İkili Değişkenin Marjinal Birliği – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

info@akademidelisi.com * 0 (312) 276 75 93 * Her bölümden, Ödev Yazdırma, Proje Yaptırma, Tez Yazdırma, Rapor Yazdırma, Makale Yazdırma, Araştırma Yazdırma, Tez Önerisi Yazdırma talepleriniz için iletişim adreslerini kullanın. Makale YAZDIRMA siteleri, Parayla makale YAZDIRMA, Seo makale fiyatları, Sayfa başı yazı yazma ücreti, İngilizce makale yazdırma, Akademik makale YAZDIRMA, Makale Fiyatları 2022, Makale yazma, Blog Yazdırma, Blog Yazdırmak İstiyorum

İkili Değişkenin Marjinal Birliği – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

6 Aralık 2021 Ekonometrik araştırmanın aşamaları Otoregresif gecikme modeli Rassal değişken hesaplayıcı Rassal değişken örnekleri Sürekli rassal değişken örnekleri 0
Otomatikleştirme – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

Yüzdelerin Hesaplanması

Her hücrenin sayımına ek olarak, SPSS ayrıca satır, sütun ve toplam yüzdeleri hesaplayacaktır. Satır yüzdesi, belirli bir hücreye düşen bir satırdaki durumların yüzdesidir. Sütun yüzdesi, bir sütundaki belirli bir hücreye giren durumların yüzdesidir. Toplam yüzde, tablodaki toplam vaka sayısının yüzdesi olarak ifade edilen bir hücredeki vaka sayısıdır. Bu yüzdeleri göstermek için “titanic.sav” dosyasını kullanın.

Bu veri dosyası, Titanik’teki 2201 yolcu için cinsiyet ve hayatta kalma bilgilerini içerir. Çapraz Tablolar prosedürünü satır değişkeni olarak “sex” ve sütun değişkeni olarak “hayatta kalan” ile çalıştıracağız. Bu, gerçekten “önce kadınlar” vakası mıydı – yani, kadınlar cankurtaran botlarına erkeklerden önce mi tahliye edildi?

Satır, sütun ve toplam yüzdeleri hesaplamak için önceki bölümdeki 1-5 arasındaki adımları izleyin ve ardından:

1. Çapraz Tablolar: Hücre Görünümü iletişim kutusunu açmak için Hücreler’e tıklayın.
2. Satır, Sütun ve Toplam yüzdelerini hesaplamak istediğinizi belirtmek için Yüzdeler kutusundaki her kutuya tıklayın.
3. Devam’a tıklayın.
4. Tamam’a tıklayın.

Her hücredeki en üstteki sayı sayıdır. Hücre sayıları, hayatta kalan 126 kadın, hayatta kalan 344 kadın, 1364 hayatta kalan erkek ve 367 erkek hayatta kalan olduğunu göstermektedir. Marjinal sayılar, 470 kadın ve 1731 erkek olduğunu ve 1490 kurtulamayan ve 711 kurtulan olduğunu gösteriyor. Toplam yolcu sayısı olan 2201, tablonun sağ alt köşesinde yer almaktadır.

Sayının altında “SEX içinde %” veya satır yüzdesi bulunur. Bu rakamlar cinsiyet (erkek ve kadın) değerlerine göre yüzdeleri temsil etmektedir. Yani, kadınların %26,8’i hayatta kalmamıştır (126’nın örneklemdeki (470) toplam kadın sayısına bölünmesi ve 100 ile çarpılmasıyla hesaplanmıştır). Buna karşılık, erkeklerin %78,8’i hayatta kalmamıştır (1364 1731 100). Bu nedenle, kadınlara ayrıcalıklı muamele verildiği ve hayatta kalma olasılıklarının daha yüksek olduğu görülüyor.

Şekil 6.3’de ayrıca “SURVIVED içindeki %” ifadesi de gösterilir. Örneğin, hayatta kalmayan 1490 kişiden %8,5’i kadındır (126 1490 100). Her hücrenin “Toplamın %’si” etiketli dördüncü satırı toplam yüzdeleri içerir. Örneğin, hayatta kalan 344 kadın toplam 2201 yolcunun %15,6’sını temsil ediyor.

Phi Katsayısı

Phi katsayısı, ikiye iki tablo için bir ilişki indeksidir. Korelasyon katsayısı gibi, değeri -1 ile 1 arasındadır. -1 veya 1’e yakın değerler iki değişkenin güçlü ilişkisini, sıfıra yakın değerler ise zayıf bir ilişkiyi gösterir. Phi katsayısını hesaplamak için Bölüm 6.1’deki 1-5 arasındaki adımları izleyin ve ardından:

  • Çapraz Tablolar: İstatistikler iletişim kutusunu açmak için İstatistikler’e tıklayın. Nominal kutusunda Phi ve Cramer’s V’ye tıklayın.
  • Devam’a tıklayın.
  • Tamam’a tıklayın.

Örneğin veriler için phi katsayısı değeri – .456’dır. Bu, cinsiyetin hayatta kalma ile orta düzeyde bir ilişkisini gösterir; kadınların çoğunluğu hayatta kaldı ve erkeklerin çoğunluğu hayatta kalmadı.


Rassal değişken hesaplayıcı
Sürekli rassal değişken örnekleri
Otoregresif gecikme modeli
Uygulamalı Ekonometri 1
Rassal değişken örnekleri
Ekonometrik araştırmanın aşamaları
Rassal değişken formülü
Doğrusal olasılık modeli


DAHA BÜYÜK İKİ YÖNLÜ FREKANS TABLOLARI

Birçok çalışmada kategorik değişkenler ikiden fazla değere sahiptir. Kategori sayısı iki ile sınırlı değildir ve hemen hemen her boyutta satır sütun tablo mümkündür. Örneğin, “siyasi bağlantı” üç kategoride kaydedilebilir: Muhafazakar, Liberal ve Ilımlı; “Meslek”, 15 farklı iş unvanını temsil eden 15 kategoriye sahip olabilir. Sayıları ve yüzdeleri hesaplama prosedürü ve ayrıca frekansların yorumlanması, Bölüm 6.1’de açıklananla aynıdır.

Örnek olarak “spit.sav” veri dosyasını açın. Bu, büyük lig beyzbol oyuncularının tükürük tütünü kullanmayı bırakmalarına yardımcı olmak için iki müdahalenin etkinliği üzerine bir çalışmadır. Bu örnek için sıklık tablosu 3–2 tablosudur; üç düzeyli “sonuç” ve iki düzeyli “müdahale” olmak üzere iki değişken vardır.

Bu veri setini kullanarak, sayıları ve satır, sütun ve toplam yüzdeleri içeren bir sıklık tablosu oluşturmak için Bölüm 6.1’deki adımları izleyin. Vaka işleme özetini çıkardığınızda sonuçlarınız gibi görünmelidir. Satır değişkeni müdahalenin uzunluğudur (minimum veya genişletilmiş) ve sütun değişkeni oyuncu sonucudur (bırakma; bırakmaya çalıştı; bırakma başarısız oldu).

Sadece toplam satırına baktığımızda 5 oyuncunun başarılı bir şekilde bıraktığını, 15 oyuncunun bırakmayı denediğini ancak başarısız olduğunu ve 34 oyuncunun da bırakamadığını görüyoruz. Bu nedenle, toplamda oyuncuların yalnızca %9,3’ü (5 bölü 54) oyunu bırakabildiğinden, müdahaleler özellikle başarılı olmadı.

Peki ya iki değişken arasındaki ilişki? Yani müdahale türlerinden biri diğerinden daha mı başarılı? Bunu araştırmak için “müdahale grubu içindeki yüzde” rakamlarına bakıyoruz. Minimum müdahale grubundaki oyuncuların %0’ının başarılı bir şekilde bıraktığını, genişletilmiş müdahale grubundaki %19.2’ye kıyasla başarılı bir şekilde bıraktığını not ediyoruz. Benzer şekilde, asgari müdahale grubunun %89,3’ünün, genişletilmiş müdahale grubunun %34,6’sına kıyasla bırakmayı başaramadığını görüyoruz. Bu nedenle, genişletilmiş müdahale, bu beyzbol oyuncuları örneği için nispeten daha başarılı görünüyor.

ÜÇÜNCÜ BİR DEĞİŞKENİN ETKİLERİ

Bazen ikiden fazla kategorik değişkeni özetlemek ilginizi çekebilir. Bunu yapmak için iki farklı yaklaşım vardır; her bir değişken çifti arasındaki marjinal ilişkiye veya üçüncünün belirli değerlerinde iki değişkenin koşullu ilişkisine bakabilirsiniz. Üç ikili değişken için her iki yaklaşımı da göstereceğiz. Çoğu zaman, koşullu yaklaşım, marjinal analizde maskelenen değişkenlerin ilginç sonuç modellerini ve etkileşimlerini ortaya çıkarır.

Üç İkili Değişkenin Marjinal Birliği

Bu örneğe ilişkin veriler, Chicago’daki 75 topluluk bölgesindeki kalabalıklaşma ve antisosyal davranış araştırmasından alınmıştır. Sosyoekonomik statü (“SES”), nüfus yoğunluğu (“pop_dens”) ve suçluluk oranı (“delinq”) arasındaki ilişkileri incelemek için toplulukların üç özelliği çapraz sınıflandırılmıştır. Her değişken ikilidir ve 1=düşük ve 2=yüksek olarak kodlanmıştır. Bu veri dosyası “delinq.sav” olarak adlandırılmıştır. Bu üç değişkenin çapraz tabloları Tablo 6.1’de gösterilmiştir.

Marjinal yaklaşım, her bir değişken çiftinin ilişkisini incelemeyi içerir. Üç değişkenle, olası üç iki yönlü kombinasyon vardır: SES × pop_dens, SES × delinq ve pop_dens × delinq. Üç tablo Şekil 6.5’te görülmektedir. SPSS for Windows’un bu tabloları üretmesi için Bölüm 6.1’deki adımları kullanarak üç ayrı 2 × 2 tablo oluşturmanız gerekir.

İlk tablo, sosyoekonomik durum ile nüfus yoğunluğu arasındaki ilişkiyi göstermektedir. İkinci ve üçüncü tablolar sırasıyla sosyoekonomik statünün suçluluk ve nüfus yoğunluğunun suçluluk ile ilişkisini göstermektedir. İlk tabloyu yorumladığımızda, düşük SES topluluklarının %87,5’inin yüksek nüfus yoğunluğuna sahip olduğunu, yüksek SES topluluklarının ise yalnızca %17,1’inin yüksek nüfus yoğunluğuna sahip olduğunu görüyoruz. Bu nedenle, düşük SES, yüksek nüfus yoğunluğu ile ilişkilendirilme eğilimindedir ve bunun tersi de geçerlidir.

 

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir