Standart Sapmalar – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
ANALİZ ÇIKIŞI
Ortalamalar, standart sapmalar ve örnek boyutları ile Tanımlayıcı İstatistikler gösterilir. Box testinin, Mauchly’nin küresellik testinin ve Levene testinin sonuçlarını gösterir. Box’ın Kovaryans Matrislerinin Eşitliği Testi, bağımlı değişken kovaryans matrislerinin bağımsız değişkenin (ad_campaign) seviyeleri boyunca eşit olduğu varsayımını test eder; bu veri setinde varsayım karşılanmıştır (Box’s M = 11.245, p = .582). Veriler ayrıca küresellik varsayımını karşılıyor gibi görünmektedir.
Levene’nin varyans homojenliği testi, ön test, son 1 ve son 2 için istatistiksel olarak önemsiz sonuçlar verdi, ancak son 3 için istatistiksel olarak anlamlı bir sonuç gösterdi (p = .041). Ancak, sadece dört değerlendirme ile bile, burada alfa enflasyonu riski vardır; daha katı bir Bonferroni düzeltmeli alfa seviyesi (.05/istatistiksel test sayısı) bize .05/4 veya .0125 düzeltilmiş bir alfa seviyesi verir ve bu da Levene testini post3 için önemsiz kılar. Bu nedenle, anlamlılık seviyeleri .05 işareti civarında gezinen herhangi bir denek içi etkiye karşı muhtemelen dikkatli olmalıyız.
ANOVA özet tablolarını görüntüler; IBM SPSS’nin Tekrarlanan Ölçümler prosedürü, yalnızca indirgenmiş modeli rapor eder, böylece çıktı basitleştirilir. Her üç etki de istatistiksel olarak anlamlıdır (p < .001). Etkileşim etkileri ana etkilerin önüne geçtiğinden, bu etkiye odaklanıyoruz. Varyansın denek içi bölümü için toplam kareler toplamı 5566.050 + 2343.250 + 839.200 veya 8748.500’dür. Bu nedenle, etkileşim için eta kare değeri 2343.250/8748.500 veya .268’dir, bu da etkileşim etkisinin denek içi varyansın yaklaşık %27’sini açıkladığını gösterir.
Etkileşim etkisinin grafiği sunulur ve desen veya grup profillerindeki farkın görsel olarak incelenmesi genel hikayenin çoğunu anlatır. Her iki reklam kampanyası da erken çalışıyor gibi görünüyordu, ancak medya saldırısı (düz çizgi) ikinci hafta (X ekseninde satış3) hedeflenen kampanyaya geri dönüyordu ve hedeflenen kampanya artan satışlar üretmeye devam ederken, rotasını hemen hemen tamamlamıştı.
Satışların ana etkisini arsada da görebiliriz, çünkü her iki işlev de ön testten (satış1) satışta4 nihai ölçüye yükselir, ancak artışın her grup için farklı bir oran veya örüntü gösterdiği ve bu fikri güçlendirdiği açıktır. etkileşimin, içinde ana etkiden daha ayrıntılı bilgi içerir.
Araçların planında görebildiklerimizin detayları basit efekt testlerinde ortaya çıkıyor. İlk basit efekt testleri seti (sözdizimindeki ilk /EMMEANS = TABLES alt komutu), her bir zaman periyodu için iki ad_campaign düzeyinin karşılaştırılması çağrısında bulundu ve bu sonuçlar gösterilmektedir.
İkili Karşılaştırmalar tablosundan görülebileceği gibi (İkili Karşılaştırmalar tablosunun nasıl okunacağı için Bölüm 49’a bakın), iki widget piyasası seti ön test (tabloda satış1) döneminde satışlarda karşılaştırılabilirdi (p = .847); bu nedenle, rastgele atama, karşılaştırılabilir iki grup oluşturmada etkiliydi. İlk haftanın sonunda (tablodaki satış2), gruplar widget satışlarında hala karşılaştırılabilir durumdaydı (p = .518). Ancak, son iki ölçüm zamanında, hedeflenen pazarlama kampanyası, medya yıldırım kampanyasından önemli ölçüde daha fazla widget satışıyla sonuçlandı.
Etkileşim planının önerdiği hikayenin diğer yarısı, her bir reklam kampanyası türü için dört zaman aralığının karşılaştırıldığı ikinci basit efekt analizleri setinde aktarılır. Medya yıldırımı kampanyası için, satışlar ön testten (tabloda satış1) son 2’ye (tabloda satış3) yükseldi, ancak son 2 ve son 3’ün (tabloda sırasıyla satış3 ve satış4) önemli ölçüde farklı olmadığı bir noktada dengelendi.
Ancak, hedeflenen pazarlama kampanyası için, her ölçüm döneminde widget satışları önemli ölçüde arttı. Her şey söylendiğinde ve yapıldığında, etkisinin medya yıldırım kampanyasıyla ilişkili olandan daha uzun bir süreye yayıldığı için hedeflenen pazarlama kampanyasının ikisi arasında daha iyi olduğu sonucuna varabiliriz.
Standart sapma hesaplama
Standart sapma ve aritmetik ortalama arasındaki ilişki
R da standart sapma
Standart sapma nasıl yorumlanır
Standart sapma başarı ilişkisi
Standart sapma sembolü
Kitle standart sapması
Standart sapma ne işe yarar
Konular Arası Tek Yön MANOVA
ANOVA, analizde yalnızca bir bağımlı değişken olduğu için tek değişkenli bir prosedür olarak tanımlanır. Ancak birçok araştırma bağlamında, çalışmadaki vakalar bağımsız değişkenlerden birden fazla şekilde etkilenir ve bu bir olasılık olduğunda, vakaları çoklu bağımlı değişkenler üzerinden değerlendirmek faydalıdır. Her bağımsız değişken düzeyindeki durumları iki veya daha fazla bağımlı değişken üzerindeki performanslarına göre karşılaştırdığımızda, kullandığımız tasarım çok değişkenli bir ANOVA’dır (MANOVA).
Bir MANOVA’nın temel özelliği, en azından analizin ilk bölümünde, bağımlı değişkenlerin birbirinden ayrı olarak analiz edilmek yerine bir küme olarak ele alınmasıdır. Bu bölümde, k seviyeli tek bir bağımsız değişkene ve iki veya daha fazla bağımlı değişkene sahip olduğumuz denekler arası tek yönlü tasarımı ele alıyoruz.
Bir MANOVA’da kullandığımız strateji, kapsanan bir konu olan diskriminant fonksiyon analizine yakından bağlıdır. Stratejideki ilk adım, tipik olarak, çok yönlü MANOVA sonuçlarını inceleyerek gruplar arasında çok değişkenli farklılıklar olup olmadığını belirlemektir. Varsa, araştırmacılar normalde araştırma odağına bağlı olarak her iki sırada da iki ek analiz yaparlar. Bir analiz, grupların farklılık gösterdiği gizli boyutları belirlemektir; böyle bir çok değişkenli yaklaşım, diskriminant fonksiyon analizi ile gerçekleştirilir. Diğer bir analiz, MANOVA sonuçlarından gerekçelendirildiği gibi etkileri inceleyerek her bir bağımlı değişken üzerinde tek değişkenli ANOVA’lar yapmaktır.
Bir MANOVA’daki istatistiksel amaç, çoklu regresyonda meydana gelene benzer şekilde bağımlı değişkenlerin ağırlıklı doğrusal bir bileşimini (bir değişken) oluşturmaktır. Ancak MANOVA’da ağırlıklar, grupların maksimum düzeyde farklılaştırılacağı şekilde oluşturulur.
Diskriminant fonksiyonunun (bağımlı değişkenlerin ağırlıklı lineer bileşimi) çözülmesinden elde edilen değer, bir diskriminant skorudur (yani, her durum için bir diskriminant skoru hesaplanır) ve her bir bağımlı değişkene atanan ağırlıklar, maksimum ayırma hedefine ulaşır. (farklılaştırma) grupları ortalama ayırt edici puanlarına göre. Gruplar daha sonra bir ANOVA kullanılarak ancak analizde bağımlı değişken olarak ayırt edici skor (değişkeni veya “süper değişkeni” temsil eden) kullanılarak karşılaştırılır.
MANOVA’yı en etkili şekilde kullanmak için, bağımlı değişkenlerin orta derecede ila orta derecede korelasyonlu olması en iyisidir. Çok yüksek oranda bağıntılı değişkenler gereksizdir ve bunların ayrı, bağımsız ölçüler olduklarını iddia etmek anlamsızdır (ve belki biraz çarpıtıcıdır).
Zar zor ilişkili olan değişkenler, ayrı tek değişkenli ANOVA’larda en iyi şekilde doğrudan analiz edilebilir, çünkü bunları bir değişkende birleştirmek, birbirleriyle ilişkili olmadıkları düşünüldüğünde çok az teorik anlam ifade eder. Genel olarak, yaklaşık olarak .30–.60 aralığında bağımlı değişkenler arasında korelasyonların olması tercih edilir.
IBM SPSS® tarafından üretilen bağımsız değişkenin etkisinin (Pillai’s Trace, Wilks’ lambda, Hotelling’s Trace ve Roy’s Largest Root) dört çok değişkenli testi vardır. Her biri çok değişkenli bir F oranına dönüştürülür ve istatistiksel anlamlılık açısından test edilir.
Grup farklılıklarının altında yatan gizli boyutları belirlemek yerine grupların ortalamalarını karşılaştırmaya odaklanılıyorsa (bu bölümde olduğu gibi) ve çok değişkenli testler grupların ayırt edici puanlarında önemli ölçüde farklılık gösterdiğini gösteriyorsa, sonuçları inceleriz. her bir bağımlı değişkenin ayrı ayrı analiz edildiği tek değişkenli ANOVA’ların; bu tek değişkenli ANOVA’lar, varsayılan çıktının bir parçası olarak IBM SPSS tarafından kolaylıkla üretilir.
Araştırmacılar, revize edilmiş bir alfa seviyesi oluşturmak için .05’in bağımlı değişken sayısına bölündüğü Bonferroni düzeltmesi gibi ANOVA’ları incelerken genellikle bir alfa seviyesi enflasyon düzeltmesi uygulayacaktır. Bağımsız değişkenin (düzeltilmiş alfa düzeyi kullanılarak) istatistiksel olarak anlamlı her etkisi, hangi grupların diğerlerinden önemli ölçüde farklı olduğunu belirlemek için çoklu karşılaştırma testine (ikiden fazla düzey varsa) tabi tutulur.
Kitle standart sapması R da standart sapma Standart sapma başarı ilişkisi Standart sapma hesaplama Standart sapma nasıl yorumlanır Standart sapma ne işe yarar Standart sapma sembolü Standart sapma ve aritmetik ortalama arasındaki İlişki