Değişkenler Arasındaki İlişki – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Değişkenler Arasındaki İlişki
Değişkenler arasındaki ilişkinin gücüne ilişkin tahminler, tabloda aynı ana bölümlerle gösterilmektedir. Genel (Toplam) analiz için phi katsayısı yine sunduğumuzla aynıdır, ancak sigara içmeyen ve içenler için ayrı phi katsayıları da elde ederiz. Sigara içmeyenler için ki-kare değerinin istatistiksel olarak anlamlı olduğunu biliyoruz ve bu sonuçlarla ilerleyebilirsiniz.
.188 değerinin karesini almak (ve negatif değerliliği yok saymak) yaklaşık .035’lik bir fi kare değeri verir. Dolayısıyla, sigara içmeyenlerde fiziksel aktivitenin obezite varyansının yaklaşık %3,5’ini oluşturduğu sonucuna varabiliriz. Sigara içenler için ki-kare değerinin istatistiksel olarak anlamlı olmadığını öğrendik ve bu nedenle phi katsayısının (−.057 olarak hesaplandı) istatistiksel olarak sıfırdan farklı olmadığını biliyoruz (değişkenler arasında ilişki yok).
Satır yüzdeleri ve ayarlanmış kalıntı değerlerle birlikte gözlenen ve beklenen frekanslar, yine Toplam analiz (gördüklerimizi tekrarlayarak) ve sigara içen seviyeleri ile yapılandırılmıştır. Beklenen tüm frekanslar, ortak bir referans çerçevesini temsil ettikleri için Toplam yüzdelere dayanmaktadır.
Sigara içmeyen frekanslar istatistiksel olarak anlamlı bir ki-kare ile ilişkilendirildi ve bu hücrelerde iki değişkenin bu grup için ne şekilde ilişkili olduğunu görebiliriz. Aktif olmayanların yaklaşık üçte ikisi obez değil, üçte biri obez, ancak fiziksel olarak aktif olanların yaklaşık %85’i obez değilken, sadece yaklaşık %15’i obezdir.
Sigara içenler için anlamlı olmayan bir ki-kare elde ettik, bu olgularda fiziksel aktivitenin obezite ile ilişkili olmadığını gösterdi. Hücre frekansları bize vakaların fiziksel olarak aktif olup olmadığına bakılmaksızın vakaların yaklaşık dörtte üçünün obez olmadığını ve vakaların yaklaşık dörtte birinin obez olduğunu göstermektedir.
Bölümlerin her biri hala 2×2 acil durum tablosuna dayandığından, sonuçları sunulan bir risk analizi yapabiliyoruz. Yine, Toplam numunenin sonucu tam olarak daha önce elde ettiğimiz sonuçtur. Ancak bu katman analizinde, her sigara içici düzeyi için risk tahminleri de elde ederiz.
Ki-kare analizi, sigara içenler için değişkenler arasında bir ilişki olmadığını göstermiştir. Dolayısıyla obezite ile ilgili olarak olguların fiziksel olarak aktif olup olmamasının bir önemi yoktu. Bundan sonra, hem risk oranı hem de olasılık oranı etkin bir şekilde 1.00 olmalıdır.
Risk Tahmini tablosundan da anlaşılacağı üzere bu değerler tam olarak 1.00 değildir ve bu indeksler için istatistiksel anlamlılık testi yapılmamaktadır. Ancak IBM SPSS, bize %95 güven aralığının alt ve üst sınırları gibi çok değerli bir bilgi sağladı. Sigara içen risk tahminlerinin üçü için de güven aralığının 1.00 değerini içerdiğine ve dolayısıyla dolaylı olarak elde edilen oranların makul bir şekilde 1.00 olabileceğini iddia edebileceğimize dikkat edin.
Sigara içmeyenler için sonuçlar istatistiksel olarak anlamlıydı ve bu nedenle risk oranları ve olasılık oranı uygulanabilir (etkili olarak 1.00 değiller). Tabloda gösterilen değerler Toplam örneklemi temsil eden değerlerden belirgin bir şekilde farklı değildir ve fiziksel olarak aktif olmayanların obez olma riskinin fiziksel olarak aktif olanlara göre iki kat daha fazla olduğunu düşündürmektedir.
Bağımlı ve bağımsız değişken arasındaki ilişkiye ne denir
Bir etki ya da ilişki göstermek için kullanılan değişken
İki yada daha çok değişken arasındaki ilişkiye ne ad verilir
Korelasyon Nedir
İki değişken arasındaki ilişkinin yönü ve şiddetini belirleyen araştırma
İki değişken arasındaki ilişkinin değişkenlik ölçüsüne ne denir
İki değişken arasında doğrusal ilişki bulunmaması durumunda
Nedensel ilişki örnekleri
Hiyerarşik Loglineer Analiz
Loglinear analiz, üç (veya daha fazla) kategorik değişkeni (örneğin Değişken A, B ve C) birlikte çaprazladığımız iki yönlü Çapraz Tablolar analizinin bir uzantısıdır, ancak odak noktası hala gözlemlenen ve beklenen frekanslar arasındaki farklar üzerindedir. . İki yönlü Çapraz Tablolar analizinde, istatistiksel olarak anlamlı bir ki-kare değeri, iki değişkenin birbirinden bağımsız olmadığını gösterir; yani, farklı frekanslarla (öngörülen) ilişkili olan, seviyelerinin belirli kombinasyonları olduğu anlamında ilişkilidirler.
Bu, iki değişken arasında istatistiksel olarak anlamlı bir etkileşim olduğunu söylemekle eşdeğerdir. İlişkiyi bu şekilde söze dökmeme eğilimindeyiz çünkü analizde sadece iki değişken var ve genellikle bunların ilişkili olduğunu söylemek yeterli.
Bununla birlikte, üç veya daha fazla değişkenle, gözlemlenen ve beklenen frekanslar arasındaki farklarla ilişkilendirilebilecek değişkenlerin birçok kombinasyonu (arasındaki ilişkiler) vardır ve bu nedenle ANOVA terminolojisini kullanmak ve bu kombinasyonlardan etkileşimler olarak bahsetmek uygun hale gelir.
Çalışmamızdaki üç değişkenle, bu nedenle, üç yönlü bir etkileşimden veya iki yönlü etkileşimlerden bahsedebiliriz. Değişkenler arasındaki bu ilişkileri değerlendirmek için loglinear analiz kullanıyoruz. Loglineer analiz bu nedenle faktöriyel ANOVA’ya benzerlik gösterir; (belirli koşullar altında) bir lojistik regresyon tasarımına da dönüştürülebilir. Bu diğer tasarımlarla olan bağları kısaca şöyledir:
• Loglineer analiz, değişkenlerin çeşitli kombinasyonlarının (örneğin AB, ABC) etkileşimler olarak düşünülmesi bakımından faktöriyel ANOVA tasarımlarına benzer. Örneğin, üç yönlü bir loglineer tasarımda, bir adet üç yönlü etkileşime, üç adet iki yönlü etkileşime ve üç ana etkiye sahip olabiliriz.
Loglineer bir tasarımda, istatistiksel olarak anlamlı bir etkileşim, gözlemlenen frekansların, ilgili değişkenlerin seviyelerinin belirli kombinasyonlarından kaynaklandığını gösterir. Ancak ANOVA’dan farklı olarak, (ANOVA anlamında) tek başına bağımlı değişken yoktur, çünkü analizin hedefi değişken seviyelerinin çeşitli kombinasyonlarının ortaya çıkma sıklığıdır.
• Değişkenlerden biri gerçekten bağımlı değişken rolünü daha iyi üstleniyor gibi görünüyorsa, lojistik regresyon başlatılabilir. Herhangi bir regresyon analizi için doğru olacağı gibi, bağımlı değişkenin oluşumunu tahmin etmek için diğer değişkenlerin ana etkilerinin ve etkileşimlerinin etkinliğini değerlendirebiliriz (örneğin, yok için 0 ve gözlenen için 1 olarak kodlanmıştır).
Hiyerarşik bir loglineer analizin genel yaklaşımı, gözlemlenen frekansları tahmin etmek için etkilerin tümünü veya bir kısmını (etkileşimler ve ana etkiler) içeren modellerin uyumunu değerlendirmektir. Model farklılıklarını değerlendirmek, gözlemlenen frekanslar ile beklenen frekanslar arasındaki sapmalara (farklara) odaklanır. İki yönlü sınıflandırma tasarımında artan ilişki sayısıyla ilgili hesaplamaların karmaşıklığı nedeniyle, loglineer analiz hücrelerdeki frekans değerini (sayım verileri) doğal loguna dönüştürür.
Bağımlı ve bağımsız değişken arasındaki ilişkiye ne denir Bir etki ya da ilişki göstermek için kullanılan değişken İki değişken arasında doğrusal ilişki bulunmaması durumunda İki değişken arasındaki ilişkinin değişkenlik ölçüsüne ne denir İki değişken arasındaki ilişkinin yönü ve şiddetini belirleyen araştırma İki yada daha çok değişken arasındaki ilişkiye ne ad verilir Korelasyon nedir Nedensel ilişki örnekleri