ETKİLEŞİM KARŞILAŞTIRMALARI – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
REGRESYONUN HOMOJENLİĞİ
SAS Enterprise Guide’da regresyonun homojenliği varsayımını değerlendirmek için, analizi yukarıda açıklanan ANOVA’yı nasıl çalıştırdığımıza benzer şekilde yapılandırırız. Ana menüden Analiz ➜ ANOVA ➜ Doğrusal Modeller’i seçin. Şekil 16.29’da gösterildiği gibi, Math_dv’yi Bağımlı değişken olarak ve grubu da Sınıflandırma değişkeni olarak belirleyin. Ancak şimdi, nicel değişken olarak fiil_cov’u da belirteceğiz (SAS, ortak değişkenleri kategorik değişkenler yerine nicel olarak ele aldığı fikrini açıkça ortaya koyuyor).
Ekranın en solundaki gezinme panelinde Model’i seçin. verb_cov’u vurgulayın ve pencerenin ortasındaki Ana düğmeyi tıklayın. Bu eylem, verb_cov’u Şekil 16.30’da gösterildiği gibi Efektler paneline yerleştirecektir. Aynı şeyi grup için de yapın. Ardından, verb_cov’u vurgulayın ve Kontrol tuşunu basılı tutarken grubu vurgulayın. Efektler panelinde fiil_cov∗group etkileşimini yerleştirmek için Çapraz düğmesine tıklayın.
Gezinme panelinde Model Seçenekleri’ni seçin. Şekil 16.31’de gösterildiği gibi sadece Tip III’ü seçin. Ardından analizi gerçekleştirmek için Çalıştır’a tıklayın.
Analizin çıktısı Şekil 16.32’de gösterilmektedir. Bu, SPSS’den elde edilen çıktıyla eşleşir. Bağımsız değişken ve ortak değişkenin etkileşimi istatistiksel olarak anlamlı değildir, bu da verilerin regresyonun homojenliği varsayımını ihlal etmediği sonucuna varmamıza izin verir.
ANCOVA’NIN SAS’TA YAPILMASI
KOVARYANS ANALİZİNİN YAPILANDIRILMASI
Çok amaçlı ANCOVA’yı gerçekleştirmek için analizi, yukarıda açıklanan regresyon homojenliği testini nasıl çalıştırdığımıza benzer şekilde yapılandırırız. Ana menüden Analiz Et ➜ ANOVA ➜ Doğrusal Modeller’i seçin. Şekil 16.33’te gösterildiği gibi, Math_dv’yi Bağımlı değişken olarak, group’u Sınıflandırma değişkeni olarak ve verb_cov’u Nicel değişken olarak belirtin.
Model penceresinde, yalnızca iki ana efektin üzerine tıklayın (bkz. Şekil 16.34). Model Seçenekleri penceresinde, yalnızca Tip III’ü belirtin (gösterilmemiştir). Ayrıca gruplar için araçlar elde etmek istiyoruz. ANCOVA, düzeltilmiş ortalamaları analiz ettiğinden, değerlendirilen ortalamalar olmadığı için gözlemlenen ortalamalara artık atıfta bulunamayız. Bunun yerine, ayarlanmış araçları elde etmemiz gerekiyor.
SAS, bunları “en küçük kareler araçları” olarak adlandırır. Şekil 16.35’te gösterilen gezinme panelinde Post Hoc Testler penceresinin En Küçük Kareler bölümünü seçerek çıktıda görüntülenmesini sağlayabiliriz. Modeldeki etkileri göstermek ve Araç testleri için Seçenekler’deki panelleri görüntülemek için Ekle’ye tıklayın. Kullanılacak sınıf efektleri altında (pencerenin sağ kısmındaki ilk panel), grup efektini True olarak ayarlayın (başlangıçta False olarak ayarlanmıştır – çift tıklatıldığında True/Yanlış menüsünü görüntüler, True’yu seçersiniz).
Instagram etkileşim ölçme
Sosyal medyada etkileşim Nedir
Etkileşim Oranı hesaplama
Etkileşim etkisi örneği
Instagram engagement rate hesaplama
Twitter etkileşim oranı hesaplama
Reach hesaplama
Total engagements ne demek
Analizi tamamlamak için, çok yönlü analiz sonuçlarını görmeyi beklemek ve sonra geri dönüp ANOVA sonrası ortalama karşılaştırmalarımızı çalıştırmak yerine ikili ortalama karşılaştırmalarımızı da belirleyeceğiz. Karşılaştırmalar panelinin altında, Farklar için p-değerlerini göster’i Tüm ikili farklar olarak ayarlayın ve Karşılaştırmalar için Ayarlama yöntemini Bonferroni olarak ayarlayın. Analizi gerçekleştirmek için Çalıştır’a tıklayın.
KOVARYANS ANALİZİ ÇIKTI
ANOVA’nın çıktısı Şekil 16.36’da gösterilmektedir. Bu, SPSS tarafından üretilen sonuçlarla eşleşir.
SONUÇLARIN İLETİŞİMİ
Matematik öğretmek için üç farklı öğretim programının etkililiğini değerlendirmek için denekler arası tek yönlü kovaryans tasarımı kullanıldı. Otuz altı sekizinci sınıf çocuğu, grup başına on iki çocuk, geleneksel, serbest biçimli veya bilgisayar tabanlı bir öğretim programına maruz bırakıldı ve sonunda matematik kelime problemleri üzerinde test edildi.
Bağımlı değişken, test saati boyunca çözülen matematik problemlerinin sayısıydı. Sözel yeterliliğin performansı ne derece etkileyebileceğini matematik puanlarını istatistiksel olarak kontrol etmek için, çocuklara matematik testinin verildiği haftanın başlarında bir sözel beceri testi uygulandı; sözel yeterlilik puanı daha sonra analizde bir değişken olarak kullanılmıştır.
ANCOVA, F (1, 32) = 87.42, p < .05 ve öğretim programından bağımsız değişken, F (2, 32) = 6.52, p < .05; bu ikinci etki, toplam varyansın yüzde 8’inin biraz altındaydı. Bonferroni düzeltilmiş çoklu karşılaştırma testleri, bilgisayar tabanlı (düzeltilmiş M = 11.69, SE = 0.35, yüzde 95 GA = 10.98 − 12.39) ve serbest biçimli (düzeltilmiş M = 11.20, SE = 0.35, yüzde 95 GA = 10.49 − 11.90) göstermiştir. ) programları, sözel yeterlilik seviyesini kontrol ederken geleneksel öğretim programından (düzeltilmiş M = 10.20, SE = 0.35, yüzde 95 GA = 9.49 − 10.92) daha yüksek matematik kelime problemi performansıyla sonuçlandı.
Varyans Analizinde İleri Konular
Bu son bölümün amacı, deneysel tasarım ve ANOVA prosedürleri ile ilgili seçilmiş bazı konulara kısa bir giriş sağlamaktır. Bu konular arasında etkileşim karşılaştırmaları, rastgele ve sabit faktörler, iç içe faktörler, Latin kareler, eşit olmayan örnek büyüklükleri ve çok değişkenli varyans analizi yer alır.
Bu konuların tam olarak ele alınması, konu başına en az ayrı bir bölüm gerektirdiğinden, bu kitabın kapsamı dışındadır, kapsamımız biraz üstünkörü olacaktır; daha fazla bilgi için başvurulabilecek kaynaklar her konu ile bağlantılı olarak verilmiştir.
ETKİLEŞİM KARŞILAŞTIRMALARI
BASİT ETKİ ANALİZLERİ
Bölüm 8’de belirttiğimiz gibi, çoğu araştırmacı basit etki analizleri yürüterek istatistiksel olarak anlamlı bir A × B etkileşim etkisini keşfeder. Bu kitap boyunca kullandığımız basit efekt stratejisi, istatistiksel olarak anlamlı bir etkileşim etkisi veren çok yönlü ANOVA’yı doğrudan takip eden t testleri kullanarak ikili karşılaştırmalar yapmaktı. Alternatif ancak benzer bir strateji, bağımsız değişkenlerden birinin üç veya daha fazla seviyesi ile Şekil 17.1’de gösterilen ortalamalar dikkate alınarak gösterilebilir.
Bu 3 × 2 faktöriyel ilk olarak Şekil 8.2’de sunulmuştur. Bu alternatif ancak benzer stratejide, her seferinde bağımsız değişkenlerden birinin bir düzeyine odaklanıyoruz. Şekil 17.1’de kadınların bir odağı vurgulama araçlarını özetledik ve bu odağı erkeklerle tekrarlayacağız.
Bu stratejiyi uygulamak için şunları yapardık:
1. Kadınlar için ikamet türünü karşılaştırarak tek yönlü bir ANOVA yapın.
2. Konut tipi için F oranı istatistiksel olarak anlamlıysa, etkileşim etkisinin yerini belirlemek için planlı veya plansız karşılaştırmalar yaparız.
3. Daha sonra bu işlemi erkekler için tekrarlarız.
Basit etki analizlerini yürütmek için bu iki strateji, doğrudan ikili t testleri ve çoklu karşılaştırma testleri tarafından takip edilen tek yönlü ANOVA’lar, her ikisinin de etkileşim etkisini doğrudan araçların karşılaştırmasına ayırması bakımından kavramsal olarak çok benzerdir. Etkileşim karşıtlıklarının kullanımı, çok amaçlı etkileşim etkisini ayrıştırmak için biraz farklı bir stratejiyi örneklemektedir.
Etkileşim etkisi örneği Etkileşim Oranı hesaplama Instagram engagement rate hesaplama Instagram etkileşim ölçme Reach hesaplama Sosyal medyada etkileşim Nedir Total engagements ne demek Twitter etkileşim oranı hesaplama