Bu örnekte, altı psikoloji alt disiplini için veriler üzerinde metrik olmayan çok boyutlu bir ölçekleme analizi yapıyoruz. Bu çalışmanın amacı, psikolojinin alt disiplinlerinin birbirleriyle nasıl ilişki kurduğunu betimlemektir. Veriler, her bir değerin bir çift alt disiplin arasındaki mesafeyi temsil ettiği bir farklılık matrisi biçimindedir (düşük değerler alt disiplinlerin birbirine daha çok benzediğini gösterir). Bu verilere erişmek için Psychology.sav veri setini açın.

İçindeki veriler bir yakınlık matrisi biçimindedir (özellikle, daha büyük değerlerin daha büyük mesafeleri gösterdiği benzerlikler) ve tek bir grup söz konusudur. Örneğin, psikometri ve sosyal psikolojinin birbirinden çok farklı olduğunu görebiliriz (çünkü en büyük uzaklık değerine sahiptirler, 4.20), buna karşın bilişsel ve nöropsikoloji en çok benzerdir.

Bu bölümde kullanacağımız veri seti çok boyutlu ölçekleme için özel olarak toplanmış olsa da verilerinizi yakınlık matrisi şeklinde almanıza gerek olmadığını belirtmek isterim. Aslında, Likert tipi derecelendirme ölçekleri (anket araştırmalarında en yaygın olarak kullanılan yanıt ölçekleri) veya herhangi bir veri türü üzerinde çok boyutlu ölçeklendirme yapmak çok kolaydır. Örneğin, dondurma tercihlerine ilişkin verileri göstermektedir. Burada katılımcılardan farklı dondurma aromalarını sevdiklerini (1 değeri) veya beğenmediklerini (0 değeri) belirtmeleri istendi.

Bu veriler daha sonra çok boyutlu ölçekleme prosedüründe kullanılır ve dahili olarak çok boyutlu ölçeklendirme, bu istatistiksel rutini çalıştırmak için bir yakınlık matrisi oluşturur.

Bu bölümün açılış paragrafında “analistlerin verilerini biraz daha derine inmek için zaman ayırması halinde bu tekniğin pek çok şekilde uygulanabileceğini” belirtmemin nedeni budur. Esasen MDS, her tür veriyi alır ve verileri dahili olarak MDS’nin analizler için kullandığı bir yakınlık matrisine dönüştürür.

Çok Boyutlu Ölçeklendirme İletişim Seçenekleri

Artık elimizde veriler olduğuna göre, çok boyutlu ölçekleme gerçekleştirmek için Analiz menüsünü seçin ve ardından seçenekleri görüntülemek için Ölçekle’yi seçin. Çok boyutlu ölçekleme yapmak için iki seçenek vardır: SPSS İstatistik Tabanı sisteminin bir parçası olan ALSCAL ve SPSS Kategoriler modülünün bir parçası olan PROXSCAL. Her ikisi de çok çeşitli çok boyutlu ölçekleme seçeneklerini destekler; ancak, PROXSCAL bazı ek gelişmiş özelliklere sahiptir. Bizim durumumuzda analizi çalıştırmak için her iki prosedürü de kullanabiliriz; ek seçenekler sunduğu için PROXSCAL kullanacağız.

Çok boyutlu ölçekleme prosedürü içinde, veri kaynağının yakınlıklar mı yoksa gerçek veri değerleri mi içerdiğini belirtmemiz gerekir. Yakınlıklarınız varsa, yakınlıkların biçimi belirtilmelidir. Veri kaynağı yakınlıklar içermiyorsa, verilerden hesaplanacaktır. Kaynak Sayısı bölümü, bireysel farklılıklar mı yoksa çoklu grup analizi mi (Çoklu matris kaynakları) mı yoksa tek grup analizi mi (Tek matris kaynağı) oluşturacağımızla ilgilidir.

Not: Çok boyutlu ölçekleme, grup ve bireysel farklılıklara izin veren modelleri de içerir. Bireysel farklılıklar veya ağırlıklı çok boyutlu ölçekleme (INDSCAL), genellikle adlandırıldığı gibi, kaynakların (veya bireylerin) bir konfigürasyonu tanımlamak veya inşa etmek için kullandıkları özelliklere ve/veya bir sistem içindeki her bir boyuta verdikleri öneme göre farklılık gösterdiğini varsayar. verilen konfigürasyon. Bu önemli ayrımın yanı sıra, ağırlıklı MDS, ağırlıksız MDS ile benzer şekilde çalışır.

Nominal ölçek örnekleri
Nominal ölçek Nedir
Oransal ölçek örnekleri
Likert tipi ölçek
Eşit aralıklı ölçek türüne örnek
Ordinal ölçek örnekleri
Oransal ölçek nedir
Sürekli ölçek nedir

Bir yakınlık matrisi, veri sütunları (bizim durumumuz) boyunca bir matris biçiminde veya satır ve sütun tanımlayıcılarıyla satır başına bir veri öğesi olarak okunabilir. Bizim durumumuzda veriler yakınlıktır, yani:

1. Gösterilen Veri Biçimi grubundaki Veriler yakınlıktır seçenek düğmesine tıklayın.
2. Tanımla düğmesini tıklayın. Bu, gösterilen iletişim kutusunu açacaktır.
3. Gösterildiği gibi, altı psikoloji alt disiplinini Yakınlıklar liste kutusuna yerleştirin. Tek bir kaynak (grup) analizi çalıştırdığımız için Kaynaklar liste kutusu etkin değil.
Ağırlıklar her yakınlık değişkenine atanabilir (burada bir nesneyi temsil eder), ancak analizimizde gerekli değildir.
4. Değişkenleri klinikten sosyale Yakınlıklar liste kutusuna taşıyın.
5. Çok Boyutlu Ölçekleme: Model iletişim kutusunu açmak için sağdaki düğme grubunun üst kısmındaki Model’e tıklayın.

Tek bir veri kaynağı ile çalıştığımız için bireysel fark (grup) modelinin türüne ait seçenekler aktif değildir. Ayrıca yakınlık matrisinin formunu da belirtmemiz gerekiyor ve gördüğümüz gibi, alt üçgensel bir matrisimiz var (varsayılan olan).

6. Yakınlık Dönüşümleri alanındaki Sıra düğmesini tıklayın.
Sıralı (metrik olmayan) bir ölçeklendirme modeli talep ettik. Daha genel spline ile birlikte metrik ölçekleme seçeneklerinin (Oran, Aralık) mevcut olduğuna dikkat edin.
7. Minimum Boyutlar metin kutusuna 1 girin.
8. Maksimum Boyutlar metin kutusuna 3 girin.
Varsayılan olarak, iki boyutlu çok boyutlu bir ölçekleme çözümü uygun olacaktır. 1’den 3’e kadar boyut içeren çözümler talep ediyoruz ve modeller arasından seçim yapmak için uygun ölçüleri inceleyeceğiz.
9. Gösterilen iletişim kutusuna dönmek için Devam’ı tıklayın. Kısıtlamalar düğmesine tıklamak, Kısıtlamalar iletişim kutusunu açar; Seçenekler düğmesine tıklandığında Seçenekler iletişim kutusu açılır.

■ Kısıtlamalar iletişim kutusu, çözüm alanına kısıtlamalar girmenize olanak tanır (nesne noktalarını sabitleyerek veya çözüm alanının belirtilen değişkenlerin doğrusal bir birleşimi olmasını gerektirerek – bu seçenekleri mevcut örneğimizde kullanmayacağız).

Önceki iki iletişim kutusundaki hiçbir özelliği kullanmayacağız. Ana Çok Boyutlu Ölçekleme iletişim kutusuna dönmek için Devam veya İptal’e tıklayın.

10. Çok Boyutlu Ölçekleme: (Sütunlar Arasında Matrislerdeki Yakınlıklar) iletişim kutusundaki Grafikler’e tıklayın.

Grafikler iletişim kutusu, kullanıcıların çözümlerinin yeterliliğini belirlemesine olanak tanıyan çeşitli türlerde grafikler oluşturur. Varsayılan olarak, ortak alan (çözüm alanına yerleştirilen nesneler) çizilecektir. Gerilim seçeneği, boyutların sayısına karşı bir gerilim değerleri grafiği (biraz sonra tanımlanır) üretecektir. Bu seçim sadece bir dizi boyutsal çözüm istendiğinde (mevcut durumumuzda olduğu gibi) aktif olacaktır.

Orijinal ve dönüştürülmüş yakınlıklar grafiği seçimi, orijinal yakınlıkları ve dönüştürülmüş (burada sıralı bir işlevle, çünkü Model iletişim kutusunda sıralıyı seçtik) yakınlıkların grafiğini çizecektir. Bu grafik, dönüşümün doğası ve etkinliği (model sıralı olduğunda) hakkında fikir verir.

Dönüştürülmüş yakınlıklar ve mesafeler grafiği, modelin yakınlıkları ne kadar iyi yeniden ürettiğine ve istisnaları tanımladığına dair görsel bir fikir sağlar. Birden çok veri kaynağı (bireyler veya gruplar) analiz edildiğinde, yalnızca belirtilen veri kaynakları için bazı grafikleri (tek grafikler ve yakınlık grafikleri) görüntülemeyi seçebilirsiniz.

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