Bu bölüm iki popülasyonun karşılaştırılmasına odaklanmaktadır. Bu tür karşılaştırma, aşağıdaki gibi soruları yanıtlamak için kullanılır:

Ortalama olarak, kadın ve erkeklerin vücut sıcaklıkları aynı mı?
Her sabah bir aspirin tableti alan kişilerde kalp krizi riski daha mı düşük?
Bir diş macunu, çürüklerle savaşmada genellikle diğerinden üstün müdür?
Ortalama olarak, yüksek lisans öğrencileri istatistikleri beğenen öğrencilerden daha fazla mı gösteriyor?

Bu soruları cevaplamak için, her popülasyondan (örneğin, erkekler ve kadınlar) bir örnek alınır ve örneklerin ortalamaları (veya oranları veya medyanları) karşılaştırılır. Örnekleme hatası sonucu örnekler arasındaki fark beklenenden büyükse, popülasyonların farklı olduğu sonucuna varırız. Bölüm 10’daki hipotez testinde olduğu gibi, prosedürler popülasyon standart sapmalarının bilinip bilinmemesine bağlı olarak farklılık gösterir. Bu kitapta, popülasyon standart sapmalarının bilinmediği daha olası bir örneği ele alıyoruz.

İKİ BAĞIMSIZ ORTAMIN KARŞILAŞTIRILMASI

Popülasyon ortalamalarını karşılaştırırken, iki dağılımın popülasyon standart sapmalarını nadiren biliyoruz. Bununla birlikte, ortalamalar arasındaki farkın standart hatasını belirlemek için tahmin edilebilirler. Test prosedürleri, iki standart sapmanın eşit olduğunun kabul edilip edilemeyeceğine bağlı olarak biraz farklıdır. SPSS, testi her iki koşul türü için de gerçekleştirir. Bu bölüm, standart sapmaların eşit olarak ele alındığı daha yaygın durumu tartışır.

“bodytemp.sav” veri dosyası, 130 erkek ve kadın yetişkin için vücut ısısı ve nabız hızı hakkında bilgi içerir. Normal vücut sıcaklığında ortalama olarak erkek ve dişilerin farklılık gösterip göstermediğini belirlemek istediğimizi varsayalım. Boş ve alternatif hipotezler H0: μfemale = μmale ve H1: μfemale μmale’dir. Hipotezi %5 düzeyinde test edeceğiz.

Artık testi aşağıdaki gibi yapmak için SPSS kullanabiliriz. Veri dosyasını açtıktan sonra:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Ortalamaları Karşılaştır’a tıklayın.
3. Açmak için açılır menüden Bağımsız Örnekler T-Testini tıklayın.
Bağımsız Örnekler T Testi iletişim kutusu.
4. Tıklayın ve sağ üst ok düğmesini kullanarak Test Değişken(ler)i kutusunun “temp” değişkenini hareket ettirin.
5. Sağ alt ok düğmesini kullanarak “sex” değişkenini Gruplama Değişkeni kutusuna tıklayın ve taşıyın.
6. “sex” değişkeninden sonra parantez içinde iki soru işaretinin göründüğüne dikkat edin. Bu, ortalama farklarını hesaplamak istediğiniz sınıf değişkeninin iki değerini belirtmeniz gerektiği anlamına gelir. Bunu yapmak için, Grupları Tanımla iletişim kutusunu açmak için Grupları Tanımla’ya tıklayın.
7. Örneğimizde dişiler 0, erkekler 1 olarak kodlanmıştır. Bu nedenle bu sayıları Grup 1 ve Grup 2 kutularına giriniz. (Gruplandırma değişkeninin ikiden fazla değeri varsa kesme noktası seçeneği kullanılır.)
8. İletişim kutusunu kapatmak için Devam’a tıklayın.
9. Prosedürü çalıştırmak için Tamam’a tıklayın.

Popülasyon özellikleri
Popülasyon Nedir
Tür ve popülasyon arasındaki fark
Hardy-Weinberg Dengesi
Aynı popülasyonda bulunan iki birey hangi özelliklere sahiptir
Popülasyon örnekleri
Popülasyon yoğunluğu
Populasyon Genetiği Ders Notları

Listenin üst kısmı numunelerin her biri için özet bilgileri (n’ler, ortalamalar, standart sapmalar ve standart hatalar) görüntüler. Bu durumda, dişilerin ortalama sıcaklığı 98.394°F ve erkeklerin ortalama sıcaklığı 98.105°F’dir. Fark 98.394 – 98.105 = .289°F. Şekil, “Ortalama Fark” sütunundaki alt tabloda listelenmiştir.

Bu tablo ayrıca, biri eşit varyans varsayımına dayalı, diğeri eşit olmayan varyans varsayımına dayanan iki farklı t-istatistik gösterir. Sadece eşit varyans durumunu ele alacağız. Test istatistiği t = 2.285’tir.

t-istatistiği, 130 – 2 = 128 serbestlik derecesi ile t-dağılımından elde edilen önem noktaları ile karşılaştırılır. Bu, SPSS tarafından yapılır ve yazdırılan P değeriyle sonuçlanır (Sig. (2-kuyruklu) sütununda). P = .024, .05’ten küçük olduğundan, sıfır hipotezi reddedilir ve ortalama olarak kadınların erkeklerden daha yüksek vücut ısısına sahip olmadığı sonucuna varırız.

Çıktı ayrıca ortalama fark için %95’lik bir güven aralığı içerir. Yani erkekler ve kadınlar için ortalama sıcaklık farkı %95 güvenle 0,04 ile 0,54 derece arasındadır. 0 (kadınlar ve erkekler arasında ortalama sıcaklıkta hiçbir farkı temsil etmez) aralık içinde olmadığı için, anlamlılık testinin sonuçları doğrulanır.

Tek Kuyruklu Testler

Tek kuyruklu bir testin yürütülmesi için SPSS prosedürü, iki kuyruklu bir testinkiyle aynıdır; sadece P değerinin nasıl kullanıldığına göre farklılık gösterir. Bildirilen P değeri iki uçlu bir test için olduğundan, P/2 ile ‘yi karşılaştırmalı ve ayrıca örnek ortalamanın alternatif hipotez tarafından desteklenen yönde farklı olduğunu doğrulamalıyız. Örnekte, .012 < .05 ve erkekler için örnek ortalaması, kadınlar için örnek ortalamasından daha azdır. Bu nedenle, %5 anlamlılık düzeyinde H0: μfemale μmale’i H1: μfemale > μmale lehine reddederiz.

Kategorik Verilere İlişkin Çıkarım

Kategorik değişkenlerin önem testleri, bir dizi gözlemlenen frekansın varsayımsal bir dağılımla belirtilen frekanslarla karşılaştırılmasını içerir. Örneğin şunları sorabiliriz:

İnsanların doğdukları ayda ölme olasılığı diğer aylarla aynı mı?
Irk/etnik köken ile siyasi mensubiyet arasında bir ilişki var mı?
Meslek seçimi cinsiyetle mi ilgili?

Bu bölüm, eşit ve eşit olmayan olasılıklarla uyum iyiliğini hesaplamak, ki-kare bağımsızlık testi yapmak ve phi katsayısı, lambda katsayısı ve katsayı gibi kategorik değişkenler arasındaki ilişki ölçümlerini hesaplamak için SPSS’nin nasıl kullanılacağını açıklar.

TESTLER

Veriler bir kategorik değişkenden oluştuğunda, kategorilerdeki yanıtların oranlarının belirli bir kalıba uyup uymadığını sormak genellikle bilgilendiricidir. Bu tür soruları ele alma prosedürüne uygunluk testi denir.

Eşit Olasılıklar

Bu çizimde, kişinin doğum ayında veya yılın herhangi bir ayında meydana gelme olasılığının eşit olduğu hipotezini test etmek için “death.sav” veri dosyasındaki verileri kullanacağız. Boş hipotez H0: p1 = p2 = … = p12 = 1/12.

Veri dosyasındaki her giriş, kişinin doğum ayına göre ölüm ayını gösteren bir sayıdır; örneğin, –6, ölüm ayının doğum ayından 6 ay önce olduğunu gösterir, 0, her iki ayın da aynı olduğunu gösterir, vb. Bunu .01 seviyesinde test edeceğiz. Varsayılan olarak SPSS, eşit oranlar hipotezini test etmek için ki-kare istatistiğini hesaplar.

Veri dosyasını açtıktan sonra:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Parametrik olmayan testler seçeneğine tıklayın.
3. Ki-Kare Testi iletişim kutusunu açmak için Ki-Kare’ye tıklayın.
4. Değişken adına (“ay”) ve onu Test Değişken Listesi kutusuna taşımak için sağ ok düğmesine tıklayın.
5. Tamam’a tıklayın.

Herhangi bir ayda ölme şansının orantılı olarak eşit olduğunu varsaydığımız için, 12 ayın her birinde beklenen ölen birey sayısının 348/12 = 29 olduğunu görüyoruz. Test istatistiği 22.07 ve 11 serbestlik derecesi. .024 olan P değeri, H0’ı %1 düzeyinde kabul etmemize ve insanların diğer herhangi bir ayda olduğu gibi doğdukları ayda ölme olasılığının eşit olduğu sonucuna varmamıza yol açar.

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