Aroian testinin denklemi, hesaplamaların bir özeti ile birlikte sunulmaktadır. Sobel değerlendirmelerini içeren üç testin tümü benzer şekilde hesaplanır ve yalnızca denklemin paydasındaki karekök ifadesinin sonundaki (SEd2 * SEe2) ifadesinin nasıl ele alındığı konusunda farklılık gösterir:

• Aroian testi, ifadeyi paydadaki karekök işaretinin altındaki diğer terimlere ekler.
• Goodman testi, ifadeyi paydadaki karekök işaretinin altındaki diğer terimlerden çıkarır.
• Sobel testi paydada karekök işaretinin altındaki ifadeyi içermez.

Gösterilen denklemde, harfler, gösterilen yollarla ilişkili standartlaştırılmamış regresyon katsayılarını temsil eder ve standartlaştırılmamış regresyon ağırlıklarının SE değerleri, referans katsayısını gösteren alt simgelerle gösterilir.

Denklemin sonucu, 1,96 veya daha iyi bir değerle gösterilen alfa düzeyi 0,05 olan bir z değeridir. Burada bir el hesap makinesi ile yaklaşık olarak 5,79 değerinde bir değer elde ettik. Aynı yaklaşık değeri veren Kristopher J. Preacher’ın http://quantpsy.org/sobel/sobel.htm web sitesinde bulunan hesap makinesini kullanmak da mümkündür. 5.79 değeri, dolaylı yolun sıfırdan farklı olmadığı boş hipotezini reddetmek için yeterlidir; bunun yerine, beckdep’in olumsuzluk üzerindeki dolaylı etkisinin istatistiksel olarak anlamlı olduğu sonucuna varıyoruz.

İSTATİSTİKSEL ÖNEMİN TEST EDİLMESİ

Aracısız Modellerde Doğrudan Yollar Arasındaki Farkın İncelenmesi

Freedman-Schatzkin testi, aracısız modelde aracılı modelde bağımsız değişkenden sonuç değişkenine giden yolların göreli güçlerini karşılaştırır. Denklem, hesaplamaların bir özeti ile birlikte gösterilir; N − 2 serbestlik dereceli Student t dağılımına karşı test edilen bir t değeri üretir.

Burada bir el hesap makinesi ile yaklaşık 6,66 değerinde bir değer elde ettik. 419 serbestlik derecesiyle (N’miz 421’di), katsayıların önemli ölçüde farklı olmadığı sıfır hipotezini reddetmek yeterlidir (p < .001). Bu nedenle, aracılı yol katsayısının aracısız yol katsayısından önemli ölçüde düşük olduğu sonucuna varıyoruz, bu da kısmi bir aracılık etkisi elde ettiğimizi gösteriyor.

ARACILI ETKİNİN GÖRSEL GÜCÜNÜN BELİRLENMESİ

Şimdi, aracılık modelimizdeki yollarla ilişkili beta katsayılarını kullanarak aracılı etkinin göreli gücünü hesaplıyoruz. Bu, dolaylı etkinin gücünün doğrudan etkinin gücüne oranı olarak hesaplanır ve aşağıdaki gibi hesaplanır:

• Dolaylı etkinin gücü, aracılı modeldeki olumsuzluğu (d ve e yolları) dikkate almak ve dikkate almak için beckdep yolları ile ilişkili beta katsayılarının ürünüdür. Burada (−.539) * (−.312) veya .168’e eşittir.
• Yalıtılmış doğrudan etkinin gücü, aracısız modeldeki beta katsayısıdır (.515 değeriyle), burada beckdep, olumsuzluğun tek tahmincisidir. Ayrıca dolaylı etkinin toplamı ve aracılı modelde (f yolu) beckdep’in olumsuzluğu öngörmesi için beta katsayısı olarak da hesaplanabilir: .168 + .347 veya .515.
• Aracılı etkinin nispi gücü, dolaylı etkinin doğrudan etkiye bölünmesine eşittir. Burada .168/.515 veya .326’ya eşittir.

Bundan sonra, beckdep’in olumsuzluk üzerindeki etkisinin yaklaşık üçte birinin (%32.6) dikkate aracılığıyla aracılık edildiği sonucuna varabiliriz.

Yol analizi nedir
Yol analizi nasıl yorumlanır
Gözlenen değişkenlerle yol analizi
AMOS yol analizi
Path modeli nedir
Path diyagramı
Yol analizi Mimari
Path Analizi nedir

Çoklu Regresyon Kullanarak Yol Analizi

Çoklu regresyon analizinde, yalnızca tahmin edicilerin bağımlı değişken üzerindeki doğrudan etkilerini değerlendiririz. Bununla birlikte, değişkenler bir sonuç üzerinde doğrudan bir etkiye sahip olmanın yanı sıra veya bunun yerine dolaylı (aracılı) bir etkiye sahip olabilir ve çoğu zaman da böyledir. Dolaylı veya aracılı etkiler, değişkenleri bir yol yapısında yapılandırarak analiz edilebilir. BAçıklanan basit aracılık, yol analizinin en basit şeklidir. Bu bölümdeki tedaviyi biraz daha karmaşık bir örnekle genişletiyoruz.

Sewall Wright (1920), filogenetik modellerin incelenmesi bağlamında yol analizini tanıttı. Prosedür, 1960’larda sosyoloji alanında popülerlik kazandı, ancak o zamandan beri araştırma uygulamalarında istikrarlı bir şekilde kazandı. Bazen nedensel modelleme olarak da adlandırılan yol analizi, tipik olarak üçten fazla değişkeni içerir ve bu nedenle basit dolayımlamada gördüğümüzden daha fazla karşılıklı ilişkiyi kapsar.

Yol diyagramı, araştırmacıların, sonuç değişkeninin varyansını açıklamak için ölçülen değişkenleri teorik veya ampirik olarak anlamlı bir şekilde bir araya getirdiğini varsaydıkları modeli temsil eder. Bu nedenle, yol analizi, çoklu regresyonda (değişkenlerin istatistiksel olarak tahmini en üst düzeye çıkarmak için doğrusal veya “düz” bir konfigürasyonda ağırlıklandırıldığı) olduğu gibi keşfedici bir tarzdan ziyade araştırmacılar tarafından varsayılan yapıyı değerlendirmek için doğrulayıcı bir şekilde kullanılır. 

Değişkenler arasında daha fazla bağlantı olduğundan ve bazı değişkenler her iki rolü de üstlendiğinden (analizin farklı bölümlerinde), çoklu regresyonda kullanıldığı şekliyle “bağımsız değişken” ve “bağımlı değişken” terimleri daha az kesindir. Bu ikili rol olasılığı, diyagramı çizilen yol modeli dikkate alınarak gösterilmiştir.

Değişkenler, gözlemlenen veya ölçülen değişkenler olduklarını belirtmek için dikdörtgenlerle temsil edilir (daireler veya ovallerle temsil edilen gizli değişkenlerin aksine). Oklar, nedensel veya açıklayıcı akışı göstermek için kullanılır ve yollar olarak adlandırılır.

Yaş ve sosyoekonomik statüde (SES) iyimserliğin aracı değişkenini öngördüğü varsayılır ve yaşla birlikte iyimserliğin yaşam kalitesini öngördüğü öne sürülür. Dolayısıyla iyimserlik, analizin bir bölümünde bağımlı değişken rolü üstlenirken (yaş ve SES ile yordanmaktadır), yaşam kalitesinin yordayıcılarından biri olduğunda, analizin başka bir bölümünde bağımsız değişken rolü üstlenmektedir. 

Yol analizi bağlamında değişkenlerin rollerini daha iyi karakterize etmek için kullanılan terimler şunlardır:

• Dışsal değişkenler, asla bağımlı değişkenler olarak hizmet etmeyen özel tahmin edicilerdir. Bu değişkenler, modelin açıklama yeteneğinin arkasındaki birincil veya birinci dereceden tahmin edicilerdir, çünkü modelde bunlara “neden olduğu” veya onları etkilediği varsayılan hiçbir değişken yoktur; yani, yol yapısı bağlamında dışsal değişkenleri açıklamak için hiçbir girişimde bulunulmaz. Yol diyagramında, nedensel oklar her zaman dışsal değişkenlerden kaynaklanır ancak hiçbir zaman onları işaret etmez. Çift oklu eğri bir çizgi, dışsal değişkenler arasındaki korelasyonu gösterir. Yaş ve SES, gösterilen modelde dışsal değişkenlerdir.

• İçsel değişkenler diğer değişkenler tarafından tahmin edilir (açıklanır). Açıklayıcı değişkenler ya dışsal değişkenler (örn., iyimserliğin içsel değişkeninin yaş ve SES gibi dışsal değişkenler tarafından açıklandığı varsayılır) ya da diğer içsel değişkenler (örn. iyimserliğin içsel değişkeniyle kısmen açıklanmaktadır).

Yol diyagramında oklar her zaman içsel değişkenleri gösterecektir; okların içsel değişkenlerden çıkması da mümkündür. İyimserlik ve yaşam kalitesi içsel değişkenlerdir. Her içsel değişken, ayrı bir regresyon analizinde bağımlı değişken olarak hizmet edecektir.

•Sonuç değişkeni, modelin tahmin etmek için varsayıldığı şeyin nihai odak noktasıdır. Her zaman içsel bir değişkendir.

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