Aşağıdaki senaryoyu hayal edin. Bağımlı değişken puanlarındaki farklılıklarla ilişkilendirmek istediğimiz k bağımsız değişken düzeyine sahibiz. Ancak, bağımlı değişkenin performansını potansiyel olarak etkileyebilecek başka bir (nicel) değişken daha vardır ve dolayısıyla k grupları arasında gözlemlediğimiz herhangi bir farklılık, en azından kısmen diğer değişkene atfedilebilir.

Bu olası kafa karıştırıcı sorunla başa çıkmak için mevcut bir prosedür, bu diğer nicel değişkenin bağımlı değişkeninin puanlarını “temizlemek” amacıyla bu durumda denekler arası tek yönlü kovaryans analizi (ANCOVA) tasarımı kullanmaktır. (istatistiksel olarak kontrol ederek) böylece bağımsız değişkenin “daha saf” bir etkisini değerlendirebiliriz.

Herhangi bir sayıda nicel olarak ölçülen değişken için istatistiksel olarak kontrol edebiliriz ve bu kontrol edilen değişkenlere ANCOVA’da ortak değişkenlerin rolü atanır; burada kapsamımızı tek bir nicel değişkenle sınırlayacağız. ANCOVA’yı herhangi bir sayıda bağımsız değişkeni kapsayan ANOVA tasarımlarına da uygulayabiliriz, ancak burada kapsamımızı denekler arası tek yönlü tasarımla sınırlayacağız.

Denekler arası tek yönlü ANCOVA tasarımının ilk aşamasında, örneklemin bütünü için ortak değişken ile bağımlı değişken arasındaki ilişki (korelasyon) belirlenir. Bu değerlendirmenin bir sonucu olarak, bağımlı ölçünün değerleri ayarlanır (bir çoklu regresyon analizinde yapıldığı gibi), öyle ki ortak değişkenle ilişkili varyans bağımlı değişken puanlarından çıkarılır.

Bu düzeltilmiş değerler (bağımlı değişkenin artık varyansını temsil eder) bağımlı değişkenin “yeni” veya “gözden geçirilmiş” puanları haline gelir ve daha sonra bağımsız değişkenin etkisini değerlendirmek için ANOVA tarafından değerlendirilir. Bağımsız değişkenin etkisi istatistiksel olarak anlamlıysa, k grupları düzeltilmiş puanların ortalamalarında farklılık gösterir (ve ham veya gözlemlenen ortalamalarda olması gerekmez).

ANOVA’nın altında yatan tüm varsayımlar (normal dağılım, bağımsızlık ve varyansın homojenliği) ANCOVA için geçerlidir, ancak ANCOVA iki ek varsayım daha ekler:

• Regresyonun Doğrusallığı. Ortak değişken ile bağımlı değişken arasında doğrusal bir ilişki olduğu varsayılmaktadır. Bu önemlidir çünkü ayarlama süreci sıradan bir en küçük kareler (doğrusal) regresyon prosedürüne dayanmaktadır.
• Regresyonun Homojenliği. Bağımlı değişkeni öngören ortak değişkenle birlikte regresyon fonksiyonunun eğiminin k grupları boyunca eşit olduğu varsayılır. Bu önemlidir, çünkü ayarlama prosedürü bir bütün olarak örneklem üzerinde bir kez yapılır ve bu nedenle puan ayarlama prosedürünün yorumlanabilir olması için ortak değişken ile bağımlı değişken arasındaki ilişkinin her grup için karşılaştırılabilir olması gerekir.

SAYISAL ÖRNEK

Örneğimiz için kullandığımız kurgusal veriler matematik öğretim yöntemleri adlı veri dosyasındadır. Bir okul bölgesi, ilköğretim matematik öğretiminin alternatif yöntemlerini araştırmak istedi. Araştırmacılar, öğretim_yöntemi bağımsız değişkeni altında her biri 12 sınıftan oluşan üç öğretim grubu oluşturmuştur: şu anda kullanılan yöntem (standart yöntem 1 olarak kodlanmıştır), iki öğrencinin takımlar halinde problemleri çözmek için çalıştığı bir sosyal yöntem (sosyal yöntem kodlanmıştır). 2) ve bilgisayar destekli öğretim (CAI yöntemi 3 olarak kodlanmıştır).

Daha yüksek düzeyde matematik becerisine sahip çocukların muhtemelen herhangi bir öğretim yöntemi altında daha iyi yapacaklarına inanan ve bu yeteneği istatistiksel olarak kontrol etmek isteyen araştırmacılar, kullanılacak bölge dosyalarından standartlaştırılmış matematik yeteneği puanlarını (eyalet çapında bir test programına dayalı olarak) aldılar. bu çalışmada bir değişken olarak (math_ability_cov). Bağımlı değişken, öğretim süresi boyunca ders performansını yansıtan her bir öğrenci sınıfının ortalama final sınav puanlarıdır (exam_grade_dv). Veri dosyasının bir bölümünün ekran görüntüsü gösterilir.

ANCOVA analizi örnekleri
Kovaryans analizi nedir
Kovaryans analizi örnek
ANCOVA SPSS
Ancova testi nedir
Kovaryans Analizi SPSS
MANCOVA
ANCOVA Makale

ANALİZ STRATEJİSİ

• İlk olarak, ortak değişken analize dahil edilmediğinde sonuçları göstermek için gözlemlenen puanlar üzerinde bir ANOVA gerçekleştiririz.
• İkinci olarak, veri setinin ANCOVA’nın ekstra varsayımlarını karşılama derecesini değerlendiririz.
• Üçüncü olarak, ham (gözlemlenen) ortalamalar yerine ayarlanmış araçlar üzerinde çoklu karşılaştırma testlerini (bağımsız değişkenin istatistiksel olarak anlamlı bir etkisini elde ettiğimizi varsayarak) gerçekleştirdiğimizden emin olarak ANCOVA’yı gerçekleştiririz.

ANALİZ KURULUMU: ANOVA

Matematik öğretim yöntemleri veri dosyasını açıyoruz ve ana menüden Analiz ➔ Genel Doğrusal Model ➔ Tek Değişkenli seçeneğini seçiyoruz. Bu, gösterildiği gibi ana Tek Değişkenli pencereyi açar. Exam_grade_dv’yi Bağımlı Değişken paneline ve Teaching_method’u Sabit Faktör(ler) paneline taşıyoruz.

Seçenekler iletişim penceresinde, Tanımlayıcı istatistikler ve Homojenlik testleri (eşit grup varyanslarının Levene testini elde etmek için) kontrol edilir. Ana iletişim penceresine dönmek için Devam’ı tıklayın. Ayrıca bir post hoc testi talep edeceğiz, ancak sonuçlarını yalnızca bağımsız değişkenin etkisinin istatistiksel olarak anlamlı olması durumunda inceleyeceğiz.

Post Hoc iletişim penceresinin üst kısmında, Teaching_method’u panel için Post Hoc Tests’e taşırız ve Ryan–Enoit–Gabriel–Welsch Studentized Range testini elde etmek için R-E-G-W-Q’yu kontrol ederiz. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

ANALİZ ÇIKTI: ANOVA

Tanımlayıcı İstatistikler tablosu ortalama, standart sapma ve grup boyutlarını gösterir. Görüldüğü gibi grup ortalamaları birbirine çok yakındır. Ortadaki tablo, Levene’nin varyansların homojenliği istatistiğini göstermektedir. 2.202’lik F oranı, 2 ve 33 serbestlik derecesi ile değerlendirildiğinde istatistiksel olarak anlamlı değildi (p = .127); bu nedenle, eşit grup varyansları varsayımının ihlal edilmediği sonucuna varabiliriz.

Alttaki tablo, çok amaçlı analiz için özet tabloyu sunar ve 2 ve 33 serbestlik derecesi ile .168’lik öğretim_yöntemi için F oranı istatistiksel olarak anlamlı değildi (p = .846). Bu nedenle, üç öğretim yönteminin eşit derecede etkili olduğu görülmektedir.

ANCOVA VARSAYIMLARININ DEĞERLENDİRİLMESİ

Regresyonun Doğrusallığı

Normal olarak, ortak değişkenin ve bağımlı değişkenlerin bir dağılım grafiğini görsel olarak inceleyerek regresyonun doğrusallığını değerlendiririz. Gösterilen Dağılım/Nokta penceresini açmak için ana menüden Grafikler ➔ Eski İletişim Kutuları ➔ Dağılım/Nokta öğesini seçin. Basit Dağılım’ı seçin ve Tanımla’yı tıklayın. Bu, Basit Dağılım Grafiği iletişim penceresini açar. Y Ekseni paneline (bağımlı değişken Y ekseninde temsil edilir) sınav_grade_dv’yi tıklayın ve X Ekseni paneline matth_ability_cov’u tıklayın. Tamam’ı tıklayın.

Bu kurulumun ortak değişken (math_ability_cov) sonucunun bir fonksiyonu olarak bağımlı değişkenin (exam_grade_dv) dağılım grafiği gösterilmektedir ve iki değişkenin doğrusal olarak ilişkili olduğu görülmektedir. Regresyon çizgisini görüntülemek için IBM SPSS® çıktısında dağılım grafiğinin içine çift tıklayın. Bu bize Grafik Düzenleyiciye erişim sağlar. Öğeleri seçin ➔ Satırı Toplama Sığdır. Bu seçilir seçilmez, en uygun çizgi dağılım grafiğinde üst üste gelecek şekilde görünecektir.

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