Bu kitap boyunca kullanılan faktöriyel tasarımlar, bağımsız değişkenlerin düzeylerinin tüm olası kombinasyonlarını içerecek şekilde bilinçli olarak kavramsallaştırılmıştır. Bu tasarımlar çapraz veya tamamen çapraz faktöriyel tasarımlar olarak bilinir ve araştırmacıların bağımsız değişkenler veya faktörler arasındaki etkileşimi incelemesine izin verir. Ara sıra araştırmacılar tam faktöriyel tasarımı kullanamazlar veya istemezler. Tam faktöriyel olmayan bir tasarımın bir örneği, iç içe veya hiyerarşik tasarımdır. Yuvalanmış bir tasarımda, bir faktörün seviyeleri, başka bir faktörün tüm seviyelerinde ortaya çıkmaz.

İç içe tasarım örneği olarak, Şekil 17.3’te gösterilen varsayımsal çapraz ve iç içe tasarımları düşünün. ŞGösterilen çapraz tasarımda, Faktör A’nın üç seviyesi vardır. Tedavi türünü temsil ettiğini varsayın (kısa psikoterapi, bilişsel-davranışçı, psikanalitik). Bu değişken, verilerin toplandığı toplum ruh sağlığı merkezi konumu (Konum 1, 2, 3, 4, 5 ve 6) olabilecek Faktör B ile tamamen çaprazlanmıştır. Her (a) işlem seviyesi, her (b) işlem seviyesinde bir kez belirir ve (a)(b) = (3)(6) = 18 işlem kombinasyonu üretir.

Gösterilen iç içe tasarımda, Faktör B (konum), Faktör A (tedavi türü) veya B/A içinde yuvalanmıştır. Burada, b1 ve b2 konumları yalnızca a1 (kısa psikoterapi) ile görünür, b3 ve b4 konumları yalnızca a2 (bilişsel-davranışsal) ile görünür ve b5 ve b6 konumları yalnızca a3 (psikanalitik) ile görünür.

İç içe geçmiş tasarımlar, deneklerin küçük gruplar veya bloklar oluşturduğu (örn. Böyle bir durumda, sınıf veya kafesin çalışılan belirli tedavide yuvalandığı söylenir.

Keppel ve Wickens (2004) iç içe tasarımlarla ilgili iki önemli hususa dikkat çekmektedir. Birincisi, yuvalanmış bir tasarımda A × B etkileşim etkisini araştırmak mümkün değildir çünkü Faktör B’nin tüm seviyeleri, Faktör A’nın tüm seviyeleri altında gerçekleşmez. İkincisi, yuvalanmış faktörler tipik olarak rastgele faktörlerdir ve bu nedenle F oranını hesaplamada sabit faktörlerden farklı bir hata terimidir.

LATİN KARELER

Latin karesi teriminin, Latin harflerini her satırda ve sütunda yalnızca bir kez görünecek şekilde bir matrise yerleştirmeye odaklanan eski bir kelime bulmaca oyunundan türetildiği söylenir. Pratikte, Latin karelerinin iki temel kullanımı vardır. İlk kullanım, günün saati veya deneyci türü gibi rahatsız edici bir değişkenin (yani kontrolsüz veya tesadüfi bir faktör) tedavi(ler) ile karıştırılmamasını sağlamak için bir araştırma yöntemi veya deneysel tasarım tekniği olarak bir Latin karesi kullanmaktır. inceleniyor.

İkinci kullanım, müteakip hata teriminin bir ayarlaması yoluyla bu bilgiyi istatistiksel analize dahil ederek bu rahatsız edici değişken(ler)in olası kafa karıştırıcı etkisini kontrol eder.

IBM yan kuruluşları
IBM Türkiye
İbm nedir
IBM giriş
IBM Bilgisayar
IBM açılımı
IBM ürünleri
IBM is İlanları

Tasarımı göstermek için kullanacağımız basit bir 4 × 4 Latin karesini göstermektedir. Karedeki her Latin harfi ayrı bir tedavi koşulunu belirtir (yani, A = a1, B = a2, C = a3, D = a4). Her harfin her satırda ve sütunda yalnızca bir kez görüneceği şekilde karenin nasıl yapılandırıldığına dikkat edin. Bu Latin karesi, bir denek içi veya tekrarlanan ölçüm tasarımında rahatsız edici bir değişkenin etkilerini dengelemek (veya sistematik olarak dengelemek) için bir araştırmacıya bir “yol haritası” sağlar.

Örneğin, müzik türünün sonraki hatırlama üzerindeki etkilerini incelerken dört yetişkinle birlikte çalıştığımızı varsayalım. Katılımcılar dört, beş dakikalık çalışma oturumları sırasında rock, pop, klasik veya caz müzik dinlediler ve ardından her kodlama (çalışma) oturumundan sonra ücretsiz bir hatırlama testi yaptılar.

Müziksel uyaranların sunum sırasının olası kafa karıştırıcı etkilerini kontrol etmek için, her katılımcıya Latin karesinin her satırında gösterilen bir sunum dizisi veriyoruz.

Dolayısıyla, bir katılımcı rock, pop, klasik, caz sırasını alırken, ikinci bir katılımcı pop, caz, rock, klasik vb. sırasını alır. Böyle bir düzenleme, uyarıcı sunum düzeninin potansiyel olarak kafa karıştırıcı etkisini tüm katılımcılara eşit olarak yayarak etkisiz hale getirir. Latin kare tasarımları ve türevleriyle ilgili istatistiksel analizler oldukça karmaşık olabilir.

EŞİTSİZ NUMUNE BOYUTU

Bu yazı dizisi boyunca ele aldığımız analizlerin çoğu, özellikle hesaplamalar, her bir tedavi koşuluna atanan eşit sayıda katılımcı beklentisine dayandırılmıştır. Katılımcılar her tedaviye veya tedavi kombinasyonuna eşit olarak katkıda bulunduğunda, istatistiksel varsayım ihlallerinin meydana gelme olasılığı daha düşüktür.

Bu nedenle, eşit muamele grubu örneklem büyüklükleri için çabalamak iyi bir araştırma mantıklıdır. Ne yazık ki, araştırma uygulamamız sırasında, çalışmamızdan katılımcı kaybının bir sonucu olarak veya gerçek dünya arşivi veya saha araştırması yapmanın gerçekleri sonucunda eşit olmayan örneklem büyüklükleriyle karşılaşacağız.

Anderson (2001) eşit olmayan örneklem büyüklükleri için beş olası neden sunar ve bunların tümü bir ANOVA yürütme şeklimizi etkileyebilir. Beş potansiyel nedenin hepsinde ortak olan kritik konu, eşit olmayan örneklerin bağımsız mı yoksa tedavinin kendisiyle mi ilgili olduğudur.

• Kaza sonucu katılımcı kaybı: Tedaviyle ilgili olmayan, zamanlama hatalarının veya ekipman arızalarının sonucu olarak katılımcılar zarar görür. Bu tür bir kayıp, bireysel tedavi araçlarını etkilemez.
• Planlanmış eşit olmayan numuneler: Tedavilere ek veya daha az katılımcı rastgele atanır. Bu, özel kontrol gruplarıyla veya benzersiz geçmişleri veya nitelikleri olan olağandışı, nadir alt popülasyonlarda ortaya çıkabilir. Bu tür farklı numune boyutları, gözlemlenen tedavi araçlarını saptırmamalıdır.
• Tedaviye bağlı katılımcı kaybı: Hayvanlar tıbbi müdahale sonucunda ölebilir veya iş göremez hale gelebilir. Görev talepleri, katılımcı yorgunluğunu, moral bozukluğunu ve ardından terk etmeyi teşvik edebilir. Bu koşullar altında ANOVA prosedürleriyle değerlendirilen ortalama farklılıklar önyargılı olabilir ve not edilmelidir.
• Bilinmeyen katılımcı kaybı: Çoğunlukla, katılımcı kaybı veya yıpranması, nihai olarak deneysel veya araştırma tasarımı konusudur. Daha sıkı kontroller, daha net talimatlar, daha gerçekçi veya ilgili görev talepleri ve yeterli pilot araştırma, katılımcı yıpranmasını azaltmalıdır. Bu tür bir kayıp, tedavi seviyeleri arasında rastgele olabilir veya kayıp koşullar arasında orantısız olabilir. Araştırmacıların kayıplarının nerede meydana geldiğine dikkat etmeleri önemlidir.
• Demografik değişkenlerin neden olduğu eşit olmayan örnekler: Alt popülasyonların (örneğin, ırksal/etnik, sosyoekonomik gruplar) göreli sıklığı, bu popülasyonlar örneklendiğinde hemen hemen her zaman eşit olmayan örnekler üretecektir. Bu nedenle, bu alt popülasyonların ortalamalarının karşılaştırılması, grup büyüklüklerinin eşitsizliği nedeniyle bozulabilir.

Örneğin, popülasyon ortalamasının bir tahmini olarak numune ortalamasının kesinliği (örneğin, ortalamanın standart hatası) numune boyutunun bir fonksiyonudur ve bu nedenle farklı numune boyutları farklı kesinlik seviyeleri ile ilişkilendirilecektir. Bu önyargının üstesinden gelmenin bir yolu, ağırlıklı ortalama ANOVA (veya ağırlıklı ortalamaların analizi) yapmaktır. Bu yaklaşım, her ortalamanın örnek boyutuyla orantılı olarak ağırlıklandırılmasıyla gerçekleştirilir.

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