Ölçekleme ve Kodlama – 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

Ölçekleme ve Kodlama – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri

22 Şubat 2022 İyi bir analiz Sorusunun özellikleri Likert tipi ölçek Örneği Veri analiz yöntemleri Nelerdir Veri hazırlama süreci aşamaları 0
Gerilme Analizi – MATLAB Ödevi Yaptırma – MATLAB Analizi Yaptırma Fiyatları – MATLAB Örnekleri – Ücretli MATLAB Analizi Yaptırma – MATLAB Analizi Yaptırma Ücretleri

Ölçekleme ve Kodlama

Tekrar vurgulamak gerekirse, bir anket yürütmenin ilk adımı, her bir özellik için ölçüm düzeyini tanımlamaktır. Çoğu durumda, bir anket uygulandıktan sonra ölçüm seviyesini yükseltmek mümkün değildir (yani, nominalden sıralıya veya sıradandan kardinale). Bir anket, katılımcılardan yaşlarını yıllara göre değil, yaş grubuna göre belirtmelerini isterse, bu değişken sıra ölçeğinde kalmalıdır.

Bu, büyük bir hayal kırıklığı kaynağı olabilir: diğer şeylerin yanı sıra, geriye dönük olarak yanıtlayanların ortalama yaşını belirlemeyi imkansız hale getirir. Bu nedenle, bir değişkenin ölçüm seviyesinin önceden mümkün olduğu kadar yüksek ayarlanması (örneğin, yıl cinsinden yaş veya bir tüketim malı için yapılan harcamalar) her zaman tavsiye edilir.

Anketi yaptıran grup veya kişi, anonimliği sağlamak için soruların daha düşük bir ölçüm düzeyinde kalmasını şart koşabilir. Örneğin, bir şirketin iş konseyi bir anketin uygulanmasına dahil olduğunda, böyle bir taleple karşılaşılabilir. Araştırmacılar normalde bu tür istekleri yerine getirmekle yükümlüdür.

Yukarıdaki örnek anketimizde aşağıdaki ölçüm seviyeleri kullanılmıştır:

• Nominal: cinsiyet; tercih edilen yayılma
• Sıralı: seçim derecelendirmesi
• Kardinal: yaş; vücut ağırlığı

Şimdi bu bilgiyi bilgisayara nasıl iletebiliriz? Her istatistik uygulaması, verilerin doğrudan girilebildiği Excel benzeri bir elektronik tablo içerir. Excel elektronik tablolarındaki sütunlar tipik olarak A, B, C vb. olarak adlandırılırken, daha profesyonel elektronik tablolardaki sütunlar değişken adıyla etiketlenir. Tipik olarak, değişken isimleri sekiz karakterden uzun olamaz. Örneğin, değişken seçim derecesi “selectio” olarak verilir.

Açıklık sağlamak amacıyla, bir değişken adı daha uzun bir değişken etiketine veya tüm bir anket sorusuna bağlanabilir. Yazılım komutları değişken adlarını kullanır; “Seçimi değişkeni için hesaplama grafiği”  sonuçların çıktısı tüm etiketi görüntüler.

Bir sonraki adım, anket sonuçlarını elektronik tabloya girmektir. 1 numaralı anketteki cevaplar ilk sıraya, 2 numaralı anketteki cevaplar ikinci sıraya gider ve bu şekilde devam eder. Bir bilgisayar yalnızca sayıları “anlayabilir”. Kardinal ölçek değişkenleri için bu sorun değildir, çünkü tüm değerler zaten sayıdır.

1 numaralı kişinin 31 yaşında ve 63 kg ağırlığında olduğunu varsayalım. Yanıtlayan #1 için uygun satıra 31 ve 63 numaralarını girmeniz yeterlidir. Nominal ve sıra değişkenleri daha zordur ve tüm içeriklerin bir sayı ile kodlanmasını gerektirir. Örnek veri setinde, örneğin, erkek ve kadın nominal ölçek özelliklerine sırasıyla “0” ve “1” sayıları atanır. Numara atamaları,  gösterildiği gibi bir etiket defterine kaydedilir. Bu sistemi kullanarak artık kalan sonuçları girebilirsiniz.


Veri hazırlama süreci aşamaları
İyi bir analiz Sorusunun özellikleri
Veri analiz yöntemleri PDF
Likert tipi ölçek Örneği
Likert ölçeği analizi
Veri analiz yöntemleri Nelerdir
Likert tipi ölçek Nedir
Likert ölçek Türleri


Kayıp Değerler

Anket verilerini değerlendirirken hemen ortaya çıkan bir sorun, cevapların atlanması ve sıklıkla fikir eksikliğidir (yani, bilmiyorum gibi cevaplar). Sebepler çeşitli olabilir: kasıtlı reddetme, eksik bilgi, yanıtlayıcı yetersizliği, kararsızlık vb.

Faulkenberry ve Mason, iki ana cevap eksikliği türü arasında ayrım yapar:

(a) Fikri yok: Katılımcılar bir cevap konusunda kararsızlar (örneğin belirsiz bir soru nedeniyle).
(b) Fikri Olmayan: Katılımcıların bir konu hakkında fikri yoktur.
Yazarlar, ilk tür ihmal (fikri yok) verme eğiliminde olan katılımcıların, ikinci tür ihmal (fikri olmayan) verme eğiliminde olan katılımcılardan daha fazla yansıtıcı ve daha iyi eğitimli olduklarını bulmuşlardır. Ayrıca, yanıtlayanların cinsiyeti, yaşı ve etnik geçmişinin (diğer değişkenlerin yanı sıra) yanıt vermeme olasılığını etkileyebileceğini de belirtmektedirler.

Bu gözlem bizi yanıtın ihmal edilmesinden kaynaklanan sistematik önyargı sorununa getiriyor. Bazı araştırmalar, yanıtlayanlara bilmiyorum seçeneği verildiğinde fikir eksikliğinin %30’a kadar daha yüksek olabileceğini gösteriyor. Ancak bu seçeneği bir kaçınma stratejisi olarak basitçe ortadan kaldırmak, önyargılı sonuçlara yol açabilir. Bunun nedeni, genellikle bilmiyorum seçeneğini seçme eğiliminde olan katılımcıların, bilmiyorum seçeneği mevcut olmadığında doğru yanıtlar vermek zorunda hissetmemeleridir.

Bu tür yanıtlayıcılar tipik olarak rastgele bir yanıt vererek veya hiç yanıt vermeyerek tepki verirler. Bu durum, sık bilmiyorum yanıtlarına atfedilebilen tanımlanabilir, sistematik bir hatanın, gerçek bulgular düzeyinde keşfedilmemiş, sistematik bir hataya dönüşme tehlikesini yaratır. Bu açıdan bilmiyorum seçeneğinin kaldırılmasını önerenleri anlamak güç. Daha da önemlisi, veri analizi sırasında cevap eksikliklerine nasıl yaklaşılacağı sorusudur.

Prensip olarak, cevapların ihmal edilmesi, analiz sırasında yorumlanan değerlere yol açmamalıdır, bu nedenle bazı analiz yöntemleri eksik değerlerin kullanımına izin vermemektedir. Eksik değerlerin varlığı, diğer verilerin hariç tutulmasını bile gerektirebilir. Regresyon veya faktör analizinde, örneğin, bir yanıtlayıcıda eksik değerler olduğunda, o yanıtlayıcı için kalan değerler de çıkarılmalıdır. Cevap eksiklikleri sıklıkla meydana geldiğinden ve kimse büyük bilgi kayıpları istemediğinden, en iyi alternatif bir tür ikame kullanmaktır.

Genel yaklaşımlar vardır:

(a) Eksik değerleri ortadan kaldırmanın en iyi ve en çok zaman alan yolu, daha fazla araştırma yoluyla doğru bilgi elde etmenin mümkün olması koşuluyla, bunları kendiniz doldurmaktır. Çoğu durumda, gelir, Ar-Ge harcamaları vb. ile ilgili anketlerdeki eksik bilgiler, mali raporların ve diğer yayınlanmış materyallerin dikkatli bir şekilde incelenmesiyle keşfedilebilir.

(b) Söz konusu değişkenler nitel (nominal olarak ölçeklenmiş) ise, yeni bir sınıf oluşturularak kayıp değerlerin önüne geçilebilir. Bazı katılımcıların önceki müşteri, bazılarının önceki müşteri değil ve diğerlerinin de hiçbirini işaretlemediği bir anket düşünün. Bu durumda cevap vermeyen katılımcılar yeni bir sınıfa atanabilir; Müşteri durumu bilinmiyor diyelim. Sıklık tablolarında bu sınıf daha sonra eksik değerler başlıklı ayrı bir satırda görünür. Regresyon analizi gibi karmaşık tekniklerle bile, genellikle eksik değerleri bir dereceye kadar yorumlamak mümkündür. Bu konuyu sonraki bölümlerde tekrar ele alacağız.

(c) Ek araştırma yaparak veya yeni bir kategori oluşturarak eksik değerleri ele almak mümkün değilse, eksik değişkenler, kardinal ölçekte olmaları koşuluyla mevcut değerlerin toplam aritmetik ortalaması ile değiştirilebilir.

(d) Eksik ana değerler, bir grubun aritmetik ortalaması ile de değiştirilebilir. Örneğin, belirli bir üniversitedeki öğrenciler hakkında istatistik toplayan bir ankette, eksik bilgilerin, tüm öğrenci grubunun aritmetik ortalamasından ziyade, ilgili eğitim kursundaki öğrencilerin aritmetik ortalamasının yerini alması daha iyi olur.

 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir