KONULARARASI TEK YÖNLÜ TASARIM  DEĞİŞİKLİKLER TASARIMI

İster denekler arasında ister denekler içinde olsun, tek yönlü bir tasarımda, dağılımlar için vekil olarak ortalamaları (ve standart sapmaları) kullanarak bağımsız değişkenin her seviyesi altındaki puan dağılımlarını karşılaştırmakla ilgileniriz.

Denekler arası tasarımlar için, bağımsız değişkenin her seviyesi farklı katılımcılarla ilişkilendirilir; bu nedenle düzeylere “gruplar” diyoruz ve bireyler gruplara rastgele atanırsa, en azından uzun vadede katılımcılar arasındaki farklılıkların “rastgele dağıtılacağını” ve ortalama farklılıkları karıştırmayacağını varsayıyoruz. tedavi koşulları arasında gözlemlenebilir. Böyle bir ANOVA’da böldüğümüz varyansa, bu nedenle, denekler arası varyans denir.

6’dan 9’a kadar olan bölümler, denekler arası n-yollu tasarımlar sunmuştur. Bölümlere ayırdığımız bağımlı değişkenin varyansının tümü, denekler arası varyans olmuştur.

Yani, bir denek analize yalnızca bir puan katkıda bulunduğundan ve bağımsız değişkenin her düzeyinde farklı denekler ölçüldüğünden, puan kümeleri arasındaki farklardan bahsetmek, denek kümeleri arasındaki farklardan bahsetmekle eşdeğerdi.

Farklı grupların ortalamalarını karşılaştırdığımızda, farklı deneklerin performans farklılıklarını da karşılaştırıyorduk. Konu içi tasarımda durum daha karmaşıktır.

KONU İÇİ TASARIMDA KONULAR ARASINDAKİ DEĞİŞİKLİK

Denek içi tasarımlar, bağımlı değişken üzerinde tekrar tekrar ölçülen birden fazla katılımcı içerir. Birden fazla denekle, Denek 1’in ölçümünden bir puan seti (tekrarlanan ölçümler seti) elde edilecek, Denek 2’nin ölçümünden başka bir puan seti elde edilecek ve bu böyle devam edecektir.

Bu puan kümelerini birbiriyle karşılaştırdığımızda, konuları birbiriyle karşılaştırıyoruz. Farklı konuları birbiriyle karşılaştırırken, denekler arası varyansla uğraşıyoruz. Bu nedenle, denek içi tasarım kullanılırken bile, bağımlı değişkenin varyansının bir kısmı denekler arasındaki farklılıklara atfedilebilir.

Bir denek içi tasarımdaki denekler arası varyans, çalışmadaki denekler arasında bireysel farklılıkların ne ölçüde gözlemlendiğini yakalar. ANOVA’da bireysel farklılıklar hesaba katıldığında (denekler arası varyanstan kaynaklanan varyans tanımlandıktan sonra), kalan varyans denek içi varyanstır. Bu, Şekil 10.1’de gösterilmektedir. Daire, bağımlı değişkenin toplam varyansını temsil eder. Toplam varyansı iki genel bölgeye ayırdık: denekler arası varyans ve denek içi varyans gerekir.

SPSS anket Analizi
SPSS veri Analizi Yorumlama
SPSS veri örnekleri
SPSS konu anlatımı pdf
Veri analiz yöntemleri
SPSS değişken Türleri
SPSS analiz yöntemleri
SPSS Kullanma Kılavuzu SPSS ile Adım Adım Veri

KONU İÇİ TASARIMDA KONU İÇİ DEĞİŞİKLİK

Bir denek içi tasarım, tüm katılımcıların her çalışma koşulunda ölçülmesini gerektirir. Bağımsız değişkenin her düzeyinde aynı katılımcılar temsil edildiğinde, koşullar arasında gözlemlediğimiz ortalama farklılıklar, bu koşulları yaşayan katılımcılardaki farklılıklara atfedilemez (yani, tüm koşullar tamamen aynı kişiler tarafından deneyimlenir).

Bu nedenle, bağımsız değişkenin bir düzeyini diğer düzeyleriyle karşılaştırırken, mücadele edilecek denekler arası fark yoktur (denekler arası varyans yoktur). Aynı katılımcılar bu tür ortalama karşılaştırmalarına dahil olduklarından, farklı koşulların araçlarıyla temsil edilen varyans, denek içi varyansı temsil eder. Bu anlamda, denek içi tasarımlarda katılımcıların kendi kontrolleri olarak hizmet ettiği sıklıkla söylenir. Bu sayede denek içi tasarımlar çok güçlüdür.

Potansiyel olarak büyük bir hata kaynağını, yani katılımcılar arasındaki bireysel farklılıkları istatistiksel olarak ortadan kaldırırlar (hesap verirler). Eğer denek içi tasarımlar bu kadar güçlüyse neden çoğu zaman ya da tamamı kullanılmıyorlar? Cevap, üzerinde çalıştığımız bağımsız değişkenlerin çoğunun, dahil olabilecek olumsuz aktarım etkileri nedeniyle denek içi manipülasyona uygun olmadığıdır.

Yani, incelediğimiz yapıların çoğu için, insanları bir koşula (bağımsız değişkenin bir düzeyine) maruz bırakmak, onları başka herhangi bir araştırma koşuluna göre artık naif olmayacak şekilde yeterince değiştirir. Ayrıca, verilerin halihazırda toplandığı arşiv araştırması gibi diğer araştırma yaklaşımlarında, yapabileceğimiz en iyi şey, bağımsız değişkenin farklı seviyeleri altında bağımlı değişken puanları kaydedilen farklı durumları karşılaştırmaktır.

KONU İÇİ TEK YÖNLÜ TASARIM İÇİN SAYISAL BİR ÖRNEĞİ

Örneğimiz olarak kullanılacak basitleştirilmiş veri seti, ön test-son test konfigürasyonunda zamana dayalı bağımsız bir değişken kullanır. Varsayımsal çalışmamızda, belirli bir ilacın belirli bir hastalığın semptomlarının yoğunluğunu hafifleteceği umulmaktadır. Semptom yoğunluğu on iki noktalı bir ölçekte değerlendirildi ve on ikiye doğru değerler daha yoğun semptomlara işaret etti.

İlki tedaviden bir ay önce ve ikincisi tedaviden bir hafta önce olmak üzere iki tedavi öncesi temel ölçüm yapılır. Semptom yoğunluğunun tedavi sonrası ölçümleri, ilacın uygulanmasından bir hafta, bir ay ve bir yıl sonra yapılır. Bu basitleştirilmiş örnekte, çalışmada sekiz hastamız var. Tablo 10.1’deki koşulların ortalamalarından da görülebileceği gibi, semptom yoğunluğu ön testlerde 9 civarında seyreder, ilk haftadan sonra 6’nın biraz üzerinde bir değere düşer ve hemen ardından hemen bir değerde düzleşir. bir ay sonra 5’ten biraz fazla.

TASARIMDA OMNIBUS ETKİLERİNDE İLGİ ETKİSİ

Bir denek içi tasarımda, bağımlı değişkenin toplam varyansı, denekler arası ve denek içi varyansa bölünür. Denekler arası varyans, bireysel denek farklılıklarını endeksler ve normalde, varyansın kendi kısmını hesaba katması dışında ilgi çekici değildir.

Tasarımda yalnızca bir bağımsız değişkenle, omnibus analizinde bizi ilgilendiren yalnızca bir F oranı vardır – bağımsız değişkenle ilişkili F oranı. Bu bir denek içi değişkendir ve bu nedenle denek içi varyansın bir bileşenidir. Burada kullandığımız sayısal örnekte, bu F oranı, ilacın semptom yoğunluğunu önemli ölçüde azalttığını gösteren istatistiksel olarak anlamlı olacaktır.

ÇOKLU KARŞILAŞTIRMALAR

İstatistiksel olarak anlamlı bir etki ile, hangi ortalamanın diğerlerinden önemli ölçüde farklı olduğunu belirlemek için bir ANOVA sonrası test gereklidir. Denekler arası tasarımın aksine, SPSS’de post hoc testleri yapamayız – bu yazılım, Post Hoc penceresi sadece denekler arası bağımsız değişkenler için kullanılabilir olacak şekilde programlanmıştır.

Bunun yerine, Bölüm 7’de açıkladığımız basit efekt analizlerinde kullanılanla aynı türde karşılaştırmalar (yani, ikili karşılaştırmalar) yapabiliriz. SPSS ve SAS’ta ANOVA ve çoklu karşılaştırma prosedürleri de yer alır.

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