Hiyerarşik Loglineer Analizleri – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Hiyerarşik Loglineer Analizleri
Hiyerarşik bir loglineer analizin genel yaklaşımı, gözlemlenen frekansları tahmin etmek için etkilerin tümünü veya bir kısmını (etkileşimler ve ana etkiler) içeren modellerin uyumunu değerlendirmektir. Model farklılıklarını değerlendirmek, gözlemlenen frekanslar ile beklenen frekanslar arasındaki sapmalara (farklara) odaklanır. İki yönlü sınıflandırma tasarımında artan ilişki sayısıyla ilgili hesaplamaların karmaşıklığı nedeniyle, loglineer analiz hücrelerdeki frekans değerini (sayım verileri) doğal loguna dönüştürür.
Doğal bir logaritma, hesaplamasında e tabanını (yaklaşık 2,72 değerinde) kullanır ve bir sayının doğal logaritması, bunu elde etmek için 2,72’nin yükseltilmesi gereken güçtür. Örneğin, 7.398’in doğal logu 2’dir, çünkü 2.72’nin ikinci güce yükseltilmesi 7.398’lik bir değer üretir. Bir hücrenin frekansı 44 ise, doğal logu 3,78’dir (2.723,78 = 44 olarak hesaplanır). Frekanstan doğal loglara bu dönüşüm, lineer regresyon analizi için uygun olan aralık seviyesindeki verileri üretir (böylece “log” ve “lineer”, “loglinear” analiz adında birleştirilir).
Basitleştirilmiş bir tanım olarak, tam loglineer model, etkileşimler ve ana etki terimleri ile ilişkili gözlenen frekansları temsil eden terimlerin bir fonksiyonu olarak beklenen hücre frekanslarını tahmin eden bir denklemdir (bir çoklu regresyon denklemine benzer). Algoritma, gözlemlenen puanlara mümkün olduğunca yakın olan beklenen puanları hesaplamaya çalışır; yani, tahmin edilen (beklenen) puan ile gerçek (gözlenen) puan arasındaki artıklar veya farklar mümkün olduğunca küçüktür. Artıklar ne kadar küçük olursa, model verilere o kadar iyi uyar.
Model uyumu ki-kare testi ile değerlendirilir. Bir model verilere iyi uyuyorsa, ki-kare sonuçları önemsiz olacaktır. Hiyerarşik loglineer analiz bağlamında, kabul edilebilir olması için p değerlerinin .10’u aşması önerilir. Önemli olan nokta, anlamlı olmayan bir ki-karenin modelin inandırıcılığını desteklemesidir. Önerilen model, gözlemlenen verilerden istatistiksel olarak önemli ölçüde farklı olmayan puanları tahmin etmeli, böylece modeli verilere uydurmalıdır.
Hiyerarşik strateji, loglineer analizin en popüler varyasyonudur. Süreç, tüm etkileri içeren tam veya doymuş modelle başlar. Burada ele aldığımız üç yönlü tasarımda, bu model üç yönlü etkileşimi, tüm iki yönlü etkileşimleri ve tüm ana etkileri kapsar. Ardından, en uygun modeli aramak için keşfedici bir şekilde ilerliyoruz.
Analiz hiyerarşiktir, şu anlamda bir modele bir etkileşim terimi dahil edilirse, o zaman tüm alt mertebeden etkileşimler ve bu değişkenleri içeren ana etkiler de dahil edilmelidir. Örneğin, model A×B×C terimini içeriyorsa, tüm iki yönlü terimler (A×B, A×C ve B×C) ve tüm ana etkiler (A, B ve C) de aynı kalmalıdır. modelde. Bu alt mertebeden ilişkileri dahil etmek gereklidir, çünkü çoğu uygulamada, alt mertebeden etkileşimleri dahil etmeden yüksek mertebeden etkileşimleri dahil etmek anlamlı değildir.
Hiyerarşik ilişkilerden hangilerinin istatistiksel olarak ilişkili olduğunu belirlemek için, en yüksek mertebeden ilişkilendirmenin önce kaldırıldığı doymuş modele sistematik bir geriye doğru silme işlemi uygulanır. Doymuş model, hücre frekanslarını mükemmel bir şekilde tahmin edecektir (artık olmayacak) ve bu nedenle mesele, basitleştirilmiş bir modelin sanal olarak da yapıp yapamayacağını belirleme, yani basitleştirilmiş bir modelin, ile belirtilen verilere uyup uymayacağını belirleme meselesi haline gelir.
Hiyerarşik bir mantıksal doğrusal analizde kullanılan strateji, sistematik olarak en yüksek dereceli ilişkilendirmeyi silmek ve daha düşük dereceli etkilere geçmektir; böyle bir strateji, Sınıf Oluşturma olarak adlandırılır.
Log-linear model nedir
Log-log model
Linear vs log linear
Log-linear model interpretation
Log lin
Log linear jamovi
Log log
Log log regression model
SAYISAL ÖRNEK
Veri dosyası, daha önceki bölümlerde kullandığımız bir veri dosyası olan yaşam tarzı tıbbi çalışması olarak adlandırılmıştır. Fiziksel_aktif değişkeni için, istemciler aktif olmayanlar (veri dosyasında 0 olarak kodlanmıştır) ve aktif olanlar (veri dosyasında 1 olarak kodlanmıştır) olarak ikiye ayrılmıştır. Değişken obezite için, danışanlar obez olmayanlar (hayır, veri dosyasında 0 olarak kodlanmıştır) ve olanlar (evet, veri dosyasında 1 olarak kodlanmıştır) olarak ikiye ayrılmıştır. hist_myocardial_infarction değişkeni, kalp krizi geçirmemiş (hayır, veri dosyasında 0 olarak kodlanmış) ve geçmiş (evet, veri dosyasında 1 olarak kodlanmış) olan müşterileri temsil eder. Böylece 2 × 2 × 2 bir tasarımımız var.
ANALİZ KURULUMU
Yaşam tarzı tıbbi araştırmasını açıyoruz ve ana menüden Analiz Et ➔ Mantıksal Doğrusal ➔ Model Seçimi’ni seçin. Bu, gösterilen ana Loglinear Model Seçimi iletişim penceresini üretir. Analize dahil edilecek üç değişkeni (fiziksel_aktif, obezite ve hist_miyokardiyal_enfarktüs) seçiyoruz ve bunları Faktör(ler) paneline taşıyoruz. Faktör(ler) paneline yerleştirildiğinde, her değişkenden sonra (? ?) ifadesi görünür; bu, her biri için kod aralığını tanımlamamız gerektiğini görsel olarak hatırlatıyor. Değişkenlerimiz için aralık tanımlamayı kolaylaştırmak için, üçünün de altını çizdik (çünkü aynı şekilde kodlanmıştır).
Aralık Tanımla düğmesinin seçilmesi Aralık Tanımla iletişim penceresini açar. Görüldüğü gibi Minimum ve Maximum kod değerlerini belirtmemiz istenmektedir. Yazdıklarımız, ana iletişim penceresinin Faktör(ler) panelindeki tüm vurgulanan değişkenlere uygulanacaktır. Üçü de aynı şekilde kodlandığı ve üçü de vurgulandığı için görüldüğü gibi 0 ve 1 kodlarını verebiliriz. Devam’ı seçmek bizi kodların artık her değişkenle ilişkilendirildiği ana iletişim penceresine döndürür. Ayrıca Model Oluşturma altında Geriye doğru elemeyi kullan varsayılanını da koruyoruz.
Seçenekler düğmesinin seçilmesi, gösterilen Seçenekler iletişim penceresini açar. Frekansların ve Kalıntıların Görüntüleme varsayılanlarını koruyoruz ancak Delta değerini (doymuş modeller için hücre frekanslarına eklenen bir değer) varsayılan olan 0,5-0’dan değiştiriyoruz.
ANALİZ ÇIKIŞI
Hücre Sayımları ve Kalıntıları çıktısı, doymuş modelin sonuçlarını sunar. Bu model tüm etkileri (üç yönlü etkileşim, tüm iki yönlü etkileşimler ve ana etkiler) içerir. Artıkların (modele dayalı beklentiler ve gözlemlenen frekanslar arasındaki farklar) sıfıra eşit olması gerçeğiyle gösterildiği gibi verilere mükemmel bir şekilde uyar. Herhangi bir önemli hiyerarşik ilişkiyi tespit etmek için geriye doğru elemeye tabi tutulacak olan bu modeldir.
Doymuş model için Uyum İyiliği Testlerini gösterir. Kalıntı olmadığından, Olabilirlik Oranı ve ki-kare değeri (Pearson olarak gösterilir) sıfırdır; ikisi de istatistiksel anlamlılık açısından anlamlı olarak değerlendirilemez.
K-Yol ve Yüksek Dereceli Etkiler tablosu gösterilmektedir ve analiz sonuçlarının genel bir görünümünü sunmaktadır. Tablonun satırlarındaki K değeri ana etkileri (1 ile gösterilmiştir), iki yönlü etkileşimleri (2 ile gösterilmiştir) ve üç yönlü etkileşimleri (3 ile gösterilmiştir) temsil eder ve serbestlik dereceleri (df) bir ilgili etkilerin sayısıdır.
Linear vs log linear Log lin Log linear jamovi Log log Log log regression model Log-linear model interpretation Log-linear model nedir Log-log model