Regresyonun Homojenliği – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
Regresyonun Homojenliği
Regresyonun homojenliği varsayımını değerlendirirken aradığımız şey, ortak değişkenden bağımlı değişkeni öngören bireysel grup regresyon fonksiyonlarının aynı olup olmadığıdır. Bağımsız Değişken × Ortak Değişken etkileşim etkisini elde etmek, bu varsayımı test etmemizi sağlar; etkileşim etkisi istatistiksel olarak anlamlı değilse, regresyon varsayımının homojenliğine uyduğumuzu varsayıyoruz.
Ana IBM SPSS menüsünden Analyze ➔ General Linear Model ➔ Univariate öğesini seçin. Bu, gösterilen ana Tek Değişkenli iletişim penceresini açar. Bunu Sabit Faktör olarak Teaching_method, bağımlı değişken olarak Exam_grade_dv ve Ortak Değişken olarak math_ability_cov ile yapılandırdık.
Gösterilen diyalog ekranına ulaşmak için Model butonunu seçin. Model Belirttiğimiz alanda Custom seçiniz. Bu seçim, pencerenin her iki yanındaki iki paneli açar ve Oluşturma Terim(ler)i açılır menüsünü etkinleştirir. Terimleri Oluştur altındaki açılır menüden Ana efektler’i seçin ve Model panelinde Teaching_method ve math_ability_cov öğelerine tıklayın.
Şimdi Terim(ler)i Oluştur açılır menüsünden Etkileşim’i seçin (Ana efektler seçiminin yerine). Hem Teaching_method hem de math_ability_cov’u seçin (değişkenleri birer birer seçerken Ctrl veya Shift tuşunu basılı tutarak) ve Model paneline tıklamak için ok düğmesini kullanın. Bunun sonucu gösterilmektedir. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.
Bizi ilgilendiren tek çıktı, özet tabloda gösterilen öğretme_yöntemi*math_yetenek_cov etkileşiminin istatistiksel anlamlılığının testidir. Özet tablosunda görülebileceği gibi, etki .548 (p = .584) F oranı ile istatistiksel olarak anlamlı değildir. Bu nedenle, regresyonun homojenliği varsayımının ihlal edilmediğini varsayıyoruz ve ANCOVA ile devam ediyoruz.
ANALİZ KURULUMU: ANCOVA
Analiz Et ➔ Genel Doğrusal Model ➔ Tek Değişken’i seçin. Ana iletişim penceresini regresyonun homojenliği varsayımını test ederken yaptığımız gibi, Teaching_method Sabit Faktör olarak, Exam_grade_dv bağımlı değişken olarak ve Math_ability_cov Ortak Değişken olarak yapılandırın. Model penceresinde, Modeli Belirt’i Tam faktöriyel olarak ayarlayın.
Görüntülenen Seçenekler iletişim penceresinde, Homojenlik testleri (düzeltilmiş puanlar üzerinde eşit grup varyanslarının Levene testini elde etmek için); Tanımlayıcı istatistikleri talep etmiyoruz çünkü (a) ilk ANOVA’mızdan gözlemlenen puanlarda bunlara zaten sahibiz ve (b) kovaryans analizi, gözlemlenen puanlar değil düzeltilmiş puanlar üzerinde gerçekleştirilir.
Ayarlanan araçları Seçenekler iletişim penceresinden elde ederiz. Gösterildiği gibi, Seçenekler penceresinin üst yarısında Tahmini Marjinal Ortalamalar alanında, Faktör(ler) ve Faktör Etkileşimleri panelinden Teaching_method seçip, Display Means for paneline tıklıyoruz. Bu araçlar, IBM SPSS tarafından tahmini marjinal ortalamalar olarak etiketlenir ve en küçük kareler araçları olarak da bilinir: bunlar gruplarla ilişkili değerlerin (burada düzeltilmiş değerler) ağırlıksız araçlarıdır ve standart sapmalardan ziyade standart hatalarla birlikte gelirler.
Regresyon beta değeri Nedir
Regresyon analizi
Regresyon analizi PDF
Regresyon analizi yorumlama
Regresyon analizi makale
Regresyon analizi soru ve cevaplari
Regresyon Analizi ders notları
Basit regresyon Analizi
Ana efektleri karşılaştır için Gösterge Araçları panelinin altındaki onay kutusuna da tıklıyoruz. Bu noktaya kadar kullandığımız Post Hoc testleri düzeltilmiş puanlar için mevcut olmadığından tek yönlü kovaryans tasarımında çoklu karşılaştırma testleri bu şekilde elde edilir (post hoc testler yalnızca ham veya gözlemlenen veriler üzerinde kullanılabilir).
Güven aralığı ayarı açılır menüsünde, her bir araç çifti için ortalama farkları değerlendirmek için bir t testi kullanan üç çoklu karşılaştırma testi vardır. Aralarındaki temel fark, alfa seviyesi (Tip I hata) enflasyonunu nasıl kontrol ettikleridir:
• LSD. Bu, En Az Önemli Fark testidir ve alfa düzeyi enflasyonunu kontrol etmez. Bu nedenle, üçünün en güçlüsüdür (diğer ikisinden daha “önemli” farklılıklar tespit edecektir) ancak karşılaştırmalar gerçekten daha az katı alfa seviyelerinde değerlendirilmektedir. Bir veya iki a priori tahmini test ederken kullanılması uygun olabilir, ancak genellikle keşif amaçlı olarak önerilmez.
• Bonferroni. Adını matematikçi Carlo Emilio Bonferroni’den alan bu ikili t testi seti, normalde kullanılan .05 düzeyini karşılaştırma sayısına bölerek alfa enflasyonunu kontrol eder; buna alfa düzeyine Bonferroni düzeltmesi denir. Mevcut üç yöntemden en muhafazakar olanıdır ve muhtemelen en sık kullanılanıdır.
• Sidak. Adını matematikçi Zbynek Sidak’tan alan bu ikili t testi seti, Bonferroni yönteminin biraz daha fazla güç ekleyen (Bonferroni düzeltmesinden biraz daha az muhafazakar) ancak yine de nispeten muhafazakar olan bir varyasyonudur.
Açılır menüden Bonferroni prosedürünü seçiyoruz. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.
ANALİZ ÇIKTI: ANCOVA
Üstteki tablo, Levene’nin hata varyanslarının eşitliği testinin sonuçlarını göstermektedir. F oranı .105’tir (p = .901), varyans varsayımının homojenliğini karşıladığımızı gösterir. Bu Levene F değerinin düzeltilmiş puanlara dayandığını ve gözlemlenen puanlarda hesaplanandan farklı bir sonuç verdiğini unutmayın.
Alt tablo, standart hatalarıyla birlikte tahmini marjinal ortalamaları göstermektedir. Bu araçların, gösterilen gözlemlenen araçlardan farklı olduğuna dikkat edin; tahmin edilen marjinal ortalamalar, matematik yeteneği nedeniyle varyansın istatistiksel “kaldırılmasını” yansıtır ve gözlemlenen ortalamalardan daha büyük farklılıklar gösterir.
Omnibus ANCOVA için özet tablosunu gösteriyoruz. Math_ability_cov’un hem ortak değişkeni hem de öğretim_metodunun bağımsız değişkeninin etkisi istatistiksel olarak anlamlıdır.
Öğretme_yöntemi için eta kare değeri, karelerinin toplamının (469.055) Düzeltilmiş Toplam kareler toplamına (6155.000) bölünmesiyle hesaplanır ve .076 değerini verir. Math_ability_cov için eta kare değeri, karelerinin toplamının (4460.331), Düzeltilmiş Toplam kareler toplamına (6155.000) bölünmesiyle hesaplanır ve .725 değeri elde edilir.
Tahmini marjinal ortalamaların Bonferroni tarafından düzeltilmiş ikili karşılaştırmaları gösterilmektedir. İkili Karşılaştırmalar tablosu bir miktar fazlalık içerir. Her ana sıra, üç gruptan birine odaklanır ve diğer ikisini onunla karşılaştırır. Standart yönteme odaklanan ilk büyük satırı düşünün. Bu yöntem için tahmini marjinal ortalama ile sosyal yöntem için tahmini marjinal ortalama arasındaki fark 61.211-67.167 veya -5.956’dır.
Bu fark istatistiksel olarak anlamlı değildir (p = .161). Ancak, standart yöntem için tahmini marjinal ortalama ile CAI yöntemi için tahmini marjinal ortalama arasındaki fark 61.211−70.122 veya -8.911’dir ve istatistiksel olarak anlamlıdır (p = .016). Diğer satırları incelemek, bunun tek güvenilir fark olduğunu gösteriyor.
ANCOVA’ya dayanarak, matematik yeteneğinin etkilerini kontrol ederken, sosyal yöntemin standart yöntemden daha etkili olmadığı, ancak CAI yönteminin standart yöntemden daha iyi olduğu sonucuna varabiliriz.
Bu sonucun orijinal ANOVA’mızda elde ettiğimizden farklı olduğuna dikkat edin; Matematik becerisini hesaba katmadan, araştırmacılar hatalı bir şekilde iki alternatif öğretim yönteminin eskiden kullandıklarından daha etkili olmadığı sonucuna varabilirlerdi, oysa matematik becerisini hesaba kattığımızda, bilgisayar temelli yöntem görünür hale geliyor. okul bölgesi tarafından şu anda kullanılandan daha iyi olmalıdır.
Basit regresyon Analizi Regresyon analizi Regresyon Analizi ders notları Regresyon analizi makale Regresyon analizi pdf Regresyon Analizi soru ve CEVAPLARI Regresyon analizi yorumlama Regresyon beta değeri Nedir