Bu kurgusal örnek, 142 farklı hastaneden 4500 hastanın sonuçlarını sağlar ve veri dosyasının hasta iyimserliği adlı bir bölümünün ekran görüntüsü gösterilir. Sonuç (bağımlı) değişken, bu hastalar için 0 ile 100 arasında değişebilen bir envanter olan Hasta Tarafından Raporlanan Sonuç Ölçütlerinde (PROM’lar) puandır ve daha yüksek puanlar daha fazla algılanan sağlık ve yaşam kalitesini gösterir; değişken, bağımlı değişken olduğunu açıklığa kavuşturmak için prom_dv olarak adlandırılır.

142 hastane, verilerin hiyerarşik yapısını temsil etmektedir; bu tanımlama kodları hastanenin kategorik değişkeninde yer almaktadır. Ayrıca bu hastaneleri değişken türü altında ya eğitim vermeyen (veri dosyasında 0 olarak kodlanmış) ya da eğitim veren (veri dosyasında 1 olarak kodlanmış) hastaneler olarak ikiye ayırdık.

Veri dosyasındaki tek nicel tahmin değişkeni iyimserliktir ve daha yüksek puanlar daha fazla iyimserliği gösterir. Bu değişken, L1_optimism_C değişken adı altında Düzey 1’de genel ortalama merkezlidir. Bu değişken üzerindeki puanlar, bireysel hasta iyimserlik puanı ile toplam örneklem (genel) iyimserlik ortalaması (L1_optimism_C = iyimserlik – genel ortalama) arasındaki farkı yansıtır. L1_optimism_C’nin ortalaması, yani büyük ortalama merkezli değişken için örneğin ortalaması sıfırdır.

ANALİZ STRATEJİSİ

Düzey 2 merkezli iyimserlik değişkeninin nasıl oluşturulacağını göstererek başlıyoruz.

Bu, aşağıdaki üç adımı gerektirir:

• Her hastaya, grubun ortalama iyimserlik puanına eşit Düzey 2 değişkeninde bir puan vermemiz gerekiyor. Bu, Toplama işlevi kullanılarak gerçekleştirilir.
• Daha sonra genel ortalamayı hesaplıyoruz (bu, Düzey 1 merkezleme için yapılmalıydı).
ancak okuyuculara göstermek için tekrar üretiyoruz).
• İlk adımda oluşturulan her hasta için toplam puanlardan genel ortalamayı çıkarırız.

Daha sonra çok seviyeli modelleme analizleri setini gerçekleştiririz. Daha basit bir modelle başlayıp genellikle daha karmaşık modellere doğru inşa ederek bir dizi modeli incelemek için çok düzeyli bir modelleme analizi yapmak yaygın bir uygulamadır.

Aşağıdaki beş model setini yapılandırıyoruz:

• Koşulsuz Model. Herhangi bir çok düzeyli modelleme analizindeki ilk adım, Düzey 2 değişken(ler)iyle ilişkili bağımlı değişkenin varyans miktarını değerlendirmektir. Örneğimizde, ICC, çalışmadaki 142 hastane arasındaki farklılıklarla açıklanan prom_dv puanı varyansının miktarını açıklamaktadır. Bu koşulsuz model, sonraki modelleri değerlendirmek için kullandığımız bir temel olarak hizmet eder.
• Karışık Düzey 1 Modeli. İlk tahmine dayalı model, prom_dv puanlarını tahmin eden (bireysel) Düzey 1 merkezli iyimserliğin Sabit ve Rastgele Etkilerini içerir.
• Karışık Düzey 2 Modeli. Bu model, prom_dv puanlarını tahmin etmek için (bireysel) Düzey 1 iyimserliğiyle birlikte hastane türünün Sabit ve Rastgele Etkilerini birleştirir.
• Hiyerarşik Bir Model. Bu model, karma Düzey 2 modeline hastanenin iyimserlik düzeyini (2. Düzey merkezli değişken) ekler.
• Bir Etkileşim Modeli. Bu model, hiyerarşik modele hastanenin Düzey 2 iyimserlik düzeyi ile hastane türünün etkileşim etkisini ekler.

Süreksiz değişken örnekleri
Sürekli değişken örnekleri
Değişken türleri
Ara değişken örnekleri
Sürekli süreksiz değişken
Bağımlı değişken nedir
Kesikli ve sürekli değişken istatistik
Nitel değişkenler

İYİMİZM DEĞİŞKENİNİN TOPLANMASI

Belirli bir hastane için ortalama değeri o hastaneyle ilişkili tüm hastalara atamanın en doğrudan yolu, iyimserlik değişkenini hastaneye göre toplamaktır. Bir değişkeni toplamak, bir grubun her bir üyesine, belirlenmiş bir işlev (örneğin, bir ortalama) tarafından hesaplanan belirli bir değeri atamak demektir.

Hasta iyimserliğini açıyoruz ve ana menüden Analiz ➔ Veri ➔ Toplama seçimini yaparak görülen Toplama penceresini açıyoruz. Hastaneyi Break Değişken(ler) paneline taşıyoruz. Fren Değişkeni, grupları tanımlamanın temelidir; burada her hastane bir grup olacaktır.

İyimserliği Değişken(ler)in Özetleri paneline taşıyoruz. Bu, değerlerini toplamak istediğimiz değişkendir. Değişkeni panele taşıdığımızda IBM SPSS otomatik olarak iki şey yapar:

• Varsayılan fonksiyon olarak ortalamayı belirtir. Bu, eşittir işaretinin ardından MEAN(iyimserlik) ifadesi ile temsil edilir. Parantez içindeki değişken, toplanacak değişkendir (ve panele taşıdığımız değişkendir).
• Toplanacak değişkene genel bir ad atar. İşte, bu isim optimizm_mean.

Function butonunu seçiyoruz. Bu eylem, Toplama İşlevi penceresini açar; bunu sadece okuyuculara neye benzediğini göstermek için sunuyoruz (varsayılan işlev – ortalama – hesaplamak istediğimiz şeydir).

Fren Değişkenimizin her seviyesindeki puanların medyanı, toplamı ve standart sapmasını hesaplamak da dahil olmak üzere, değişkenimizi toplamanın birkaç yolu vardır. Burada her hastane için ortalama iyimserlik değerini hesaplamak istiyoruz ve bu nedenle varsayılan işlevi kabul ediyoruz ve Devam’ı seçiyoruz.

Ad ve Etiket düğmesinin seçilmesi, gösterilen Ad ve Etiket penceresini açar. Düzey 2 değişken olduğu fikrini yansıtmak için optimism_groupmean adını oluşturuyoruz ve Devam’ı tıklıyoruz. Tamam’ı tıkladığımız yerde yapılandırılmış Toplama penceremiz gösterilir.

2. DÜZEYİ MERKEZLEME

Düzey 2 optimizm_grouportalama değişkenini ortalamak için, her puandan genel iyimserlik ortalamasını çıkarmalıyız. Bu nedenle, büyük ortalamanın değerini belirlememiz gerekiyor ve bunu, Betimleyiciler prosedüründe orijinal iyimserlik değişkenini ve iyimserlik_grup ortalamasını analiz ederek yapıyoruz.

Hem iyimserlik_grup ortalaması hem de iyimserlik değişkenleri için  gösterilen sonuçlar, 56.7567 iyimserlik_grup ortalaması için büyük bir ortalama ve 56.76 iyimserlik için büyük bir ortalama vermiştir. Minimum, Maksimum ve Std’deki farklılıklar. İyimserlik_ grup ortalaması ve iyimserlik arasındaki sapma, ilk değişken grup ortalamalarını temsil ettiğinden ve ikinci değişken bireysel puanları temsil ettiğinden elde edilir.

Daha sonra,  gösterildiği gibi optimizm_grouportalama değişkeninden genel ortalamayı (56.7567) çıkararak ortalanmış Düzey 2 değişkenimizi (L2_optimism_C olarak adlandırılacak) hesaplıyoruz (optimism_grouportalama değişkeni yalnızca bir ara adımı temsil ettiğinden, bu değişkeni görsel gösterimi basitleştirmek için çok seviyeli modelleme analizleri için değişken listesi).

ANALİZ KURULUMU: KOŞULSUZ MODEL

Artık ilki koşulsuz model olan çok düzeyli modellerimizi değerlendirmeye başlamaya hazırız. Hasta iyimserliği veri dosyası açıkken Ana menüden Analiz ➔ Karma Modeller ➔ Doğrusal seçim yapıyoruz. Bu eylem, gösterilen ilk Konuları Belirt ve Tekrarlanan penceresini görüntüler. Bu pencerede kümeleme değişkenini tanımlıyoruz.

Hastalarımızın farklı hastanelerle ilişkilendirilerek organize (kümelenmiş/iç içe) olduğunu belirtmek için hastaneyi Konular paneline taşıyoruz. Bu, hastaneler arasındaki herhangi bir farklılığın çok düzeyli analizde istatistiksel olarak kontrol edileceğini belirtir (yani, bir ortak değişken olarak hizmet edecektir). Boylamsal bir değişkenimiz olmadığı için Repeated panelini boş bırakıyoruz. Ana Doğrusal Karışık Modeller penceresine ulaşmak için Devam düğmesini seçin.

Ana Doğrusal Karışık Modeller penceresi gösterilir. prom_dv’yi Bağımlı Değişken paneline yerleştiririz ancak herhangi bir tahmin edici belirtmeyiz (bunlar Faktör(ler) veya Ortak Değişken(ler) paneline yerleştirilirler). Modeldeki tek etki, hastanenin Denekler değişkeni olacaktır.

Veri setimizdeki hastanelerin ülkedeki tüm hastanelerden rastgele seçildiğini varsayıyoruz; Bu varsayım göz önüne alındığında, hastaneyi rastgele bir etkiyi temsil eden olarak tanımlayacağız. Açılır menüden varsayılan Kovaryans Türü Varyans Bileşenlerini koruyoruz; modele öngörücüler eklemeye başladığımızda, farklı bir Kovaryans Türü çağırmayı seçebiliriz.

Hastaneyi rastgele bir efekt olarak belirlemek için Random butonunu seçiyoruz; bu seçim gösterilen ekranı açar. Pencerenin üst kısmına doğru Rastgele Efektler alanında Include Intercept’i işaretliyoruz. Pencerenin alt kısmındaki Konu Gruplamaları alanında, hastaneyi Kombinasyonlar paneline taşıyoruz. Ana pencereye dönmek için Devam’a tıklayın ve İstatistikler butonunu seçin.

İstatistikler penceresi gösterilir. Model İstatistikleri altında Parametre tahminlerini ve kovaryans parametreleri için Testleri kontrol edin. Çıktı oldukça uzun olduğu için, amaçlarımız için, Tanımlayıcı İstatistikleri (her hastane için hasta sayısını ve bağımlı değişkenin ortalamasını ve standart sapmasını sağlayan) veya Vaka İşleme Özetini (bu sayıyı sağlayan) talep etmiyoruz.  Ana pencereye dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

The post DEĞİŞKENLERİN TOPLANMASI – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

Üç Evet-Hayır Değişkeni İçin Veri Organizasyonu

Şimdi üç kategorik değişken arasındaki ilişkileri inceleyeceğiz. Bu örneğe ilişkin veriler, Chicago’daki 75 topluluk alanındaki kalabalıklaşma ve antisosyal davranış araştırmasından alınmıştır (ders kitabının Tablo 6.45’ine bakınız). Sosyoekonomik statü (“SES”), nüfus yoğunluğu (“pop dens”) ve suçluluk oranı (“delinq”) arasındaki ilişkileri incelemek için toplulukların üç özelliği çapraz sınıflandırılır. Her değişken ikilidir ve 1=düşük ve 2=yüksek olarak kodlanmıştır. Bu nedenle, bu 2 x 2 x 2 bir tablodur (yani, her biri 2 seviyeli üç değişken). Bu veri dosyasının adı “delinq.sav.”

2 x 2 x 2 frekans tablosu Tablo 6.1’de yeniden verilmiştir. Bu, biri yüksek SES toplulukları için diğeri düşük SES toplulukları için olmak üzere 2 x 2 tablodan oluşan bir çift olarak görüntülenen üç yönlü bir tablodur.
Değişkenler arasındaki ilişkileri anlamak için göstereceğimiz yaklaşım, değişken çiftleri arasındaki “marjinal” ilişkiyi incelemektir.

Marjinal ilişkilendirme, üç değişken çifti için 2 x 2 sıklık tablosunun incelenmesini içerir: SES x pop_dens, SES x delinq ve pop_dens x delinq. Üç tablo Şekil 6.5’te görülmektedir. SPSS for Windows’un bu üç tabloyu üretmesi için Bölüm 6.1’deki adımları kullanarak üç ayrı 2 x 2 tablo oluşturmanız gerekir.

Üstteki tablo, suçluluk ve nüfus yoğunluğu arasındaki ilişkiyi göstermektedir. İkinci ve üçüncü tablolar, sırasıyla, sosyoekonomik durumun nüfus yoğunluğu ve suçluluk ile ilişkisini göstermektedir. Örneklemek gerekirse, orta tablodaki veriler şunları göstermektedir: örneklemdeki 75 topluluktan 34’ü (%45,3) düşük nüfus yoğunluğuna sahiptir. Bu 34 düşük nüfuslu topluluktan sadece 5’i (%14,7) daha düşük sosyoekonomik statü koşullarına sahiptir.

Tablo 6.1, 2 x 2 marjinal çapraz tabloların herhangi birinden daha fazla ayrıntı verir. Örneğin, yüksek SES toplulukları arasında 30’u (27 + 3) düşük düzeyde suçluluğa sahiptir ve bunların 27’si (%90) düşük nüfus yoğunluklu bölgelerdedir. SPSS doğrudan üç yollu bir tablo üretmeyecektir, ancak bunu üçüncü değişkenin her bir değeri için ayrı 2 x 2 tablolar üreterek yapar (örneğin, yüksek ve düşük SES toplulukları, ayrı ayrı). Sıklık tablolarının incelenmesine yönelik bu “koşullu” yaklaşım, Bölüm 6.3.2 ve 6.4’te tartışılmaktadır.

Daha Büyük Üç Yönlü Frekans Tabloları

Şekil 6.6, restoran özelliklerine ilişkin varsayımsal verileri içeren 3 x 3 x 2 bir tablodur. Restoranlar, servis ettikleri yemek türüne (makarna, Fransız, deniz ürünleri), yemek maliyetine (ucuz, orta, pahalı) ve restoranın bir zincirin parçası olup olmadığına (evet, hayır) göre sınıflandırıldı. Veriler “meal.sav” dosyasında bulunur.

Karşılıklı ilişkiler, biri zincir ve diğeri zincir olmayan restoranlar için olmak üzere iki adet 3 x 3 sıklık tablosunda görüntülenir. Bu tablolar, aşağıdaki prosedürler kullanılarak Windows için SPSS ile üretilmiştir. Veri dosyasını açtıktan sonra:

(1) Menü çubuğundan İstatistikler’e tıklayın.
(2) Açılır menüden Özetle’ye tıklayın.
(3) Çapraz Tablolar iletişim kutusunu açmak için Çapraz Tablolar’a tıklayın.
(4) “Yemek” değişkenini üzerine tıklayarak vurgulayın ve ardından sağ üstteki ok düğmesine tıklayarak onu Satır(lar) kutusuna taşıyın.
(5) Üzerine tıklayarak “maliyet” değişkenini vurgulayın ve ardından orta sağ ok düğmesine tıklayarak Sütun(lar) kutusuna taşıyın.
(6) “Zincir” değişkenini üzerine tıklayarak vurgulayın ve ardından sağ alt ok düğmesi ile ekranın alt kısmına yakın boş kutuya taşıyın.
(7) Tamam’a tıklayın.

Kategorik değişken nedir
Kategorik değişken örnekleri
Süreksiz değişken
Düzenleyici değişken nedir
Ara değişken nedir
Süreksiz değişken örnekleri
Bağımlı değişken nedir
Sürekli değişken nedir

Her tablo, bir restoran türü için yemek türü ve maliyeti arasındaki ilişkiyi gösterir. (Birinci tablonun zincir restoranlara, ikinci tablonun zincir olmayan restoranlara ait olduğuna dikkat edin.) Marjinal sayı ve yüzdeler, zincir restoranların yaklaşık olarak aynı sayıda makarna, fransız ve deniz ürünleri restoranına sahip olduğunu göstermektedir.

En yaygın maliyet kategorileri ucuz ve pahalıydı. Zincir olmayan restoranlar arasında, makarna veya deniz ürünlerinden daha fazla Fransız restoranı ve ucuz (%25) veya orta (%29,2) restoranlara göre daha pahalı restoranlar (%45,8) bulunmaktadır.

Üçüncü Değişkenin Etkileri

İki değişken arasındaki ilişki, üçüncü bir değişkenin belirli değerlerinde, yani iki değişken arasındaki “koşullu” ilişkide incelenebilir. Üçüncü bir değişken dikkate alındığında iki değişken arasındaki ilişki korunabilir, artırılabilir, azaltılabilir ve hatta tersine çevrilebilir.

Örnek olarak çocuk suçluluğu oranlarına ve nüfus yoğunluğuna ilişkin verilere tekrar bakalım; Tablo 6.2’deki frekanslar, düşük SES ve yüksek SES sayılarının toplanmasıyla elde edilir.

Düşük suçlu topluluklarının çoğunun düşük yoğunluklu alanlarda yer aldığını, yüksek suçlu toplulukların çoğunun ise yüksek yoğunluklu alanlarda bulunduğunu görüyoruz. Ayrıca, yüksek ve düşük suçluluk türlerinin sayılarının (35 ve 40), yüksek ve düşük nüfus sayılarının (34 ve 41) oldukça benzer olduğuna dikkat edin.

Şimdi üçüncü değişken dikkate alındığında suçluluk ile nüfus arasındaki ilişkiyi inceleyelim; bu değişken sosyoekonomik durumdur (SES). Windows için SPSS kullanılarak, aşağıdaki adımlar kullanılarak düşük SES ve yüksek SES toplulukları için ayrı tablolar elde edilir.

(1) Menü çubuğundan İstatistikler’e tıklayın.
(2) Açılır menüden Özetle’ye tıklayın.
(3) Çapraz Tablolar iletişim kutusunu açmak için Çapraz Tablolar’a tıklayın.
(4) “delinq” değişkenini üzerine tıklayarak vurgulayın ve ardından sağ üst ok düğmesine tıklayarak th{: Row(s) kutusuna taşıyın.
(5) “pop_dens” değişkenini üzerine tıklayarak vurgulayın ve ardından orta sağ ok düğmesine tıklayarak onu Sütun(lar) kutusuna taşıyın.
(6) “SES” değişkenini üzerine tıklayarak vurgulayın ve ardından sağ alt ok tuşu ile ekranın alt kısmına yakın boş kutuya taşıyın.
(7) Tamam’a tıklayın.

Sonuçlar gösterilmektedir. Bu tabloların, sırasıyla  sol ve sağ bölümlerinde verilenlerle aynı sonuçlara sahip olduğuna dikkat edin.

Desenler farklıdır. İlk olarak, SES düşünüldüğünde satır ve sütun sayılarının önemli ölçüde değiştiğine dikkat edin. Düşük SES alanları arasında, düşük suçlu topluluklardan çok daha fazlası vardır ve bunların çoğu (%94,3) yüksek yoğunluklu alanlardadır. Yüksek SES toplulukları arasında, yüksek suçluluğa kıyasla düşük suçluluk yüzdesi (%85,7) daha fazladır ve bunların çoğu düşük yoğunluklu bölgelerdedir. Bir anlamda SES, nüfus yoğunluğu ile çocuk suçluluğu oranları arasındaki ilişkiyi “açıklar”.

The post Üç Kategorik Değişken – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

Bir korelasyon katsayısının hesaplanmasında yalnızca her iki değişken için değerleri olan durumlar kullanılabilir. SPSS’nin eksik değerlere sahip durumları ortadan kaldırmasını sağlamanın iki yolu vardır: “liste bazında silme” ve “çift silme”. Örnek olarak, veri dosyamızdaki üçüncü vakanın yazılı testte bir puanın eksik olduğunu varsayalım.

Üçüncü durum, tüm değişkenler hakkında tam bilgiye sahip olmadığı için, liste bazında silme, üçüncü durumu tüm korelasyon katsayılarının hesaplanmasından çıkarır. Tüm korelasyonlar kalan 27 vakadan hesaplanır. İkili silme, yalnızca yazılı testi içeren korelasyonları hesaplarken üçüncü durumu ortadan kaldırır; bu nedenle bazı katsayılar 27 gözleme, diğerleri ise 28’in tümüne dayalı olacaktır.

SPSS’deki varsayılan seçenek, her katsayı için maksimum vaka sayısını kullanan ikili silmedir. İki Değişkenli Korelasyonlar iletişim kutusunun Seçenekler düğmesine tıklayarak liste bazında silme talebinde bulunabilirsiniz.

ÇOK DEĞİŞKENLİ VERİLERİN ÖZETİ:

KATEGORİK DEĞİŞKENLER ARASINDAKİ İLİŞKİ

Bu bölümde, iki veya ikiden fazla kategorik değişken arasındaki ilişkilerin nasıl inceleneceğini göstereceğiz. Bu yöntemler, sayıları ve ilişki modellerini temsil eden sıklık tablolarına dayanır.

İkiye İki Frekans Tabloları

Bilgiler aynı anda iki sınıflandırma kullanılarak kategorize edildiğinden, bir sıklık tablosundaki verilerin özetlenmesine çapraz tablolama denir. Örneğin, içinde belirli sayıda kadın ve erkek bulunan bir örneğimiz olabilir. Numunede çok sayıda beyaz ve azınlık da olabilir. Bölüm 2’den, Frekanslar prosedürünü kullanarak bir değişkenin frekanslarını bulabileceğimizi hatırlayın.

Ancak, veri dosyasında kaç tane beyaz kadın veya azınlık erkek olduğu hemen belli olmayabilir. Bu, tüm değerlerin eşzamanlı oluşum sayılarını inceleyen Çapraz Tablolama prosedürü kullanılarak gerçekleştirilir. Örneğin, itfaiyeci adayları hakkında performans bilgilerinin bulunduğu itfaiyeci ~ata dosyasındaki (“fire.sav”) verileri açın.

Cinsiyete göre iki yönlü bir ırk sıklık tablosu oluşturmak için şu adımları izleyin:

(1) Menü çubuğundan İstatistikler’e tıklayın.
(2) Açılır menüden Özetle’ye tıklayın.
(3) Gösterilen Çapraz Tablolar iletişim kutusunu açmak için Çapraz Tablolar’a tıklayın.
(4) Üzerine tıklayarak “cinsiyet” değişkenini vurgulayın ve ardından sağ ok düğmesine tıklayarak onu Satır(lar) kutusuna taşıyın.
(5) Üzerine tıklayarak “ırk” değişkenini vurgulayın ve ardından sağ ok düğmesine tıklayarak Sütun(lar) kutusuna taşıyın.
(6) Tamam’a tıklayın.

Varsayılan olarak, bu, satırın (“sex”) sütun (“ırk”) değişkenlerine göre bir çapraz tablosunu üretecektir. Sütun değişkenlerine göre satırın her değer kombinasyonu için durum sayısı görüntülenir.

Sıklık tablosunu inceleyerek cinsiyetin iki değeri (erkek ve kadın) ve ırkın iki değeri (beyaz ve azınlık) olduğunu görüyoruz. Irk, sütun değişkenidir ve cinsiyet, satır değişkenidir. Bu ikiye iki tablonun dört “hücresi” var.

Bağımlı değişken nedir
Kategorik değişkenler nelerdir
Kategorik değişken örnekleri
Sürekli değişken
Nominal değişken nedir
Süreksiz değişken örnekleri
Kesikli değişken
İstatistikte değişken nedir

Hücrelerin her birinde görünen sayıya Sayım (veya sıklık) adı verilir; bu, o hücredeki vaka sayısıdır. Bu örnekte 8 beyaz kadın ve 5 azınlık erkek var. Tablonun sağındaki ve altındaki sayılar marjinal toplamlardır ve satırlar ve sütunlar için ayrı ayrı sayıları temsil eder.

Örneğin, satır kenar boşluklarında üstteki 14, 14 erkek olduğunu ve alttaki 14, 14 dişi olduğunu gösterir. Aynı şekilde, 17 ve 11 sütun toplamları sırasıyla beyazların ve azınlıkların sayısını gösterir. Sağ alt köşedeki 28, numunedeki toplam vaka sayısını gösterir. Bu marjinal frekanslar, gösterildiği gibi Frekanslar prosedürü kullanılarak da elde edilebilir.

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.

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.

Bu yüzdeleri göstermek için ders kitabının Tablo 6.1’inde yer alan 25 öğrenciye ait verileri yeni bir veri dosyasına girin. Kategorik verileri şu şekilde kodlayın: cinsiyet (1=kadın; 2 = erkek), bölüm (1=mezun; 2=lisans). Çapraz tablolar prosedürünü satır değişkeni olarak “sex” ve sütun değişkeni olarak “division” ile çalıştırın. Satır, sütun ve toplam yüzdeleri hesapladıktan sonra çıktınız Şekil 6.3’teki gibi görünmelidir.

Hücre sayıları 8 kadın lisansüstü öğrencisi, 4 kadın lisans öğrencisi, 3 erkek lisansüstü öğrencisi ve 10 erkek lisans öğrencisi olduğunu göstermektedir. Marjinal sayılar, 12 kadın ve 13 erkek olduğunu ve 11 yüksek lisans öğrencisi ve 14 lisans öğrencisi olduğunu göstermektedir. Tablonun sağ alt köşesinde yer alan tablodaki toplam vaka sayısı 25’tir.

Marjinal yüzdeler, satır veya sütunda bulunan toplamın yüzdesini temsil eder. Örneğin 25 öğrenciden oluşan tüm örneklemin 12’si (%48) kızdır. Ayrıca, tüm öğrencilerin %56’sı lisans mezunudur.

Her hücredeki en üstteki sayı sayıdır. İkinci sayı, hücrede bulunan satırın yüzdesini temsil eden satır yüzdesidir (Satır Pct). Örneğin, tüm erkeklerin %23,1’i yüksek lisans öğrencisidir (100 x 3/13) ve tüm kadınların %33.3’ü lisans öğrencisidir (100 x 4/12).

Her hücredeki üçüncü sayı, hücredeki sütun toplamının yüzdesi olan sütun yüzdesidir (Col Pct). Örneğin, lisansüstü öğrencilerinin %72.7’si kızdır (100 x 8/11). Ayrıca, lisans öğrencilerinin %71.4’ü erkektir (100 x 10/14). Her hücrenin dördüncü satırı toplam yüzdeyi (Toplam Pct) içerir. Örneğin, 3 erkek lisansüstü öğrenci, tablodaki 25 öğrencinin %12’sini temsil etmektedir. Bu, 25’i 3’e bölerek hesaplandı.

Phi Katsayısı

Phi katsayısı, ikiye iki tablo için bir ilişki indeksidir. phi katsayısı,  1-5 arasındaki adımları izleyin ve ardından:

(1) Çapraz Tablolar: İstatistikler iletişim kutusunu açmak için İstatistikler’e tıklayın.
(2) Nominal Veri kutusunda Phi ve Cramer’s V’ye tıklayın.
(3) Devam’a tıklayın.
(4) Tamam’a tıklayın.

Örneğin, veriler için phi-katsayının değeri .439’dur.

Daha Büyük İki Yönlü Frekans Tabloları

Birçok çalışmada kategorik değişkenler ikiden fazla değere sahiptir. Kategori sayısı iki ile sınırlı değildir ve hemen hemen her boyutta satır-x-sütun tablosu mümkündür. Örneğin, “din” üç kategoride kaydedilebilir: Katolik, Yahudi ve Protestan; “meslek”, 15 farklı iş unvanını temsil eden 15 kategoriye sahip olabilir.

Sayıları ve yüzdeleri hesaplama prosedürü ve ayrıca frekansların yorumlanması, 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’lik bir tablodur; üç düzeyli “sonuç” ve iki düzeyli “müdahale” olmak üzere iki değişken vardır.

The post KATEGORİK DEĞİŞKENLER – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

SPSS veri dosyasında iki değişken gereklidir. Biri bağımlı değişkeni temsil eder ve kendisi için tanımlayıcı istatistikleri alacağınız değişken olacaktır. Diğeri bağımsız değişkendir ve alt kümeleri oluşturmak için kullanılacaktır. SPSS bu değişkeni bağımsız bir değişken olarak adlandırırken, gerçek bir bağımsız değişken olmak için gerekli katı kriterleri (örneğin, tedavi manipülasyonu) karşılamayabileceğini unutmayın. Bu nedenle, bazı SPSS prosedürleri buna gruplama değişkeni olarak atıfta bulunur.

Komutu Çalıştırmak

Means komutu, 4.analiz, ardından Ortalamaları Karşılaştır ve ardından Ortalamalar’a tıklayarak çalıştırılır. . Bu, Araçlar komutu için ana iletişim kutusunu getirecektir. Seçili değişkeni etiketli boşluğa yerleştirin.

Bağımlı Liste

Değişkenini Bağımsız Liste etiketli kutuya yerleştirin. Bu örnekte, SAMPLE kullanılarak. GRADE değişkeni için SA V veri dosyası, merkezi eğilim ölçüleri ve dağılım ölçüleri, SABAH değişkeninin her bir düzeyi için verilecektir.

Varsayılan olarak ortalama, vaka sayısı ve standart sapma verilir. Ek önlemler istiyorsanız, Qptions’a tıklayın ve sağdaki iletişim kutusu ile karşılaşacaksınız. Dahil edilecek herhangi bir sayıda önlem seçebilirsiniz.

Çıktıyı Okumak

Means komutunun çıktısı iki bölüme ayrılmıştır. Vaka işleme özeti adı verilen ilk bölüm, kullanılan veriler hakkında bilgi verir. Örnek veri dosyamızda dört öğrenci (olgu) bulunmaktadır ve hepsi analize dahil edilmiştir.

Çıktının ikinci bölümü, Means komutundan alınan rapordur.

Bu rapor, bağımlı değişkenin adını en üstte (GRADE) listeler. Tabloda bağımsız değişkenin her düzeyi bir satırda gösterilmiştir. Bu örnekte, Hayır ve Evet olarak etiketlenen düzeyler 0 ve 1’dir. Bir değişken etiketlenirse, ham değerler yerine etiketlerin kullanılacağını unutmayın.

Verilen özet istatistikler, bağımsız değişken düzeyinin satır başlığına eşit olduğu verilere karşılık gelir (örn., Hayır, Evet). Böylece her satıra iki konu dahil edilmiştir.

Toplam adı verilen ek bir satır eklenir. Bu satır, birleştirilmiş verileri içerir ve değerler, GRADE değişkeni için Tanımlayıcılar komutunu çalıştırdığımızdakiyle aynıdır.

Birden Fazla Bağımsız Değişkene Uzantı

Birden fazla bağımsız değişkeniniz varsa, SPSS çıktıyı daha da parçalayabilir. İletişim kutusunun Bağımsız Liste bölümüne daha fazla değişken eklemek yerine, bunları farklı bir katmana eklemeniz gerekir. SPSS’nin hangi katmanla çalıştığınızı gösterdiğini unutmayın.

İleri’ye tıklarsanız, size Katman 2 / 2 sunulur ve ikinci bir bağımsız değişken seçebilirsiniz (örn., EĞİTİM). Şimdi komutu çalıştırdığınızda (Tamam’ı tıklatarak), SABAH ve EĞİTİM’in her bir düzeyi için size GRADE değişkeni için özet istatistikler verilecektir.

Çıktınız aşağıdaki çıktıya benzeyecektir. Artık Toplam ile birlikte iki ana bölümünüz (Hayır ve Evet) var. Ancak şimdi, her ana bölüm alt bölümlere ayrılmıştır (Hayır, Evet ve Toplam).

Düzey 1’de (SAABA) kullandığınız değişken ilk listelenir ve ana bölümleri tanımlar. Seviye 2’de (EĞİTİM) sahip olduğunuz değişken ikinci sırada listelenir. Böylece ilk sıra sabah insanı olmayan ve eğitim almamış denekleri temsil etmektedir.

Bağımlı örneklem t testi
Bağımlı bağımsız grup nedir
Bağımlı bağımsız değişken örnekleri İktisat
Bağımsız iki örneklem t testi örnekleri
Bağımlı değişken nedir
1 bağımlı 2 bağımsız değişken örnekleri
Bağımsız örneklem t testi non parametrik
Bağımsız örneklem t testi SPSS

İkinci sıra sabah insanı olmayan ve eğitim almış denekleri temsil etmektedir. Üçüncü sıra, sabah insanı olmayan tüm deneklerin toplamını temsil eder.

Tüm satırlar için standart sapmaların verilmediğine dikkat edin. Bunun nedeni, bu örnekte hücre başına yalnızca bir özne olmasıdır. Çok sayıda alt küme kullanmanın bir sorunu, anlamlı sonuçlar elde etmek için gerekli denek sayısını artırmasıdır. Daha fazla ayrıntı için bir araştırma tasarım metnine veya eğitmeninize bakın.

Alıştırma Egzersizi

Ek B’deki Uygulama Veri Kümesi 1’i kullanarak, medeni durumun her değeri için yaşların ortalamasını ve standart sapmasını hesaplayın (örneğin, evli deneklerin ortalama yaşı nedir?).

 Standart Puanlar

Açıklama

Standart puanlar, puanları ortak bir ölçeğe dönüştürerek farklı ölçeklerin karşılaştırılmasını sağlar. En yaygın standart puan z puanıdır. Bir z-skoru, standart bir normal dağılıma dayanır (örneğin, 0 ortalaması ve 1 standart sapması). Bu nedenle, bir z-puanı, ortalamanın üstünde veya altında bulunan standart sapmaların sayısını temsil eder (örneğin, -1.5’lik bir z-puanı, ortalamanın 1Yz standart sapmalarının altında bir skoru temsil eder).

Varsayımlar

Z-skorları standart normal dağılıma dayanmaktadır. Bu nedenle, z puanlarına dönüştürülen dağılımların normal dağılması ve ölçeklerin aralıklı veya oranlı olması gerekir.

Çizim sonuçları

Z-puanlarına dayalı sonuçlar, ortalamanın üstündeki veya altındaki standart sapmaların sayısından oluşur. Örneğin, sınıf ortalaması 70 ve standart sapması 5 olan bir matematik sınavında 85 puan alan bir öğrenci, ortalamanın 3 standart sapması (3 x 5 = 15) üzerinde olduğu için z puanı 3.0 olacaktır. 

Aynı öğrenci bir okuma sınavında sınıf ortalaması 80 ve standart sapması 10 olan 90 puan alırsa, z-puanı 1.0 olacaktır çünkü öğrenci ortalamanın bir standart sapma üzerindedir. Bu nedenle, okuma testinde ham puanı daha yüksek olmasına rağmen, matematik testinde daha iyiydi çünkü o testte z puanı daha yüksekti.

SPSS Veri Formatı

Z-puanlarını hesaplamak SPSS’de yalnızca tek bir değişken gerektirir. Bu değişken sayısal olmalıdır.

Komutu Çalıştırmak

Z puanlarını hesaplama, Tanımlayıcılar komutunun bir bileşenidir. Erişmek için t1nalyze, ardından Dgscriptive Statistics ve ardından Descriptives’ı tıklayın. Bu örnek, Bölüm 1’de oluşturulan örnek veri dosyasını (SAMPLE.SAV) kullanır.

Bu, Tanımlayıcılar komutu için standart iletişim kutusunu getirecektir. Sol alt köşedeki Standart değerleri değişken olarak kaydet etiketli onay kutusuna dikkat edin.

Bu kutuyu işaretleyin ve GRADE değişkenini sağdaki boşluğa taşıyın. Ardından, analizi tamamlamak için Tamam’a tıklayın. Tanımlayıcılar komutundan aşağıdaki çıktı ile sunulacaksınız. Z puanlarının burada listelenmediğine dikkat edin. Veri penceresine yeni bir değişken olarak eklendiler.

Veri Görünümü penceresine geçin ve veri dosyanızı inceleyin. ZGRADE adlı yeni bir değişkenin eklendiğine dikkat edin. SPSS’den standartlaştırılmış değerleri kaydetmesini istediğinizde, eski değişkeninizle aynı adlı ancak önünde bir Z olan yeni bir değişken oluşturdu. Her durum için z puanı hesaplanır ve yeni değişkene yerleştirilir.

Çıktıyı Okumak
Analizinizi yaptıktan sonra yeni değişken oluşturuldu. Yeni değişken üzerinde herhangi bir sayıda müteakip analiz gerçekleştirebilirsiniz.

Alıştırma Egzersizi
Ek B’deki Uygulama Veri Kümesi 2’yi kullanarak, her çalışanın maaşına karşılık gelen z-puanını belirleyin. Maaşlar için ortalama z puanını belirleyin. Erkek çalışanların ve kadın çalışanların maaşları için ortalama z puanını belirleyin.

“akademdelisi.net” ailesi olarak, Bağımlı örneklem t testi,Bağımlı bağımsız grup nedir,Bağımlı bağımsız değişken örnekleri İktisat,Bağımsız iki örneklem t testi örnekleri,Bağımlı değişken nedir,1 bağımlı 2 bağımsız değişken örnekleri,Bağımsız örneklem t testi non parametrikBağımsız örneklem t testi SPSS gibi pek çok alanda sizlere destek vermekteyiz.

Siz de bu aileyle tanışmak istiyorsanız iletişim adreslerimizden bizlere ulaşabilirsiniz.

The post Bağımsız Değişken – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).