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).

Numunelerin kalitesinin bazı farklılıkları açıklaması da mümkündür. Bir öğrencinin katılma eğilimi, akademik kayıtları ile pozitif olarak ilişkili olduğundan ve ortalama olarak düşük başarılılar, yüksek başarılılara göre daha düşük sosyal geçmiş değişkenlerinden geldiğinden, öğrenci katılım oranlarındaki bir artış veya azalma, HISEI ortalamasını etkileyebilir.

HISEI değişkeni için eksik veri yüzdesindeki bir değişiklik, kolayca doğrulanabilecek başka bir açıklama olacaktır. Ortalama olarak, ebeveynlerinin işlerini sağlamayan öğrenciler daha düşük başarılıdır. Bu nedenle, düşük sosyal arka plan özellikleri beklenmelidir, böylece eksik verilerdeki bir artış, HISEI ortalamasının artmasıyla ve bunun tersi olarak ilişkilendirilebilir.

Tablo 12.2, PISA 2000 ve PISA 2003 veri tabanlarındaki HISEI değişkenleri için eksik verilerin yüzdelerini vermektedir. Bu sonuçlar hipotezi gerçekten doğrulamamaktadır. Örneğin, Amerika Birleşik Devletleri’nde, kayıp veri yüzdeleri 2000’de sırasıyla yaklaşık yüzde 14 ve 2003’te yaklaşık yüzde 6 idi ve HISEI ortalamaları sırasıyla 52.40 ve 54.55 idi.

HISEI’nin önemli ölçüde farklılık gösterdiği 13 ülkeden 9’unda, ya HISEI ortalamasının artması, eksik veri yüzdesinin azalmasıyla veya bunun tersi ile ilişkilidir. Diğer üç ülkede, yani Belçika, Çek Cumhuriyeti ve Meksika’da, ilişki hipotezle tutarlıdır.

Bu basit örnek, trend göstergelerinin yorumlanmasının oldukça karmaşık olduğunu göstermektedir. Bir ülkenin sosyal ve ekonomik yapısı, iki döngü arasında hiçbir farklılık olmaması için üç yıllık bir süre boyunca değişmeden kalmalıdır. Ancak, gösterildiği gibi, bu fark 13 ülkenin tamamında önemli görünmektedir.

Okul veya öğrenci katılım oranlarındaki ve eksik verilerin dağılımındaki değişiklikler bazen bu önemli farklılıkları açıklayabilir. Bu nedenle, hesaplanan farklılıkları popülasyon özelliklerinde gerçek bir değişiklik olarak yorumlamaya çalışmadan önce bazı doğrulamaların uygulanması tavsiye edilir.

PERFORMANS DEĞİŞKENLERİNDE TREND GÖSTERGELERİ İÇİN STANDART HATANIN HESAPLANMASI

PISA 2000 ve PISA 2003 performans ölçeklerinin sabitlenmesi

PISA 2000 veritabanı, aşağıdaki etki alanlarının veya alt etki alanlarının her biri için beş makul değer içerir:

• Matematik
• Okuma
− Okuma/bilgi alma − Okuma/yorumlama
− Okuma/yansıtma
• Bilim

PISA 2003 veritabanı ayrıca aşağıdaki etki alanlarının veya alt etki alanlarının her biri için beş makul değer içerir:

• Matematik
−Matematik/uzay ve şekil
− Matematik/değişim ve ilişki − Matematik/belirsizlik
− Matematik/miktar
• Problem çözme
• Okuma
• Bilim

PISA 2000 ve PISA 2003 performans ölçeklerini ilişkilendirmek için kullanılan psikometrik prosedürler matematik için okuma ve fen için olduğundan farklıdır.

Aracı değişken nedir
Bağımsız değişken
Sürekli değişken örnekleri
Düzenleyici değişken nedir
Kontrol değişkeni
Bağımlı Bağımsız değişken Psikoloji örnekleri
Bağımsız değişken örnekleri
Bağımlı Bağımsız değişken Araştırma Yöntemleri

2000 yılında okuma ana alandı ve 2000 değerlendirmesi için geliştirilen 140 maddenin 28’i 2003 değerlendirmesi için kullanıldı. 2003 verileri bu nedenle 2000 okuma ölçeğinde rapor edilmiştir. 2000 yılı değerlendirmesi için geliştirilen 30 maddeden 25’i 2003 yılı değerlendirmesi için kullanıldığından, 2003 yılı fen değerlendirme verileri de 2000 fen ölçeğinde rapor edilmiştir.
Matematik, ana alan olarak, PISA 2003 için büyük geliştirme çalışmalarının konusuydu.

Ayrıca, 2000 yılındaki matematik değerlendirmesi dört içerik alanından sadece ikisini kapsıyordu (uzay ve şekil ve değişim ve ilişkiler). 2003 değerlendirmesinde kullanılan 85 maddeden 20’si 2000 değerlendirmesinden gelmektedir. Değerlendirmedeki bu genişleme nedeniyle, PISA 2000 matematik puanları ölçeğinde PISA 2003 matematik puanlarının raporlanması uygun görülmedi.

Ancak, ülkelere bazı eğilim göstergeleri sağlamak için, matematik alt ölçekleri uzay ve şekil ile PISA 2000’in değişimi ve ilişkisi PISA 2003 ölçeklerinde rapor edilmiştir.

2000 ölçeğinde PISA 2003 okuma ve bilim verilerini sabitlemek için adımlar şunlardır:

1. PISA 2003 madde parametrelerini elde etmek için 2003 okuma ve bilim verilerinin kalibrasyonu, yani maddenin Rasch ölçeğindeki göreli zorluğu.

2. Bu madde parametrelerine dayalı olarak, PISA 2003 verileri üzerinde okuma ve bilim için makul değerlerin üretilmesi.

3. Adım 1’in madde parametrelerine dayalı olarak, ancak yalnızca bağlantı öğelerine dayalı olarak, PISA 2000 verilerinde Reading ve Science için makul değerlerin üretilmesi. Bu zamana kadar, PISA 2000 için iki makul değer seti mevcuttur: PISA 2000 veritabanına dahil edilen orijinal makul değerler seti ve PISA 2003 madde parametrelerine dayanan makul değerler seti. Ne yazık ki, yeni makul değerler grubunun ortalaması ve standart sapması, PISA 2000 orijinal makul değerlerinden biraz farklı olacaktır.

Bu farklılıklar 2000 ve 2003 yılları arasında bağlantı maddelerinin zorluğundaki değişiklikleri yansıtmaktadır. Hatırlatma olarak 2000 yılında OECD ortalaması için ortalama ve standart sapma sırasıyla 500 ve 100 olarak belirlenmiştir. değerler 505’lik bir ortalama ve 110’luk bir standart sapma döndürür. PISA 2000 verileri için yeni makul değerler kümesi, ortalamaları ve standart sapmaları sırasıyla 500 ve 100’e eşit olacak şekilde dönüştürülmelidir.

4. Bu adım, PISA 2000 verileri üzerindeki yeni makul değerler kümesinin ortalamasının ve standart sapmasının ortalama 500 ve standart sapmanın 100 olmasını garanti edecek doğrusal dönüşümün hesaplanmasından oluşur. Bu doğrusal dönüşüm, olarak yazılmalıdır. Örnekte, = 100 / 110 = 0.909 ve = (500 – (0.909 * 505)) = 40.955;2.

5. Bu doğrusal dönüşüm, PISA 2003 makul değerlerine uygulanır. Reading veya Science PISA 2003 makul değerlerine uygulanan bu doğrusal dönüşüm, 2003’teki öğrenci performansının 2000’deki öğrenci performansıyla karşılaştırılabilir olmasını garanti eder.

Daha önce belirtildiği gibi, başka bir bağlantı öğesi grubuyla, doğrusal dönüşüm farklı olurdu. Sonuç olarak, bağlantı hatası olarak adlandırılan bağlantı öğelerinin örneklenmesinden dolayı dönüşümde bir belirsizlik vardır.

İki matematik PISA 2000 alt ölçeğini PISA 2003 alt ölçeklerine bağlama adımları şunlardır:

1. PISA 2003 madde parametresini elde etmek için 2003 matematik verilerinin kalibrasyonu;
2. Bu madde parametrelerine dayanarak, PISA 2003 makul değerlerinin üretilmesi; ve
3. 2003 madde parametrelerine dayalı olarak, matematik PISA 2000 verileri için makul değerlerin üretilmesi.

Benzer şekilde, trendin tahmini, okuma ve bilimdeki başka bir dizi bağlantı öğesiyle biraz farklı olurdu. Bu nedenle, bu hata bileşenini trend göstergesinin standart hatasına entegre etmek önemlidir.

Standart hatanın hesaplanmasına bağlantı hatasının dahil edilmesi

Her bağlantı öğesi için, artık aynı metrikte olan iki öğe parametresi tahminimiz var: 2000 öğe parametresi ve 2003 öğe parametresi. Bu bağlantı öğelerinin bazıları göreceli zorlukta bir artış, bazıları ise bir düşüş gösterir, ancak ortalama olarak fark 0’a eşittir. Bu, bazı öğelerin 2003’te 2000’dekinden veya tersinden daha zor göründüğü anlamına gelir.

Bağlantı öğelerinin alt kümesi, sonsuz bir bağlantı öğeleri popülasyonunun basit bir rastgele örneği olarak kabul edilebileceğinden, bağlantı hatası şu şekilde hesaplanabilir.

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