Meta-Analysis in Organizational Behavior (OB) Research

Meta-analys är ett statistiskt förfarande för att integrera resultaten från flera kombinerbara oberoende studier. Sådan objektiv bedömning hjälper oss att förklara heterogenitet mellan resultaten av kombinerbara oberoende studier, om sådana finns. En metaanalys är ett kvantitativt tillvägagångssätt för att granska forskningslitteratur inom ett visst område.

I OB-forskning kan många faktorer variera från ett sammanhang till ett annat, vilket gör det svårt att utforma definitiva experiment för att bestämma huruvida ett visst förhållningssätt påverkar ett visst beteende. En metaanalys kombinerar ett antal studier (vanligtvis utförs av ett antal olika forskare i olika sammanhang) för att kvantifiera effekten av ett visst synsätt på ett givet resultat. Genom att bredda datapoolen till många olika sammanhang (och öka provstorlekar) kan en bättre kvantitativ uppskattning göras av hur mycket en viss organisationspraxis påverkar medarbetarna.

Merparten av litteraturen om meta-analys drar slutsatsen att det finns tre generiska steg för varje forskning som använder meta-analys.

Dessa är:

1. Förklara oberoende variabler och resultatvariabler av intresse.

2. Utför kvantitativ forskning om de oberoende och resultatvariablerna av intresse.

3. Kompilera kvantitativ information från varje vald studie för att indikera effekten av oberoende variabel på resultatvariabeln.

Effektstorleken är skillnaden mellan medelvärdena för resultatvärdena för experiment- och kontrollgrupperna dividerat med standardavvikelsen för poängen. En positiv effekt på resultatvariabeln indikeras med en genomsnittlig effektstorlek över studierna, det vill säga större än 0. För OB-forskning, för att använda meta-analys, formulerar vi, liksom alla andra undersökningar, problemet, samlar och analyserar data, och rapportera resultaten.

Forskaren är skyldig att skriva en detaljerad forskningsrapport som tydligt anger mål, hypoteser och metodik. En standardiserad rekordform behövs för datainsamling. Det är användbart om två oberoende observatörer extraherar data för att undvika fel. På detta stadium kan kvaliteten på studierna bedömas, med en av de flera specialdesignade skalorna. Blindande observatörer till namnen på författarna och deras institutioner, journalernas namn, finansieringskällor och erkännanden leder till mer konsekventa resultat.

Individuella resultat måste uttryckas i ett standardiserat format för att möjliggöra jämförelse mellan studier. Om slutpunkten är kontinuerlig används medelskillnaden mellan behandlings- och kontrollgrupperna. Storleken på en skillnad påverkas emellertid av det underliggande befolkningsvärdet.

Skillnaderna presenteras sålunda i enheter av standardavvikelse. Om slutpunkten är binär-till exempel, sjukdom kontra ingen sjukdom, eller död mot levande-då beräknas oddsförhållandena eller relativa risker ofta. Oddsförhållandet har praktiska matematiska egenskaper, vilket möjliggör förenkling vid kombination av data och testning av den totala effekten för betydelse. Absoluta åtgärder, såsom den absoluta riskminskningen eller antalet patienter som ska behandlas för att förhindra en händelse, är mer användbara vid tillämpning av resultat.

Det sista steget består i att beräkna den totala effekten genom att kombinera data. Ett enkelt aritmetiskt medelvärde av resultaten från alla försök skulle ge vilseledande resultat. Resultaten från små studier är mer föremål för chansspelet och bör därför ges mindre vikt. Metoder som används för metadanalys använder ett vägt genomsnitt av resultaten, där de större försöken har större inflytande än de mindre.

De statistiska teknikerna för att göra detta kan i stor utsträckning klassificeras i två modeller, skillnaden består i hur variationen i resultaten mellan studierna behandlas. Den fasta effektmodellen anser ofta orimligt att denna variabilitet uteslutande beror på slumpmässig variation. Om alla studierna var oändligt stora skulle de därför ge identiska resultat.

Den slumpmässiga effektmodellen förutsätter en annan underliggande effekt för varje studie och tar hänsyn till detta som en extra källa till variation, vilket leder till något bredare konfidensintervaller än den fasta effektmodellen.

Effekterna slumpmässigt fördelas, och den centrala punkten för denna fördelning är fokus för den kombinerade effektuppskattningen. Även om ingen av de två modellerna kan sägas vara korrekta kommer en väsentlig skillnad i den kombinerade effekten beräknad av de fasta och slumpmässiga effekterna att ses endast om studierna är markant heterogena.

Värdet av en empirisk OB-forskning kan förbättras när det är möjligt för efterföljande forskare att generalisera resultaten. Generaliseringar kräver replikering och detta kan bäst genomföras genom meta-analyser. Glass (1976) utgjorde först termen "meta-analys" för att innebära analys av analyser.

Därefter berikade forskare som Jack Hunter, Frank Schmidt (Hunter 1979, Hunter och Schmidt 1990) forskningslitteraturen som syndinerar forskningsresultat över studier. I OB använder vi meta-analys för kvantitativ syntes av forskningsresultat.