given organisationspraksis påvirker medarbejderne.
Det meste af litteraturen om meta-analyse konkluderer, at der er tre generiske trin til enhver forskning, der udnytter meta-analyse.
Disse er:
1. Afklare uafhængige variabler og resultatvariabler af interesse.
2. Udfør kvantitativ forskning på de uafhængige og resultatvariabler af interesse.
3. Kompilér kvantitativ information fra hver valgt undersøgelse for at angive effekten af uafhængig variabel på resultatvariablen.
Effektstørrelsen er forskellen mellem midlerne til udfaldsscore for eksperimentelle og kontrolgrupper divideret med standardafvigelsen af scorerne. En positiv effekt på resultatvariabelen er angivet med en middelvirkningsstørrelse på tværs af undersøgelserne, det vil sige større end 0. For OB-forskning, at udnytte meta-analyse, som enhver anden forskning formulerer vi problemet, indsamler og analyserer dataene og rapportere resultaterne.
Forskeren skal skrive en detaljeret forskningsrapport, der klart angiver målene, hypoteserne og metodologien. En standardiseret rekordformular er nødvendig til dataindsamling. Det er nyttigt, hvis to uafhængige observatører ekstraherer dataene for at undgå fejl. På dette stadium kan kvaliteten af studierne vurderes med en af de flere specialdesignede skalaer. Blændende observatører til navne på forfatterne og deres institutioner, navnene på tidsskrifterne, finansieringskilder og anerkendelser fører til mere ensartede resultater.
Individuelle resultater skal udtrykkes i et standardiseret format for at muliggøre sammenligning mellem studier. Hvis slutpunktet er kontinuerligt, anvendes den gennemsnitlige forskel mellem behandlings- og kontrolgrupperne. Størrelsen af en forskel påvirkes dog af den underliggende befolkningsværdi.
Således er forskellene præsenteret i enheder af standardafvigelse. Hvis endepunktet er binært - for eksempel sygdom versus ingen sygdom, eller død mod levende - så beregnes oddsforholdene eller relative risici ofte. Oddsforholdet har praktiske matematiske egenskaber, hvilket giver mulighed for lethed ved at kombinere data og teste den samlede effekt for betydning. Absolutte foranstaltninger, såsom den absolutte risikoreduktion eller antallet af patienter, der skal behandles for at forhindre en begivenhed, er mere nyttige, når man søger resultater.
Det sidste trin består i at beregne den samlede effekt ved at kombinere dataene. Et simpelt aritmetisk gennemsnit af resultaterne fra alle forsøgene ville give vildledende resultater. Resultaterne fra små studier er mere udsatte for tilfældighedsspillet og bør derfor gives mindre vægt. Metoder anvendt til metanalyse anvender et vægtet gennemsnit af resultaterne, hvor de større forsøg har større indflydelse end de mindre.
De statistiske teknikker til at gøre dette kan i vid udstrækning klassificeres i to modeller, hvor forskellen består i, hvordan variationen af resultaterne mellem undersøgelserne behandles. Den faste effektmodel anser det ofte for urimeligt, at denne variabilitet udelukkende skyldes tilfældig variation. Hvis alle undersøgelserne var uendeligt store, ville de give identiske resultater.
Random effektmodellen forudsætter en anden underliggende effekt for hvert studie og tager dette i betragtning som en ekstra kilde til variation, hvilket fører til noget bredere konfidensintervaller end den faste effektmodel.
Effekten er tilfældigt fordelt, og det centrale punkt for denne fordeling er fokus for det samlede effekt estimat. Selv om ingen af de to modeller kan siges at være korrekte, vil en væsentlig forskel i den kombinerede effekt beregnet ved hjælp af de faste og tilfældige effekter kun ses, hvis undersøgelserne er markant heterogene.
Værdien af en empirisk OB-undersøgelse kan forbedres, når det er muligt for efterfølgende forskere at generalisere resultaterne. Generaliseringer kræver replikation, og dette kan bedst udføres gennem meta-analyser. Glass (1976) udarbejdede først termen 'meta-analyse' for at betyde analyse af analyser.
Derefter berigede forskere som Jack Hunter, Frank Schmidt (Hunter 1979, Hunter og Schmidt 1990) forskningslitteraturen, der syndinerede forskningsresultater på tværs af studier. I OB benytter vi meta-analyse til kvantitativ syntese af forskningsresultater.
