50 vakayı iki Cinsiyet seviyesi ve üç Eğitmen seviyesi arasında bölen Vaka İşleme Özetini görüntüler. Faktör değişkeninin (öğrencinin cinsiyeti) seviyeleri, Strata değişkeninin (eğitmen_seviyesi) her seviyesinde tablo haline getirilir ve bu nedenle alt toplamlar (Genel satırlarında) yalnızca her bir eğitmen_seviyesi için sağlanır.

Test İstatistikleri çıktısı, dört Karşılaştırma Faktörü Düzeyleri seçeneğinden birini etkinleştirdiğimiz (her seferinde bir tane olmak üzere) dört ayrı IBM SPSS Kaplan-Meier çalışmasına dayalıdır: Katmanlar üzerinde havuzlanmış, Katmanlar üzerinde ikili, Her katman için ve Her katman için Çift Yönlü  çıktının nasıl göründüğüne dair bir fikir vermek içindir.

Faktör Düzeylerini Karşılaştır seçeneği katmanlar üzerinde Havuzlanmış olarak ayarlandığında Genel Karşılaştırmaları sunar. Üç istatistiksel test (Log Rank, Breslow, Tarone-Ware), iki öğrenci cinsiyeti seviyesi için hayatta kalma fonksiyonlarının eşitliğini test eder, ancak sonuçlar, Strata değişkeni eğitmen_seviyesi için ayarlandığından önceki analizimizden farklıdır. Testlerin hiçbiri istatistiksel anlamlılığa ulaşmadı (p > .05), bu da erkekler ve kadınlar için hayatta kalma fonksiyonlarının genel denkliğini gösterir.

Faktör Düzeylerini Karşılaştır seçeneği, katmanlar üzerinde Çift Yönlü olarak ayarlandığında İkili Karşılaştırmaları sunar. Burada, üç istatistiksel test, hiçbiri istatistiksel anlamlılık elde etmeyen erkek ve kadınlar için ayrı ayrı bölünmüştür (p > .05).

Faktör Düzeylerini Karşılaştır seçeneği Her katman için ayarlandığında Genel Karşılaştırmalar sağlar. Burada, hiçbiri istatistiksel olarak anlamlı olmayan (p > .05) her bir eğitmen_seviyesinde Cinsiyette hayatta kalma işlevlerinin farklı seviyeleri karşılaştırılmıştır.

Faktör Düzeylerini Karşılaştır seçeneği her katman için İkili olarak ayarlandığında İkili Karşılaştırmaları sunar. Burada Cinsiyet, erkek ve kız öğrenciler için üç istatistiksel test için Eğitmenin her seviyesinde karşılaştırılır. Bu, setin en kapsamlı (mikroskobik) analizidir. Yine, tüm testler istatistiksel olarak anlamlı değildi (p > .05).

Her bir eğitmen düzeyinde erkek ve kız öğrenciler için Kaplan–Meier Hayatta Kalma İşlevlerini sunar. Fonksiyonlar kısmen farklı görünüyor çünkü öğrenciler farklı yeterlilik seviyelerinde ama bazı hücrelerdeki görece küçük örnek boyutları, bu frekansları hayatta kalma oranlarını tahmin etmek için çok daha az kararlı temeller haline getiriyor.

Cox Regresyonu

Hayatta kalma analizi üçlememizin bu son bölümü, sansürlü gözlemler içeren zaman aralığı verileriyle ilgili olduğu için Cox regresyon prosedürünü (veya Cox orantılı tehlikeler modelini) incelemektedir. Cox (1972) tarafından, belirli bir zamanda ilgilenilen bir olayın meydana gelmesini tahmin etmek için önerildi. Bu prosedür, belirli bir olayın (örneğin, sınıftan ayrılma) zamanını modellemek için kullanışlıdır. Cox regresyon prosedürü, bağımsız veya tahmin edici değişkenlerin (IBM SPSS® tarafından ortak değişkenler olarak adlandırılır) zamana bağlı olduğunu (yani, zamanın bir fonksiyonu olarak değişmediklerini) varsayar. IBM SPSS ayrıca, kapsamadığımız Zamana Bağlı Ortak Değişkenli Cox regresyonu için ayrı bir prosedür sunar.

Cox (1972) tarafından geliştirilen model, kümülatif bir hayatta kalma fonksiyonu (yani, belirli bir zaman noktasında hayatta kalan vakaların oranı) ve tehlike fonksiyonu veya oranı (yani, bir vakanın yaşayacağı birim zaman başına oran) açısından formüle edilebilir. verilen olay o noktaya kadar hayatta kaldı). Kısmen tehlike fonksiyonunun pedagojik tutumluluğu nedeniyle, Cox modeli tipik olarak Cox orantılı tehlikeler modeli olarak tehlike biçiminde ifade edilir.

IBM SPSS Cox Regression için temel bileşenler şunlardır: bağımlı ölçü olarak hizmet eden ikili olarak kodlanmış bir Durum değişkeni; Durum değişkeni tarafından tanımlanan olayın süresini değerlendiren bir Zaman değişkeni (sürekli veya kategorik); ve Kategorik veya sürekli olabilen ortak değişkenler, bağımsız veya öngörücü değişkenler. Etkileşim terimleri de kullanılabilir. Üç veya daha fazla seviyeye sahip kategorik ortak değişkenler, bir seviye referans kategorisi olarak kullanılmak üzere otomatik olarak bir dizi kukla değişkene dönüştürülür.

Cox analizi nedir
Cox regresyon analizi yorumlama
Cox regresyon analizi SPSS
Cox regresyon analizi pdf
Sağkalım hesaplama
Cox orantılı tehlike modeli nedir
Lojistik regresyon analizi: kavram ve Uygulama
Regresyon analizi

SAYISAL ÖRNEK

Mevcut örnek, varsayımsal tekvando öğrenci kayıt verimizi daha da genişletmektedir. Tekvando eğitimi CR adlı veri dosyasında yer alan bu veri setinde altı değişken sağlanmaktadır. Öğrencilere, öğrenci değişkeni altında birer kimlik numarası verilir. Month_in_course değişkeni, bir öğrencinin 18 aylık bir süre boyunca taekwondo eğitim sınıflarına (bırakana kadar) kaydolduğu ayların sayısını temsil eder; böylece öğrenciler eğitim sınıfına farklı sürelerle kaydolmuş olacaklardır.

Survival_status değişkeni, öğrencilerin hala devam eden (1 olarak kodlanmış, sansürlü bir olay) veya bırakılmış (0 olarak kodlanmış, sansürsüz bir olay) olarak tanımlandığı bir sansür göstergesidir. Öğrenci cinsiyeti, sex_of_student altında erkek için 1, kadın için 2 olarak kodlanmıştır. Eğitmen_seviyesi altında ayrıca üç farklı eğitmen seviyesi temsil edilmektedir: 1 olarak kodlanmış siyah kuşak, 2 olarak kodlanmış ve büyük usta 3 olarak kodlanmıştır. Son değişken yaştır ve öğrencinin yıl olarak yaşını ifade eder.

ANALİZ KURULUMU

Taekwondo training CR adlı veri dosyasını açın ve ana menüden Analyze ➔ Survival ➔ Cox Regresyon’u seçin; bu, gösterildiği gibi Cox Regresyon ana iletişim penceresini oluşturur. Month_in_course’u Zaman paneline ve survival_status’u Durum paneline taşıdık. Durum paneline bir değişken girildiğinde, Olay Tanımla düğmesi etkinleştirilir. Olay Tanımla’yı tıklatmak, Durum Değişkeni için Olay Tanımla penceresini açar. Bırakmanın ilgilenilen olay olduğunu belirtmek için Tek değer paneline 0 giriyoruz.

Devam’ı tıklatmak bizi IBM SPSS’nin Durum panelindeki survival_status değişkeninden sonra bir (0) yerleştirdiğini bulduğumuz ana iletişim penceresine döndürür. Ortak Değişkenler panelinde, bağımsız veya öngörücü değişkenlerimize (öğrencinin cinsiyeti, eğitmen düzeyi ve yaş) tıkladık. Standart bir regresyon çözümü üretmek için Yöntem açılır menüsünde Enter varsayılanını koruyoruz.

Kategorik butonunun seçilmesi, Kategorik Ortak Değişkenleri Tanımla iletişim penceresini oluşturur. Teacher_level ve sex_of_student öğelerini, kategorik değişkenler oldukları için Kategorik Değişkenler paneline taşıdık. Pencerenin altında görülebileceği gibi, IBM SPSS, kukla kodlama işleminde (üç veya daha fazla kategoriye sahip değişkenler için geçerlidir) referans kategorisi olarak varsayılan olarak sonuncuyu (en yüksek sayısal kod) kullanır. Bunu varsayılan olarak bırakıyoruz (değişkenin vurgulanması seçimi etkinleştirir, böylece onu değiştirmemize izin verir). Yaş, sürekli bir değişken olduğu için Ortak Değişkenler panelinde kalır. Devam’ı tıklatmak bizi Cox Regresyon ana iletişim penceresine geri getirir.

Plots düğmesine tıklamak, Plot Type panelinde Survival’ı etkinleştirdiğimiz gösterilen Plots diyalog penceresini açar. Ortak Değişken Değerleri etiketli panelde, Instructor_level (Cat) (Ortalama) öğesini panel için Ayrı Satırlara taşıdık, bu da Eğitmenin her seviyesi için ayrı hayatta kalma işlevleri üretecek. Devam’ı tıklatmak bizi Cox Regresyon ana iletişim penceresine döndürür ve Tamam’ı tıklatarak analizi gerçekleştirir.

The post Cox Regresyonu – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).