Ortalama olarak kızlarda iş beklentisi 53.05, erkeklerde ise 50.58’dir. Alman okulları genellikle karma eğitim verdiğinden ve cinsiyet açık bir tabakalaşma değişkeni olarak kullanılmadığından, kovaryansın beklenen değeri 0’dan farklı olabilir.

Cinsiyet başına standart hatayı hesaplamak için, 80 tekrarlı ağırlığın her biri için ortalama tahmini hesaplamak gerekir. Tablo 10.2, ağırlık ve cinsiyet başına ortalama tahmini sunar. Nihai fark tahmini, iki nihai tahmin arasındaki fark olacaktır, yani 53.05 – 50.58 = 2.47.

Nihai standart hatayı tahmin etme prosedürü oldukça basittir. Bölüm 6’da açıklanan prosedüre tamamen benzer, ancak artık bir ortalama veya regresyon katsayısı değil, bir farktır.

Farklı adımlar şunlardır:

• Kız ve erkek ortalamaları arasındaki fark, tekrar başına hesaplanır;
• 80 fark tahmininin her biri, nihai fark tahminiyle karşılaştırılır, ardından karesi alınır;
• karenin toplamı hesaplanır ve ardından fark üzerindeki örnekleme varyansını elde etmek için 20’ye bölünür; ve
• Standart hata, örnekleme varyansının kare köküdür.

Somut olarak:

• İlk tekrar için, kızların ortalama tahmini ile erkeklerin ortalama tahmini arasındaki fark (53.29-50.69)=2.60’a eşittir. İkinci tekrar için, fark tahmini, 80 tekrar için (53.16-50.53)=2.63’e eşit olacaktır ve bu böyle devam edecektir. Tüm bu fark tahminleri Tablo 10.3’te sunulmuştur.
• 80 tekrarlı fark tahmininin her biri, nihai fark tahmini ile karşılaştırılır ve bu farkın karesi alınır. İlk tekrar için (2.60-2.47)2=0.0164 olacaktır. İkinci tekrarlar için (2.63-2.47)2=0.0258 olacaktır. Bu kare farklar da Tablo 10.3’te sunulmuştur.
• Bu kare farkları toplanır. Bu toplam şuna eşittir:
(0.0164+0.0258+…..+0.0641) = 9.7360. Bu nedenle, fark üzerindeki örnekleme varyansı eşittir.
• Standart hata 0.4868’in kareköküne eşittir, yani 0.6977.

Bu özel durumda, standart hatanın yansız tahmini (yani 0,698) ile standart hatanın yanlı tahmini (yani 0,895) arasındaki fark oldukça küçüktür. Bu bölümün ilerleyen kısımlarında gösterileceği gibi, standart hatanın yanlı ve yansız tahminleri arasındaki fark önemli olabilir.

Tüm SPSS® makrolarında ortak olan argümanların yanı sıra, dört argüman daha belirtilmelidir:

• DEP argümanı, kategorik bir değişkenin değeri başına ortalama veya standart sapmanın hesaplanacağı sayısal değişkenin makrosunu bilgilendirir. Örnekte DEP, BSMJ’ye eşittir.
• KARŞILAŞTIR bağımsız değişkeni, karşıtlıkların temel alınacağı kategorik değişkenleri belirtir.
• CATEG bağımsız değişkeni, karşıtlıkların gerekli olduğu kategorik değişkenlerin değerlerini belirtir. Cinsiyetin yalnızca 1 ve 2 olarak gösterilen iki kategorisi olduğundan, CATEG ifadesi “12/” olarak belirlenmiştir. CATEG argümanındaki kategoriler arasında boşluk veya başka karakterler bulunmamalı ve son kategoriden hemen sonra ‘/’ gelmelidir. Bir kategorik değişkenin dört kategorisi varsa ve bu dört kategori CATEGORY ifadesinde belirtilmişse (CATEG = 1234/ gibi), o zaman makro aşağıdakiler arasındaki farkta standart hatayı hesaplayacaktır:

– Kategori 1 ve kategori 2;
– Kategori 1 ve kategori 3;
– Kategori 1 ve kategori 4;
− Kategori 2 ve kategori 3;
− Kategori 2 ve kategori 4; ve –
Kategori 3 ve kategori 4.

Bu makronun birkaç sınırlaması vardır:

− Karşılaştırma değişkeni için maksimum 9 kategori belirtilebilir;
− Kategorik karşılaştırma değişkeni sayısal olarak tanımlanmalıdır, bu nedenle dizi değişkenleri sayısal değişkenlere dönüştürülmelidir; ve
− Kategorilerin değerleri sadece bir haneli olmalıdır. Önce çift haneli değerler yeniden kodlanmalıdır.

Makul değer Nedir
Gerçeğe uygun değer Nedir
Makul değer diğer adı
Sinerji değeri nedir
Makul değer gerçeğe uygun değer nedir
Makul değer hesaplamalarının denetim görüşüne etkisi
Piyasa değeri Nedir
İlişkili taraf işlemlerinin denetim görüşüne etkisi

Fark tahmini ve ilgili standart hatası, regresyon katsayısı tahmini ve bunun standart hatasına eşittir. Çok terimli kategorik değişkenler için, regresyon makrosunun kullanımı, kategorik değişkenlerin h-1 ikili değişkenler halinde yeniden kodlanmasını gerektirir, h kategori sayısına eşittir. Ayrıca, regresyon makrosu her kategoriyi referans kategorisiyle karşılaştıracak (yukarıdaki tabloda referans grubu erkeklerdir), makro DIFNOPV ise tüm karşıtlıkları sağlayacaktır.

MAKUL DEĞERLERLE BİR FARKIN STANDART HATASI

Makul değerler içeren bir fark üzerindeki standart hatayı hesaplama prosedürü aşağıdakilerden oluşur:

• Her makul değer ve nihai ve 80 tekrarlı ağırlıklar için, istenen istatistik, örneğin bir ortalama, kategorik değişkenin değeri başına hesaplanmalıdır;
• Karşıtlık, makul değer ve kopya ağırlığı başına iki kategori arasındaki farkın hesaplanması. 405 fark tahmini olacaktır: Tablo 10.6, bu 405 farkın yapısını göstermektedir;
• Beş fark tahmininin ortalamasına eşit bir nihai fark tahmini;
• Son fark tahminini karşılaştırarak her makul değer için örnekleme varyansını hesaplama
80 tekrarlı tahminle;
• Beş örnekleme varyansının ortalamasına eşit bir nihai örnekleme varyansı;
• Ölçüm hatası varyansı olarak da ifade edilen, atama varyansının hesaplanması;
• Nihai hata varyansını elde etmek için örnekleme varyansını ve emsal varyansını birleştirmek; ve
• Hata varyansının kareköküne eşit bir standart hata.

Makul değerler içeren farklılıklar üzerindeki standart hataları hesaplamak için bir SPSS® makrosu geliştirilmiştir. Kutu 10.4, SPSS® sözdizimini sağlar. Bu örnekte, birleşik okuma okuryazarlığı ölçeğinde erkek ve kızların performansları arasındaki farkın standart hatası hesaplanmıştır.

Fark tahmini ile ilgili standart hatası arasındaki oran 1,96’dan büyük olduğu için boş hipotez reddedilir. Almanya’da kızlar erkeklerden ortalama olarak daha düşük performans gösteriyor. Ayrıca, bu sonuçların makul değerler için regresyon makrosu aracılığıyla da elde edilebileceğini belirtmekte fayda var.

Tablo 10.8, tüm PISA 2003 ülkeleri için matematik ölçeğindeki cinsiyet farkı tahminlerinin yanı sıra yansız standart hataları ve yanlı standart hataları sağlar.

Neredeyse tüm ülkelerde, yansız standart hata, yanlı standart hatadan daha küçüktür ve iki örnekleme dağılımı arasındaki pozitif kovaryansı yansıtır. Birkaç ülkede, iki standart hata arasındaki fark küçüktür, ancak Brezilya, Yunanistan, Endonezya ve Türkiye gibi diğer bazı ülkeler için önemlidir.

ÇOKLU KARŞILAŞTIRMALAR

Bölüm 3’te, her istatistiksel çıkarımın genellikle tip I hata olarak adlandırılan şeyle ilişkili olduğu belirtilmişti. Bu hata, doğru olan bir boş hipotezi reddetme riskini temsil eder.

Diyelim ki nüfus düzeyinde kız ve erkek çocuklar arasında okuma performansı açısından bir fark yok. Bir örnek çizilir ve okuma performansındaki cinsiyet farkı hesaplanır. Bu fark bir örneğe dayalı olduğundan, fark üzerinde standart bir hata hesaplanmalıdır.

Standartlaştırılmış fark, yani cinsiyet farkının standart hatasına bölümü -1,96’dan küçük veya 1,96’dan büyükse, bu fark anlamlı olarak rapor edilecektir. Aslında, -1.96’dan daha düşük veya 1.96’dan daha yüksek bir standartlaştırılmış farkı gözlemlemek için 100 üzerinden 5 şans vardır ve yine de sıfır hipotezi doğrudur. Başka bir deyişle, popülasyonda gerçek bir cinsiyet farkı olmadığında sıfır hipotezini reddetmek için 100 üzerinden 5 şans vardır.

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