ANALİZ KURULUMU: MANOVA – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Konular Arası Tek Yön MANOVA
SAYISAL ÖRNEK
Örneğimiz için kullandığımız kurgusal çalışma, üç tür iş döngüsünden birini yaşayan şirketlerde çalışanların bazı kişilik özelliklerini incelemektedir. Denekler arası bağımsız değişken iş_döngüsü olarak adlandırılır ve seviyeleri iflas (veri dosyasında 1 olarak kodlanır), sabit durum (veri dosyasında 2 olarak kodlanır) ve hızlı genişlemedir (veri dosyasında 3 olarak kodlanır). Bağımlı değişkenler, nevrotikliğin (neoneuro), dışa dönüklüğün (neoextra), açıklığın (neoopen), uyumluluğun (neoagree) ve vicdanlılığın (neoconsc) Beş Büyük kişilik boyutlarıdır ve her bir iş döngüsü türünden örneklenen çalışan puanlarını temsil eder. Veri dosyası, iş ortamı olarak adlandırılır.
KORELASYON ANALİZİ
MANOVA’mıza bir ön hazırlık olarak bağımlı değişkenler üzerinde bir korelasyon analizi yapacağız. Veri dosyası iş ortamını açıyoruz ve ana menüden Analiz Et ➔ İlişkilendir ➔ İki Değişkenli’yi seçiyoruz. Bu, ana İki Değişkenli Korelasyon penceresini açar (genel iletişim penceresi görülebilir). Neoneuro, neoextra, neoopen, neoagree ve neoconsc’yi Değişkenler paneline taşıyoruz ve analizi gerçekleştirmek için Tamam’a tıklıyoruz.
Korelasyon çıktısı gösterilir. Korelasyonlar, yaklaşık .01 ile yaklaşık .38 arasındaki mutlak değerler arasında değişiyordu ve mevcut bağlamda oldukça mütevazı kabul edilecekti. Doğrudan MANOVA’ya geçebiliriz.
ANALİZ KURULUMU: MANOVA
Analiz ➔ Genel Doğrusal Model ➔ Çok Değişkenli’yi seçiyoruz. Bu, gösterilen ana Çok Değişkenli pencereyi açar. business_cycle’ı Sabit Faktör(ler) paneline ve neooneuro, neoextra, neoopen, neoagree ve neoconsc’yi Bağımlı Değişkenler paneline taşıyoruz.
Seçenekler düğmesinin seçilmesi, gösterilen Seçenekler iletişim penceresini açar. Görüntüleme alanında, Tanımlayıcı istatistikler, Artık SSCP Matrisi (bağımlı değişkenler arasında istatistiksel olarak anlamlı bir korelasyon olup olmadığını değerlendiren Bartlett’in küresellik testini elde etmek için) ve Homojenlik testleri (Box’s M ve Levene testlerini elde etmek için) kontrol edin. Ana iletişim penceresine dönmek için Devam’ı tıklayın. İstatistiksel olarak anlamlı bir ana etki olasılığını tahmin edeceğiz ve bu nedenle Post Hoc butonunu seçeceğiz.
Post Hoc penceresinde, business_cycle’ı Post Hoc Tests for etiketli panele taşıyoruz. Eşit olmayan varyanslarımız olabilir ve bu nedenle, her bir bağımlı değişken için hangisi daha uygunsa onu kullanmayı planlayarak, Eşit Varyanslar Varsayım altından R-E-G-W-Q’yu ve Varsayımlanan Eşit Varyanslar altında Tamhane’nin T2’sini seçeriz. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.
MANOVA raporlama
MANOVA ders notları
Kovaryans analizi örnek
Çok değişkenli Varyans Analizi
Manova Nedir
Manova ne zaman kullanılır
MANOVA SPSS
Mancova nedir
ANALİZ ÇIKTI: MANOVA
Ortalama, standart sapma ve örnek boyutları ile Tanımlayıcı İstatistikler gösterilir. Box testinin ve Bartlett testinin sonuçlarını gösterir. Box’ın Kovaryans Matrislerinin Eşitliği Testi, bağımlı değişken kovaryans matrislerinin bağımsız değişkenin seviyelerinde (iş_döngüsü) eşit olduğu varsayımını test eder; bu veri setinde varsayımın karşılanmadığı görülmektedir (Box’s M = 166.018, p<.001).
Bununla birlikte, Box’ın M istatistiği, örneklem boyutu büyük olduğunda oldukça fazla istatistiksel güce sahiptir ve bu nedenle sonuçlarımızı yine de değerlendireceğiz ancak dikkatli olacağız; Box’s M istatistiksel olarak anlamlı olduğundan, Wilks’ lambda yerine Pillai’s Trace kullanıyoruz. Bartlett’in Küresellik Testi, bağımlı değişkenler arasındaki korelasyonların MANOVA’yı destekleyecek kadar güçlü olup olmadığını belirler. İstatistiksel olarak anlamlı bir sonuç, korelasyonların yeterli olduğunu ve elde edilenin bu olduğunu gösterir (yaklaşık ki-kare = 275.796, p < .001).
Dört çok değişkenli istatistiksel anlamlılık testinin sonuçlarını görüntüler. Wilks’ lambda ve Pillai’s Trace en sık kullanılan iki kriterdir ve Box’s M’nin istatistiksel önemi ile odaklanmalı ve Pillai’s Trace’e dayalı sonucu rapor etmeliyiz, ancak business_cycle için etkisi istatistiksel olarak anlamlıdır (p<. 001) dört indeksin tümüne dayalıdır.
Wilks’ lambda, etki tarafından açıklanmayan çok değişkenli varyans miktarını temsil eder ve bu değerin 1,00’den çıkarılması, iş_döngüsü etkisinin gücü hakkında bir fikir verir (eta karesinin çok değişkenli bir analoğu). Bu analizde, 1.00 − .373 = .627 ve dolayısıyla iş_döngüsü, diskriminant skoru değişkeninin varyansının yaklaşık %63’ünü açıklıyor gibi görünüyor. İş_döngüsünün çok değişkenli etkisinin istatistiksel olarak anlamlı olmasıyla, tek değişkenli sonuçları inceleyebiliriz.
Levene’nin varyans homojenliği testi, sunulmuş, neoopen ve neoconsc için istatistiksel olarak anlamlı sonuçlar, neoagree için sınırda anlamlılık ve neoneuro ve neoextra için anlamsız sonuçlar döndürmüştür; bu nedenle neoopen ve neoconsc’u değerlendirirken revize edilmiş alfa seviyemizin katılığını Bonferroni seviyesinin üzerine çıkarmalıyız ve hatta muhtemelen neo katılıyorum.
Tek değişkenli ANOVA’lar için özet tablo görülebilir. General Lineer Model modülünde olduğumuz için tam model çözümünü elde ederiz. İlgi alanımız azaltılmış modeldir ve bu nedenle iş_döngüsü, Hata ve Düzeltilmiş Toplam satırlarına odaklanıyoruz. Özet tablosunun bu bölümlerinin her birinde her bağımlı değişkene kendi satırı verilir; birlikte görüntülenseler bile, bunlar beş ayrı tek değişkenli ANOVA’nın sonuçlarını temsil eder.
Nominal .05 alfa seviyemize Bonferroni düzeltmesini uygulamamız tavsiye edilir. .05’i 5’e (bağımlı değişkenlerin sayısı) bölmek, düzeltilmiş alfa seviyemizi .01’e getirir. Homojenlik varsayımını ihlal eden değişkenler için, alfa seviyesini daha da katı hale getirmeliyiz (belki .005), ancak o zaman bile beş bağımlı değişkenin hepsinin etkileri istatistiksel olarak anlamlıdır (p < .001).
Eta kare değerleri, Düzeltilmiş Toplam referans alınarak hesaplanır. Neoneuro için, karelerinin toplamını (49350.149) Düzeltilmiş Toplamına (82665.373) böleriz. Sonuç 0,597’dir. Bunun, tüm bağımlı değişkenler için eta kare değerlerinin (dipnotta R Karesi olarak adlandırılır) bulunabileceği tablonun altındaki dipnotta da gösterildiğine dikkat edin.
Levene testi, neoneuro ve neoextra’nın homojen varyanslar verdiğini gösterdi. Bu nedenle, bu değişkenler için R-E-G-W-Q post hoc testlerinin sonuçlarını inceleyebiliriz. Bu testler, her üç grubun da bu ölçümlerin her birinde birbirinden farklı olduğunu ortaya koydu. Böylece, hızlı genişleme grubu en çok nevrotik ve dışa dönüktü, kararlı durum grubu daha az nevrotik ve dışa dönüktü ve hızlı genişleme grubu en az nevrotik ve dışa dönüktü.
Levene testi ayrıca neoopen ve neoconsc’un varyansların heterojenliğini gösterdiğini ve neoagree’nin varyansların heterojenliğini düşündürdüğünü gösterdi. Bu nedenle, bu değişkenler için Tamhane’nin T2 post hoc testlerinin sonuçlarını inceleyebiliriz. Bu testler, her üç grubun da yeni anlaşma konusunda önemli ölçüde farklılık gösterdiğini ortaya koydu. Böylece, hızlı genişleme grubu en kabul edilebilir, kararlı durum grubu daha az kabul edilebilir ve hızlı genişleme grubu en az kabul edilebilir olmuştur.
Neoopen için iflas ve durağan durum grupları farklı değildi ama hızlı genişleme grubu diğer iki gruptan önemli ölçüde daha açıktı. Bu nedenle, hızlı genişleme grubu, sabit durum veya hızlı genişleme grubundan daha açıktı. Neoconsc için, kararlı durum ve hızlı genişleme grupları farklı değildi.
Çok değişkenli Varyans Analizi Kovaryans Analizi örnek Mancova nedir MANOVA ders notları Manova ne zaman kullanılır Manova Nedir MANOVA raporlama MANOVA SPSS