Bu karmaşık karma tasarımdaki ilginin etkileri, Bölüm 14’te açıklanan üç yönlü karmaşık karma tasarım dahil olmak üzere herhangi bir üç yönlü tasarımla aynıdır: üç ana etki (cinsiyet, renk ve oyuncak türü), üç iki yönlü etkileşimler (Cinsiyet×Renk, Cinsiyet×Oyuncak Türü ve Renk×Oyuncak Türü) ve bir adet üç yönlü etkileşim (Gender×Renk× Oyuncak Türü). Bu tasarımı özellikle ilginç kılan şey, iki tekrarlanan ölçü içermesidir.

Çalışmada birden fazla denek içi faktörle, birden fazla denek içi hata terimimiz var; bu hata terimlerinin her biri, Bölüm 11 ve 12’de tartışıldığı gibi tamamen denek içi tasarımlar için olduğu gibi, denek içi etkiye anahtarlanmıştır. Bu, analiz sonuçlarını gösteren Tablo 15.1’de sunulan özet tablosunda görülebilir. 

Yalnızca bir denekler arası faktörle (Faktör A: cinsiyet), varyansın denekler arası kısmı, denekler arası bağımsız değişkenin etkisine ve bir hata terimine (S/A) bölünür. Özne içi etkiler, belirli özne içi “etki”ye göre ayarlanmış özel hata terimlerine sahiptir. Bu tasarımda üç “saf” özne içi efekt vardır: Faktör B: renk, Faktör C: oyuncak tipi ve (B × C) Renk × Oyuncak Tipi etkileşimi. Bu etkilerin her biri, Tablo 15.1’deki özet tablosunda gösterildiği gibi kendi hata terimiyle ilişkilidir.

Bu saf denek-içi etkiler yalnızca kendi başlarına durmakla kalmaz – her biri aynı zamanda denekler arası faktör olan cinsiyetle de etkileşime girer. Etkileşimde yer alan saf denek içi etki için hata terimi, F oranının hesaplanmasında kullanılır.

Ayrıntılar burada:

• Öznelerin saf-içinde-etkilerinden birinin rengi, kendi hata terimiyle (B×S/A) ilişkili değildir. Cinsiyetle etkileşimini de değerlendirebiliriz (A). Bu, (A×B) Cinsiyet×Renk iki yönlü etkileşimle sonuçlanır; bu etkileşim için hata terimi, renkle ilişkili hata terimidir (B×S/A).
• Oyuncak tipi (C), saf denek içi efektlerden bir diğeridir ve kendi hata terimiyle (C×S/A) ilişkilidir. Cinsiyetle etkileşimini de değerlendirebiliriz. Bu sonuç(A×C)Cinsiyet×Oyuncak Tipi iki yönlü etkileşim; bu etkileşim için hata terimi (C × S/A), oyuncak tipi (C) ile ilişkili hata terimidir.
• (B ×C) Renk×Oyuncak Türü etkileşimi, saf özne içi etkilerin üçüncüsüdür ve kendi hata terimiyle (B × C × S/A) ilişkilendirilir. Cinsiyetle olan etkileşimini de değerlendirebiliriz. Bu, ( A × B × C ) Cinsiyet × Renk × Oyuncak Tipi üç yönlü etkileşimle sonuçlanır; Bu üç yönlü etkileşim için hata terimi (B × C × S / A ) İki yönlü etkileşim yazın.

Eta kare değerleri özet tablosunun son sütununda gösterilir. Bölüm 14’te yaptığımız gibi, bu hesaplamaları denekler arası ve denek içi bölümlerin ayrı (alt)toplam varyanslarına dayandırdık. Böylece, eta kare değerlerini aşağıdaki gibi hesapladık:

• B’nin ana etkisi: SSB ÷ SSWithin Subject
• Etkileşim A × C : SS A×C ÷ SSİçinde Konular
•  Etkileşim A × B × C: SSA×B×C ÷ SSİçinde Konular

Etkileşimin grafiği Şekil 15.3’te gösterilmektedir. Basit etki analizlerini yaptıktan sonra bu sonuçları anlatacağız.

OMNIBUS KARMA TASARIMIN EL İLE BİLGİLENDİRİLMESİ

Bu çalışmada daha önce üç faktörlü tasarımlarda yaptığımız gibi, bu analizleri elle yapmayı seçerseniz, okuyucuya gerekli hesaplama formüllerini sağlayacağız.

Bu bölümdeki önceki tartışmalarımızdan, mevcut karmaşık karma tasarım, aşağıdaki konular arası varyans kaynaklarına sahiptir: aşağıdaki hata terimi olan S/A ile değerlendirilen Faktör A’nın ana etkileri. Tersine, denek içi bileşen daha karmaşıktır ve her ikisi de B × S/A hata terimi ile değerlendirilen Faktör B’nin ana etkisi ile A × B’nin etkileşim etkisinden oluşur.

SPSS değişken Türleri
Spss Scale nedir
Spss Measure nedir
SPSS dosyasını mail atma
Spss Label nedir
Spss Values nedir
Spss decimals nedir
Spss Width nedir

Benzer şekilde, Faktör C’nin ana etkisi ve A × C etkileşim etkisi, C × S/A hata terimi ile değerlendirilir. Son olarak B × C ve A × B × C etkileşim etkileri B × C × S/A hata terimi ile değerlendirilir. Bu konuyla ilgili daha fazla tartışma Keppel (1991) ve Keppel ve Wickens’te (2004) bulunabilir.

OMNIBUS ANALİZİ SPSS’DE YAPILMASI VERİ DOSYALARININ YAPILANDIRILMASI

Üç yollu, karmaşık karma tasarım örneğimizin veri dosyası Şekil 15.4’te gösterilmektedir. İlk sütun, her zaman olduğu gibi, katılımcı kimlik numaramız için kullanılır; bu değişkeni subid olarak adlandırdık. Sonraki iki sütun, kadınlar 1 ve erkekler 2 olarak kodlanmış, denekler arası cinsiyet değişkenimizi temsil eder. Son dört değişken, denek içi değişkenlerin kombinasyonlarını temsil eder. Veri dosyasında en hızlı artan değişken toytype’dır.

Yani, üçüncü ve dördüncü sütunların ikisi de sarı oyuncaklarla ilgilidir; yelhand adlı üçüncü sütun, sarı el yapımı oyuncakları ve yelpret adlı dördüncü sütun, sarı taklit oyuncakları temsil eder. Beş ve altıncı sütunların ikisi de mavi oyuncaklarla ilgilidir; bluhand, mavi uygulamalı oyuncakları temsil eder ve blupret, mavi taklit oyuncakları temsil eder. Bu son dört sütunun her birinde bağımlı değişkenin değeri (oyuncaklarla oynama saniye sayısı) kaydedilir.

VERİ ANALİZİNİN YAPILANDIRILMASI

Ana SPSS menüsünden Analiz Et ➜ Genel Doğrusal Model ➜ Tekrarlanan Ölçümler’i seçin. Aşağıdaki nedenden dolayı Tekrarlanan Ölçümler’i seçtiniz. Çalışmada iki veya daha fazla durum varsa ve bağımsız değişkenlerden en az biri denek içi değişken ise, bağımlı değişkenin toplam varyansını denekler arası ve denekler arası olarak bölmemiz gerekir. . Bu bölümleme, SPSS’deki Genel Doğrusal Model prosedürünün Tekrarlanan Ölçüler modülü tarafından gerçekleştirilir.

Bu yolu seçmek Şekil 15.5’te gösterilen diyalog penceresini açacaktır. 12-14. Bölümlerden hatırlayacağınız gibi, bu çalışmadaki denek içi değişken(ler)i adlandırmanız için SPSS tarafından kullanılan ilk penceredir. Örneğimizde böyle iki faktör vardır: renk ve oyuncak tipi.

Veri dosyasında (bölüm 15.4.1’de belirtildiği gibi), sütunları soldan sağa doğru okurken, renk artışları en yavaş ve oyuncak tipi artışları en hızlıdır. Bu bilgiyi, Tekrarlanan Ölçüler Faktör(ler)i Tanımla penceresinde denek içi faktörleri tanımlamak için kullanacağız. Yani, bu durumda önce en yavaş artan değişkeni, rengi tanımlayacağız ve daha sonra bu durumda daha hızlı artan değişken olan toytype’ı tanımlayacağız. Bunun sonuçları Şekil 15.5’te gösterilmektedir.

Define Factor(s) penceresinde Define tıklandığında Şekil 15.6’da gösterilen GLM Repeated Measures ana diyalog penceresine geliyoruz. Değişken listesinin sağındaki panelde belirtilmesi gereken dört yuva vardır. İki tekrarlanan ölçümümüzün her biri için iki seviye ile, bu dört değişken verir; bu nedenle, değişken sayımız pencerede gösterilen yuva sayısıyla eşleşir (bu çok iyi bir şeydir).

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