Phi Katsayısı – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Phi Katsayısı
Son bölümde ise değişkenlerin bağımlılığı ve örneklem büyüklüğü ile ki-kare değerinin arttığını gördük. Aşağıdaki Şekil 4.5, mükemmel bir ilişkiye sahip iki beklenmedik durum tablosunu göstermektedir: ki-kare değeri, n 1⁄4 22 gözlemli tabloda n 1⁄4 22 ve n 1⁄4 44 gözlemli tabloda n 1⁄4 44’tür.
Bu değerlerin gösterdiği gibi, ki-kare, örneklem büyüklüğünden bağımsız olarak ilişkiyi ölçme hedefimize ulaşmaz. Bir ilişki ölçüsünün bağımsız olması için, örneklem büyüklükleri farklı olan iki tablonun ilişkilerinin karşılaştırılabilir olması gerekir. İki sıralı (2 k) veya iki sütunlu (m 2) tablolar için phi katsayısını kullanmak en iyisidir. Phi katsayısı, ki-kare değerinin gözlem sayısına bölünmesi ve karekökünün alınmasıyla elde edilir.
Bu formülü kullanarak,1 phi katsayısı sıfırdan bire kadar bir değer alır. Katsayının değeri sıfır ise değişkenler arasında ilişki yoktur. Bir değeri varsa, çağrışım mükemmeldir.
Acil durum tablosu ikiden fazla satır ve iki sütundan oluşuyorsa, phi katsayısı birden büyük değerler üretecektir. Üç satırlı ve üç sütunlu bir tablo ve beş satırlı ve dört sütunlu bir tablo düşünün. Burada da mükemmel ilişkiler vardır, çünkü her satır yalnızca bir sütun içinde değerlere sahiptir ve her satır belirli bir sütuna atanabilir.
Bu tabloların gösterdiği gibi, satır ve sütun sayısı phi katsayısının maksimum değerini belirler. Bunun nedeni, satır ve sütun sayısı arttıkça ki-kare için elde edilebilecek en yüksek değerin artmasıdır. Phi’nin maksimum değeri, bir beklenmedik durum tablosundaki minimum satır ve sütun sayısının karekökü eksi birdir.
Acil Durum Katsayısı
Bu nedenle bazı istatistikçiler bunun yerine beklenmedik durum katsayısını kullanmayı önermektedir.
Phi katsayısı gibi, beklenmedik durum katsayısı da değişkenler arasında ilişki olmadığında sıfır değerini alır. Bununla birlikte, phi katsayısından farklı olarak, beklenmedik durum katsayısı hiçbir zaman birden büyük bir değer almaz. Olumsallık katsayısının dezavantajı, C’nin hiçbir zaman mükemmel ilişki altında birin değerini üstlenmemesidir. Şekil 4.7’deki beklenmedik durum tablolarına bakalım. Her iki tablo da mükemmel bir ilişki gösterse de, olasılık katsayısı C 1⁄4 1 değerine sahip değildir.
Bir tablonun satırları ve sütunları ne kadar fazlaysa, mükemmel ilişki durumunda olasılık katsayısı bire o kadar yakın olur. Ancak, katsayı mükemmel bir ilişki altında bile, bire yakın herhangi bir yere gelmeden önce bir tablonun birçok satırı ve sütunu olması gerekirdi. Maksimum ulaşılabilir değer aşağıdaki gibi hesaplanabilir.
PHI değeri
Cramer V katsayısı
Korelasyon katsayısı
Phi number
Phi symbol
Phi ne Demek
Dörtlü korelasyon katsayısı
Çoklu Serili Korelasyon Katsayısı
Cramer’s V
Acil durum tablosunun boyutundan bağımsız olan bir ölçü Cramer’s V’dir. Her zaman sıfır (ilişki yok) ile bir (mükemmel ilişki) arasında bir değer alır ve bu nedenle pratikte iki arasındaki en yararlı ilişki ölçütlerinden biridir. nominal veya sıralı değişkenler. Hesaplaması, phi katsayısının bir uzantısıdır.
n değeri gözlem sayısına, k sütun sayısına ve m satır sayısına eşittir. Tablolardaki değerler aşağıdaki hesaplamayı üretir.
Hangi değerlerin zayıf, orta veya güçlü çağrışımları temsil ettiğini henüz belirlemedik. Bazı yazarlar aşağıdaki aralıkları tanımlar:
Cramer’s V ∈ [0.00; 0.10[ ! dernek yok
Cramer’s V ∈ [0.10; 0.30[ ! zayıf ilişkilendirme
Cramer’s V ∈ [0.30; 0.60[ ! ılımlı ilişki
Cramer’s V ∈ [0.60; 1.00] ! güçlü ilişki
SPSS ile Nominal İlişkilendirmeler
Titanik hikayesini herkes bilir. Bu bir teknolojik kibir, insan hatası ve sosyal hiyerarşi hikayesi. 10 Nisan 1912’de Titanik, Southampton, İngiltere’den New York’a ilk yolculuğuna başladı. O zamanki mühendisler, son teknoloji ve saf boyutu nedeniyle dev buharlı gemiyi batmaz olarak görüyorlardı. Ancak 14 Nisan’da gemi bir buzdağına çarptı ve ertesi gün saat 02:15 civarında battı. 2.201 yolcudan sadece 710’u hayatta kaldı.
Diyelim ki hayatta kalanların çoğunun birinci sınıftan olduğu ve kurbanların çoğunun üçüncü sınıftan olduğu yönündeki sık sık iddiayı incelemek istiyoruz. Başlamak için, her yolcu için cinsiyet (çocuk, erkek, kadın), sınıf (birinci, ikinci, üçüncü ve mürettebat) ve hayatta kalma (evet, hayır) değişkenleri dahil olmak üzere Titanik veri kümesindeki bilgilere ihtiyacımız var.
Bir çapraz tablo oluşturmak ve nominal ilişki ölçülerini hesaplamak üzere SPSS’yi kullanmak için çapraz tablo penceresini açarak başlayın. Analiz Et’i seçin! Tanımlayıcı istatistikler ! Çapraz tablolar. Şimdi ilişkisini analiz etmek istediğiniz satır ve sütun değişkenlerini seçin. Örneğimiz için satır değişkeni olarak hayatta kalma ve sütun değişkeni olarak sınıfı seçmeliyiz. Sonra bir hücre penceresi açmak için hücrelere tıklayın. Burada, istediğiniz beklenmedik durum tablosu hesaplamalarını seçebilirsiniz. (Bkz. Şekil 4.8: Hücre ekranı). İlişkilendirme ölçüsü istatistikler altında seçilebilir. . . . Şekiller’deki tabloları oluşturmak için Tamam’a tıklayın. 4.9 ve 4.10.
Hayatta kalanları sınıflarına göre kategorize eden aşağıdaki Şekil 4.9’daki beklenmedik durum tablosunu düşünün. Tüm yolcuların hayatta kalma şansı aynı mıydı?
Birinci sınıftaki (123) yolculardan daha fazla üçüncü sınıf (528) yolcunun hayatını kaybettiğini görüyoruz. Ancak üçüncü sınıfta daha fazla yolcu olduğundan (325’e karşı 706), herkesin hayatta kalma şansı aynı olsa bile bu şaşırtıcı değil. Ancak göreceli frekansları göz önüne aldığımızda, yolcuların %32,3’ünün felaketten sağ çıktığını, %62,2’sinin birinci sınıftan ve yalnızca %25,3’ünün üçüncü sınıftan sağ çıktığını görüyoruz. Bu rakamlar, %32,3’lük hayatta kalma oranının asimetrik olarak dağıldığını göstermektedir: asimetri ne kadar büyükse, sınıf ve hayatta kalma arasındaki ilişki o kadar güçlüdür.
Birinci sınıf yolcular ortalama oranda hayatta kalsaydı, sadece %32,3 %325 %105 başarabilirdi. Bu, istatistiksel bağımsızlık altında beklenen sayıdır. Üçüncü sınıf yolcular ortalama oranda hayatta kalsaydı, 528 değil sadece %66.7 % 706 % 478 ölecekti.
Önceki bölümlerde gördüğümüz gibi, beklenen sayılar ile gerçek mutlak frekans arasındaki farklar, değişkenler arasındaki ilişki hakkında bize genel bir fikir verir. Ancak daha yakın analiz için, farklar, beklenen sayıların (std. kalıntı) köküne bölünerek standartlaştırılmalıdır. Standart değerlerin karesi, her hücre için ki-kareyi verir.
Standartlaştırılmış artıklar için pozitif değerler, beklenen sıklığa göre ortalamanın üzerinde (deneysel) bir frekansı ifade eder; negatif değerler, beklenen sıklığa göre ortalamanın altında (ampirik) bir frekansı ifade eder. Birinci sınıf yolcuların hayatta kalma değeri 9,5, üçüncü sınıf yolcuların hayatta kalma değeri 3,3 – sırasıyla ortalamanın üstünde ve ortalamanın altında. Tüm standartlaştırılmış artıklar sıfırdan çok uzakta olduğu için, bir tür ilişkilendirme olduğunu varsayabiliriz.
İlişki, nispeten yüksek ki-kare değeri ve nispeten yüksek birlik ölçüsü ile doğrulanır. Burada phi katsayısının uygulanmasına izin verilir – bir 4 2 tablosu – 2 k veya m 2 tabloları her zaman Cramer’s V ve phi için aynı değerleri verir. Cramer’s V (0.292) sadece orta derecede utangaç bir birlikteliği gösterir, ancak Cramer’s V’de her zaman olduğu gibi, ilişkilendirmenin varsayılan olup olmadığı – örneğimizde birinci sınıf yolcular arasında üçüncü sınıf yolculara göre daha yüksek bir hayatta kalma oranı yolcular – gerçek ve beklenen frekanslar arasında standartlaştırılmış artıklar karşılaştırılarak doğrulanmalıdır.
Çoklu Serili Korelasyon Katsayısı Cramer V katsayısı Dörtlü korelasyon katsayısı Korelasyon katsayısı PHI değeri Phi ne Demek Phi number Phi symbol