Farklı disiplinlerde farklı yöntemler kullanılsa da, istatistiksel tekniklerin temel mantığı ortaktır: verilerden anlam çıkarmak, hipotezleri test etmek ve güvenilir sonuçlara ulaşmak. Ancak her veri türü, araştırma sorusu ve hipotez farklıdır; dolayısıyla tek tip bir yöntem her araştırma için geçerli değildir.

Bu yazıda, akademi öğrencilerinin en çok karşılaştığı analitik yöntemler, hangi durumlarda hangi yöntemin tercih edilmesi gerektiği, seçim sürecinde dikkat edilmesi gereken noktalar ve uygulamalı örnekler ayrıntılı şekilde ele alınacaktır.

1. Analitik Yöntem Seçiminin Önemi

Yanlış seçilen bir analiz, araştırmanın tüm değerini düşürebilir. Örneğin; parametrik test varsayımlarını karşılamayan verilerde t-testi yapmak, hatalı sonuçlara yol açar. Bu nedenle yöntem seçimi, çalışmanın güvenilirliği açısından kritik öneme sahiptir.

2. Araştırma Sorusu ile Yöntem Uyumu

Analitik yöntem, öncelikle araştırma sorusuna uygun olmalıdır. Eğer amaç iki grup arasındaki farkı ölçmekse bağımsız örneklem t-testi kullanılabilir; ancak amaç iki değişken arasındaki ilişkiyi ölçmekse korelasyon analizi daha uygundur.

3. Veri Türü ve Ölçek Seviyeleri

Verinin nominal, ordinal, interval veya ratio ölçekli olması, hangi yöntemin kullanılacağını doğrudan etkiler. Nominal verilerde ki-kare testi uygunken, interval veya ratio verilerde parametrik testler tercih edilebilir.

4. Parametrik ve Nonparametrik Yöntemler

• Parametrik testler (t-testi, ANOVA, regresyon) belirli varsayımlara dayanır.

• Nonparametrik testler (Mann-Whitney, Kruskal-Wallis, Spearman korelasyonu) ise daha esnektir ve verilerin dağılım özelliklerine daha az bağımlıdır.

5. Örneklem Büyüklüğünün Yöntem Seçimine Etkisi

Küçük örneklem büyüklüklerinde parametrik testlerin gücü azalır. Bu durumda nonparametrik yöntemler daha uygun hale gelir.

6. Hipotez Testine Göre Yöntem Seçimi

• İki grup karşılaştırılıyorsa: Bağımsız örneklem t-testi

• Üç veya daha fazla grup varsa: ANOVA

• Gruplar bağımlıysa: Bağımlı örneklem t-testi veya tekrar ölçümler ANOVA

7. İlişki Analizleri

Değişkenler arasındaki ilişkinin yönünü ve gücünü ölçmek için korelasyon ve regresyon analizleri kullanılır. Özellikle regresyon, bir değişkenin diğerlerini ne ölçüde açıkladığını gösterir.

8. Çoklu Karşılaştırma Problemleri

Birden fazla hipotez testi yapıldığında hata olasılığı artar. Bonferroni düzeltmesi veya Tukey testi gibi yöntemlerle bu risk azaltılabilir.

9. Faktör Analizi

Eğer amaç, çok sayıda değişkeni daha az sayıda temel boyuta indirgemekse açımlayıcı faktör analizi (EFA); kuramsal bir yapının doğruluğunu test etmekse doğrulayıcı faktör analizi (CFA) kullanılmalıdır.

10. Kümeleme Analizleri

Veri setinde benzer özelliklere sahip grupları keşfetmek için kümeleme yöntemleri (K-Means, hiyerarşik kümeleme) tercih edilebilir. Sosyal bilimlerde öğrenci profillerini belirlemek için bu yöntemler sıklıkla uygulanır.

11. Zaman Serisi Analizi

Veriler zaman boyutuna sahipse, ARIMA, GARCH veya mevsimsellik modelleri gibi zaman serisi yöntemleri kullanılmalıdır. Özellikle ekonomi, finans ve iklim araştırmalarında bu yöntemler önemlidir.

12. Nitel Veri Analizinde Yöntem Seçimi

Akademi öğrencileri yalnızca nicel yöntemlerle değil, nitel analizlerle de çalışabilir. İçerik analizi, tematik analiz ve eksenel kodlama gibi yöntemler metin verilerinde tercih edilir.

13. Karışık Yöntemler

Bazı araştırmalarda nicel ve nitel analizler birlikte kullanılabilir. Örneğin; öğrenci memnuniyetini ölçen bir anket çalışmasına, derinlemesine mülakatlarla nitel boyut eklenebilir.

14. Yazılım Seçiminin Yönteme Etkisi

SPSS, R, Python, NVivo, Amos gibi yazılımlar, farklı analizlerde avantajlar sunar. Öğrenciler, araştırma türüne göre uygun yazılımı da seçmelidir.

15. Örnek Olay: Eğitimde Başarı Analizi

Bir üniversite öğrencisinin “ders çalışma saatleri ile sınav başarısı arasında ilişki var mı?” sorusu için uygun yöntem, Pearson korelasyonu olacaktır. Ancak dağılım normalliği sağlanmazsa Spearman korelasyonu daha doğru bir seçimdir.

16. Güç Analizi ile Yöntem Belirleme

Araştırma öncesi yapılacak güç analizi, örneklem büyüklüğünün ve kullanılacak yöntemin seçiminde kritik rol oynar.

17. Etik Boyut

Yanlış yöntem seçimi, yalnızca metodolojik bir sorun değil; aynı zamanda akademik etik ihlalidir. Çünkü bu durum bilimsel doğruluk ilkesini zedeler.

Sonuç

Akademi öğrencilerinin en çok zorlandığı konulardan biri, veri analizinde uygun yöntemi seçmektir. Ancak bu seçim, sistematik bir yaklaşım ve metodolojik bilinç ile kolaylaştırılabilir. Araştırma sorusunun doğru tanımlanması, veri türünün netleştirilmesi, varsayımların test edilmesi ve araştırma amacına uygun istatistiksel veya nitel yöntemlerin tercih edilmesi, analiz sürecini hem güvenilir hem de akademik açıdan değerli kılar.

Sonuç olarak, doğru analitik yöntem seçimi yalnızca teknik bir karar değil; araştırmanın bütünlüğünü, geçerliliğini ve bilimsel katkısını doğrudan etkileyen kritik bir adımdır. Akademi öğrencileri bu bilinçle hareket ettiğinde, akademik çalışmaları daha güçlü ve saygın bir konuma ulaşacaktır.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.

Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.

Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.

The post Akademi Öğrencilerine Uygun Analitik Yöntem Seçimi first appeared on Akademi Delisi (Tez Yaptırma).

Buraya kadar tartıştığımız uzantı komutlarını kullanmak için Python veya R’de herhangi bir programlama bilgisi gerekmez. Bu bölümde, yerleşik işlevselliğini genişletmek için bir Python kodu parçacığı eklemenize izin veren başka bir uzantı komutu kullanma örneğini gösteriyoruz. Örnek, Python dilinin yalnızca birkaç temel özelliğini kullanır.

Cohen’in d istatistikleri, bir tedavi veya grubun etki büyüklüğünün bir ölçüsüdür. Bir T-Testinde, iki gruptaki ortalamaların standartlaştırılmış farkıdır. T-Testinden farklı olarak örneklem büyüklüğünden etkilenmez. Ölçüyü standartlaştırarak, birden çok veri kümesi arasında karşılaştırılabilir.

Standart T-TEST prosedürü çıktısının bir parçası olmamasına rağmen, bu çıktıdan elle hesaplamak kolaydır. Ancak bunu otomatikleştirebilir ve T-TEST’ten standart çıktıya İstatistik uzantı komutlarından birini uygulayarak sonucu çıktıya ekleyebiliriz. Bağımsız örnekler durumu için bunu nasıl yapacağınız aşağıda açıklanmıştır. Bunu, İstatistiklerle birlikte gönderilen çalışan data.sav dosyasını kullanarak, azınlıklar için azınlık olmayanlara kıyasla ortalama maaş farkını test ederek göstereceğiz.

İlk olarak, gösterildiği gibi Analiz Et ➪ Ortalamaları Karşılaştır ➪ Bağımsız Örnekler T Testinde bulunan T-Testini çalıştırıyoruz. İhtiyacımız olan sayıların tümü ilk tablodadır, bu yüzden d’yi hesaplamak için sadece bir hesap makinesi kullanabilirdik, ancak bunu otomatikleştirmek ve çıktının bir parçası olarak d istatistiğine sahip olmak istiyoruz. Bunun için STATS TABLE CALCuzantı komutunu kullanacağız (Yardımcı Programlar ➪ Özet Tablolarla Hesapla).

Bu komut, pivot tablolardaki hücreler üzerinde hesaplamalar yapar ve bu sonuçları tabloya ekler. Bu durumda, ilk satırda d’yi gösteren Grup İstatistikleri tablosuna bir sütun eklemek istiyoruz. TABLE CALC, bir tablonun her satırına veya sütununa, o satır veya sütundaki değerlere dayalı olarak bir formül uygulayabilir, ancak burada birden çok satırdan değerlere ihtiyacımız var. Bunu yapmak için Python’da küçük bir özel fonksiyon oluşturuyoruz ve bunu TABLE CALC komutuyla uyguluyoruz.

d adlı fonksiyon, cohen.py dediğimiz bir modülde saklanır. Doğrudan bir BEGIN PROGRAM bloğunda oluşturulabilir, ancak bunu yeniden kullanım için ayrı bir dosyaya koymak daha düzenlidir. Dosya, Python’un bulabileceği bir yere kaydedilmelidir. (Uygun bir konum bulmanın bir yolu, SHOW EXTPATH’i çalıştırmak ve EXTPATHS EXTENSIONS altında listelenen konumlardan birine kaydetmektir.)

Fonksiyonu gösterir. Python bilmeseniz bile bu kodu rahatlıkla okuyabilir ve formülü görebilirsiniz. GetUnformattedValueAt çağrıları, pivot tablo hücrelerinden 0’dan sayılarak numaralandırılmış değerleri alır. Örneğin, datacells.GetUnformattedValueAt(0, 2) tablonun ilk ve üçüncü sütunundaki değeri döndürür; bu, burada birinci kategorinin standart sapmasıdır.

Şimdi T-Test komutundan hemen sonra çalıştırdığımız TABLE CALC ile bu fonksiyonu uyguluyoruz. Özet Tablolarla Hesapla iletişim kutusunu göstermektedir. OMS tablo alt tipini kullanarak işlenecek tabloyu seçiyoruz ve TABLO HESAP formül alanını kullanarak d fonksiyonumuzu çağırıyoruz. veri hücreleri tablonun tüm veri kısmını fonksiyona iletir ve fonksiyon her çağrıldığında satırlar veya sütunlar geçerli satır numarasını iletir.

Cohen d hesaplama
Cohen d değeri nedir
Cohen d etki büyüklüğü
Etki büyüklüğü hesaplama
Cohen d etki büyüklüğü yorumlama
Etki büyüklüğü değerleri
Eta kare hesaplama
İstatistik etki büyüklüğü nedir

SPSS Statistics çok sayıda istatistiksel prosedüre ve yerleşik diğer komutlara sahiptir, ancak her zaman daha fazlasına ihtiyaç vardır. 2006’da sürüm 14 ile başlayarak, daha sonra sadece SPSS olarak adlandırılan SPSS İstatistikleri, kullanıcıların yeteneklerini genişletmek için ürün içinde standart programlama dillerini kullanma yeteneğini ekledi. Sonraki sürümlerde önce Python, ardından R ve ardından Java eklendi. Buna programlanabilirlik denir.

Programcılar doğrudan bu dillerde kod yazabilir ve çalıştırabilir, ancak programlanabilirlik, kullanıcıya yerleşik komutlar gibi görünen yeni komutlar oluşturmanın bir yolunu da sağlar. Uzantı komutları olarak adlandırılan bu komutlar, bir iletişim kutusu arayüzüne, geleneksel sözdizimine sahip olabilir ve Viewer’da geleneksel pivot tablo ve grafik çıktı üretebilir. SPSS Statistics’in yerleşik yeteneklerini büyük ölçüde genişletebilirler.

Bu bölüm bir uzatma komutunun ne olduğunu açıklar ve ardından istatistiksel analiz için mevcut olan üç uzatma komutunun ve pivot tablolarda hesaplama için bir tane uzatma komutunun kullanımını gösterir. İlk üçü, bunları kullanmak için herhangi bir Python veya R bilgisi gerektirmez; dördüncüsü, extension komutuyla bir Python pasajı kullanır.

IBM SPSS Predictive Analytics web sitesi karşıdan yüklemeleri bölümü, kullanılabilir uzantıları filtrelemenize ve aramanıza ve istediğiniz uzantıları kurmanıza ya da güncellemenize olanak tanır. Örneğin, sitenin indirmeler bölümünde olabilirsiniz.

IBM tarafından oluşturulan uzantılar için komut adları, FUZZY ve GATHERMD gibi tek sözcüklü adlara sahip birkaç çok erken uzantı dışında her zaman SPSSINC veya STATS ile başlar, bu nedenle genellikle bir komutun IBM uzantısı olduğunu ilk sözcüğünden anlayabilirsiniz. isim. Uzantılar, IBM SPSS İstatistik Komut Sözdizimi Başvurusunda belgelenmemiştir, ancak tarayıcı tabanlı yardıma, 23 veya daha sonraki sürümlerde Sözdizimi Düzenleyicisi’ndeki komutta F1 tuşuna basılarak erişilebilir.

İstatistikler’deki yerleşik komutların aksine, uzantılar kaynak kodu biçiminde teslim edilir, böylece gerekli becerilere sahip kullanıcılar, belgelerde yer almayan nüansları anlamak için uzantı kaynak kodunu okuyabilir ve kendi başlarına düzeltmeler veya geliştirmeler yapabilirler.

IBM’den gelen uzantı komutları ücretsizdir ve sık sık yenileri görünür. Bunları Predictive Analytics Community web sitesinde veya İstatistikler içindeki uzantı komut menülerinde arayın.

Erişim, birleştirilmiş seçenekler için beğenen yanıtlayanların belirlenmiş birliğidir. a ve b beğenilerinin birleşimi, a öğesini veya b öğesini veya her ikisini birden beğenen tüm yanıtlayıcıları içeren bir küme olacaktır. 100 a ve 50 b beğenisi varsa, sendikanın 100 ila 150 arasında yanıtı olacaktır. Tüm b’yi beğenenler de a’yı beğenirse, boyut 100, örtüşme yoksa boyut 150 olur.

En iyi erişim paketinin hesaplanmasındaki hesaplama problemi, bir dizi yanıtlayıcı tercihi ve bir pakete girecek öğe sayısı verildiğinde, erişimi maksimize eden öğelerin kombinasyonunu bulmaktır; yani, beğenenlerin en büyük birliği ile kombinasyon. Bu dört öğeli örnekte, paket boyutu üç ise, olasılıklar (a, b, c), (a, b, d), (a, c, d) ve (b, c, d) şeklindedir.

Her gruptaki katılımcıların birliğini hesaplamak hesaplama açısından kolaydır. İstatistiklerin belirlenmiş bir veri türü olmamasına rağmen, COMPUTE’da OR operatörünü kullanabiliriz. Örneğin, (a,b,c) demeti için beğeniler, değişkenlerin 0 ve 1 olarak kodlandığı varsayılarak Şekil 18-4’te gösterildiği gibi hesaplanabilir.

The post Cohen’in d Etki Büyüklüğü – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

Tek Yönlü Konu İçi ANOVA

Tek yönlü bir denek içi ANOVA tasarımı, ANOVA’nın iki veya daha fazla koşulu karşılaştırmamıza izin vermesiyle, eşleştirilmiş numuneler t testinin genelleştirilmiş biçimini temsil eder. Tek yönlü tekrarlanan ölçüm tasarımı olarak da bilinir.

ANOVA tasarımının adı aşağıdaki hususlardan türetilmiştir:

• Araştırmada bağımsız değişkeni temsil eden herhangi bir sayıda düzey kullanılabilse de, yalnızca bir bağımsız değişken olduğu için tek yönlü bir tasarımdır. Genellikle, bu tek bağımsız değişken, aynı bağımlı değişkenin ölçümünün zaman içinde çeşitli noktalarda yapıldığı, yani vakaların belirli bir bağımlı değişken üzerinde tekrar tekrar değerlendirildiği bir zaman belirtecidir.
• Aynı vakaların aynı bağımlı değişken üzerinde tekrar tekrar ölçüldüğü denek içi veya tekrarlanan ölçüm tasarımıdır; bu anlamda, davalar kendi kontrolleri olarak hizmet eder. Denek içi faktör zamanla ilgili olduğunda, genellikle ön test-son test tasarımı olarak adlandırılır.
• Aynı değişkeni iki veya daha fazla farklı durumda değerlendirmek için tekrarlanan bir ölçüm tasarımının tasavvur edilmesi yaygın olsa da (bir öntest-sontest tasarımı), denekler içinde tek yönlü bir ANOVA, aynı zamanda, deneklerin deneyimlediği iki veya daha fazla farklı koşulu değerlendirebilir. katılımcılar. Örneğin, bir eğitmen bir sınıf için sınıf sunumu, dönem ödevi ve final sınavı gibi üç farklı türde derecelendirilmiş gereksinim kullanabilir. Bu üç bileşen üzerindeki puanlar, denek içi faktörün üç seviyesinden oluşabilir ve tek yönlü denek içi ANOVA ile istatistiksel olarak analiz edilebilir.

Zamanla ilgili bağımsız bir değişkenin kullanılması, genellikle, bağımlı ölçüm üzerinde temel bir performans düzeyi oluşturmak için bir veya daha fazla ön test ölçümünün uygulanmasını ve ardından bir tür “tedavinin” uygulanmasını içerir. Tedavinin tamamlanmasının ardından, tedavinin etkisini ve potansiyel olarak etkilerinin kalıcılığını belirlemek için bir veya daha fazla son test yapılır. Tek yönlü denek içi tasarımın önemli dezavantajları, iç ve dış geçerliliğe yönelik önemli tehditlerle ilişkilidir.

Etki büyüklüğü hesaplama
T testi hesaplayıcı
Tek örneklem t testi etki büyüklüğü
T testi örnekleri
Bağımsız örneklem t testi
T testi hesaplama
T testi yorumlama
T testi tablosu nasıl okunur

Zamana dayalı denek içi tasarımlarda kontrol grubu yoktur; bu nedenle, bağımlı ölçümde zaman içinde performansta meydana gelen değişiklikler kısmen tedaviye bağlı olabilir, ancak aynı zamanda tedavinin uygulandığı zamanla değişen, ancak tanım gereği ne kontrol edilen ne de ölçülmeyen faktörlere bağlı olabilir.

Böyle bir çalışmada kontrol grubu olmamasının önemli dezavantajına rağmen, tasarım, bir dizi vakanın benzersiz olduğu (uygun kontrol grubu tanımlanamadığı) durumlarda ve vaka setini bir “bekleme” (kontrol) olarak alt bölümlere ayırdığında kullanılır. ) alt numune ve bir tedavi alt numunesi mümkün değildir.

Bir denek içi değişken içeren tasarımlardaki istatistiksel prosedür, bağımlı değişkenin varyansını iki ana kısma – denekler arası varyans ve denekler arası varyans – bölmek ve daha sonra mümkün olduğunda bu kısımları alt bölümlere ayırmaktır.

Tek yönlü denek içi tasarımda, bölümleme aşağıdaki gibidir:

• Denekler arası varyans daha fazla bölünemez; varyans, vakalar arasındaki genel bireysel farklılıkları temsil eder ve araştırmacıların pek ilgisini çekmez (IBM SPSS® aslında varyansın bu kısmını denekler arası hata olarak etiketler).
• Denek içi varyans, bağımsız değişkenin genel etkisine (tedavinin ana etkisi) ve denek içi hataya bölünür. Hata, tedavi seviyeleri boyunca vakaların performans modellerindeki farklılıkları temsil eder ve genellikle Tedavi×Özneler etkileşimi olarak adlandırılır. Tedavi etkisi için F oranı, tedaviyle ilişkili Ortalama Karenin denek içi hatayla ilişkili Ortalama Kareye bölünmesiyle hesaplanır.

SAYISAL ÖRNEK

Örneğimiz için kullandığımız kurgusal veriler, 21 yaşından küçük suçlular için zorunlu bir uyuşturucu rehabilitasyon programı ile bağlantılı olarak bir eğitim bileşeninin değerlendirmesini tasvir etmektedir. Veri dosyası uyuşturucu rehabilitasyonu olarak adlandırılmıştır. Toplam 11 genç suçlu, program başlamadan önce (ön test), 2 haftalık programı tamamladıktan sonra (sontest1) ve programın tamamlanmasından 1 ay sonra (sontest2) yasadışı uyuşturucu kullanmaya yönelik tutumları açısından değerlendirildi. Tutum ölçeğindeki puanlar 5 ile 20 arasında değişebilir ve yüksek puanlar uyuşturucu kullanımına karşı daha olumlu tutumları temsil eder.

Veri dosyasının bir ekran görüntüsü gösterilir. Denek içi değişkenin düzeylerinin değişkenler olduğuna ve bu değişkenler altında kaydedilen değerlerin tutum anketinden alınan puanlar olduğuna dikkat edin. Bu nedenle, bu denek içi tasarımdaki bağımsız değişken—tedavi—birden çok değişkenle temsil edilir (bu örnekte üç); bu nedenle araştırmacılar, denek içi (tekrarlanan ölçümler) tasarımları çok değişkenli (çoklu bağımlı ölçümler) bir tasarım biçimi olarak kavramsallaştırabilirler.

ANALİZ KURULUMU

İlaç rehabilitasyon veri dosyasını açıyoruz ve ana menüden Analiz ➔ Genel Doğrusal Model ➔ Tekrarlanan Ölçümler’i seçiyoruz. Bu, gösterildiği gibi Tekrarlanan Ölçümlerin Faktör(ler)ini Tanımla penceresini açar. Konu İçi Faktör Adı paneli, varsayılan faktör1 ile açılır; gösterildiği gibi bağımsız değişkenimiz için oluşturduğumuz ad olarak bunu Drug_education olarak değiştiriyoruz. Number of Levels paneline de 3 yazıyoruz. Bu eylem, uyuşturucu eğitimini denek içi bağımsız değişkenimiz olarak belirler. Bu bilgiyi IBM SPSS’ye kaydetmek için Ekle’ye tıklayın ve ana iletişim penceresini açmak için Tanımla’ya tıklayın.

Ana Genel Doğrusal Model Tekrarlanan Ölçümler iletişim penceresi, Konu İçi Değişkenler panelinde üç soru işaretli satırla açılır. Tedavi etkisi için adımız olan Drug_education, panelin hemen üzerinde görünür. Önceki Faktörleri Tanımla penceresinde Konu İçi Faktörü üç seviyeli olarak tanımladığımız için üç soru işareti var. Soru işaretlerinin zamana dayalı bir değişkenler kümesini barındıracak şekilde numaralandırıldığını unutmayın. Değişkenleri sırayla gösterildiği gibi Konu İçi Değişkenler paneline taşıyoruz.

Gösterilen Seçenekler iletişim penceresinde, Görüntüle alanında Tanımlayıcı istatistikler’i seçiyoruz. Homojenlik testlerini sadece denekler arası bağımsız değişkenler için geçerli olduğu için seçmiyoruz; bunun yerine, tekrarlanan Ölçümler prosedürü, denek içi değişkenin en az üç düzeyine sahip olduğumuz sürece, otomatik olarak bir küresellik testi gerçekleştirecektir (tekrarlanan ölçümler, Levene testinin kabaca bir analoğudur).

Denekler arası tek yönlü ANOVA’da, varyansların homojenliği varsayımı vardı (yani, bağımsız değişkenin tüm seviyelerinin eşdeğer varyanslı sonuçlar ürettiği). Denek içi ANOVA’da, genel küresellik varsayımı, her düzey arasındaki farkların varyanslarının eşdeğer olmasını gerektirir.

Ayrıca her bir düzey çiftinin (öntest ve sontest1, öntest ve sontest2 ve sontest1 ve sontest2) aynı ölçüde ilişkili olduğunu varsayar. Bu varsayımlar birlikte küresellik olarak test edilir. Bu varsayımları değerlendirmenin genel yöntemi, her düzey arasındaki hem varyansların hem de kovaryansların (korelasyonların) karşılaştırılabilir olduğunu belirten, bileşik simetri olarak bilinen bir varyans/kovaryans yapısını değerlendirmektir.

ANCOVA’da olduğu gibi, Tahmini Marjinal Ortalamalar alanında çoklu karşılaştırma testlerimizi talep edebiliriz. Bu nedenle, ilaç eğitimini Faktör(ler) ve Faktör Etkileşimleri panelinden Panel için Araç Görüntüleme’ye taşıyoruz, Ana etkileri karşılaştır’ı işaretleyin ve Güven aralığı ayarı açılır menüsünde Bonferroni’yi seçin. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

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

Sonuçların görsel olarak incelenmesine dayanarak, etkinliğin istatistikler üzerindeki doğrudan etkisine bilimin aracılık ettiği görülmektedir. Ayrıca, aracılı modelde etkinlikten istatistiğe doğrudan regresyon katsayısı basit modeldekinden daha düşük olduğundan (ancak yine de istatistiksel olarak anlamlı), kısmi bir aracılık etkisi gözlemlediğimiz anlaşılıyor. Sonuçların görsel incelemesine dayanan bu izlenimlerin, veri analizinden sonuçlar çıkarabilmemiz için artık istatistiksel olarak değerlendirilmesi gerekiyor.

DOLAYLI ETKİNİN İSTATİSTİKSEL ÖNEMİ: AROIAN TESTİ

Bölüm 40.8’de açıklandığı gibi, dolaylı etkinin istatistiksel önemini değerlendirmek için Aroian testini Sobel test ailesinin bir temsilcisi olarak kullanıyoruz. Standartlaştırılmamış kısmi regresyon katsayılarına ve bilime (b = .442, SE = .127) ve bilimden istatistiğe (b = .430, SE = .142) giden yollar ile ilişkili SE’lere dayanarak, bir Aroian z değeri elde ederiz. yaklaşık 2.23, p = .023. Bu nedenle, etkinlikten bilime ve istatistiğe giden dolaylı yolun istatistiksel olarak anlamlı olduğu sonucuna varıyoruz.

ETKİNLİĞİN DOĞRUDAN ETKİLERİNİN KARŞILAŞTIRILMASI BASİT MODEL VE ​

​ARACILI MODELDE İSTATİSTİKLER ÜZERİNE:  FREEDMAN-SCHATZKIN TESTİ

Basit modelde, etkinlikten istatistiğe standartlaştırılmamış regresyon katsayısı .501 ve SE .181’di; aracılı modelde, etkinlikten istatistiklere standartlaştırılmamış regresyon katsayısı .350, SE değeri .176 idi. Freedman-Schatzkin testine dayanarak, Bölüm 40.9’da açıklandığı gibi aracısız modelde ve aracılı modelde dışsal değişkenden sonuç değişkenine giden yolların göreli güçlerini karşılaştırarak, yaklaşık 3.76’lık bir t değeri elde ederiz. 196 vakalık bir örneklem büyüklüğü ile serbestlik derecesi 194’tür ve elde edilen t değeri istatistiksel olarak anlamlıdır (p < .001). Bu nedenle, aracılı modelde etkinlikten istatistiğe giden doğrudan yolun daha az önemli olduğu (ancak yine de istatistiksel olarak anlamlı) olduğu sonucuna varıyoruz, bu da kısmi bir aracılık etkisi gözlemlediğimizi gösteriyor.

ARACILI ETKİNİN GÖRSEL GÜCÜ

Şimdi, aracılık modelimizdeki yollarla ilişkili standartlaştırılmış katsayıları kullanarak aracılık etkisinin göreli gücünü hesaplıyoruz. Bu, dolaylı etkinin gücünün doğrudan etkinin gücüne oranı olarak hesaplanır ve aşağıdaki gibi hesaplanır:

• Dolaylı etkinin gücü, aracılı modelde bilime ve bilimden istatistiğe giden yollar ile ilişkili standartlaştırılmış katsayıların ürünü ile endekslenir.  Görüldüğü gibi bu değer .085’tir.
• Aracısız modelde standartlaştırılmış katsayı değeri tarafından yalıtılan doğrudan etkinin gücü; değeri .222’dir.
• Aracılı etkinin nispi gücü, dolaylı etkinin doğrudan etkiye bölünmesine eşittir. Burada .085/.222 veya yaklaşık olarak .383’e eşittir.

O halde, etkinliğin istatistik üzerindeki etkisinin yaklaşık %38’inin (%38,3) bilim aracılığıyla gerçekleştiği sonucuna varabiliriz.

Çekirdek enflasyon sepetinde neler VAR
Mann-Whitney U testi etki büyüklüğü
Eta kare değeri nasıl yorumlanır
Eta kare hesaplama
Parametrik testler
Friedman Testi
Etki büyüklüğü hesaplama
Kolmogorov-Smirnov testi

Tek Örnek t Testi

William Gosset, Guinness Brewing Company için çalışan ve üretilen biranın kalitesini takip etmek amacıyla t testini geliştiren bir kimyager ve matematikçiydi. Gosset bu istatistiksel tekniğin bir tanımını yayınlamak istediğinde, tescilli ticari sırları korumak için bunu bir takma adla yapmak zorunda kaldı. Meslektaşı Karl Pearson’ın yardımıyla 1908’de Biometrika’da Student adı altında yayınladı. Yeni prosedürü ve dağılımını göstermek için Student’taki son harften t harfi seçildi.

Üç tür t testi prosedürü vardır: tek örnek t testi, bağımsız örnekler t testi ve eşleştirilmiş örnekler t testi. Bu bölümde açıklanan tek örnek t testi, tek bir gruptan veya örneklemden bir bağımlı değişken hakkında veriye sahip olduğumuzda ve örnek ortalamasının bilinen (veya varsayılan) popülasyon ortalamasından istatistiksel olarak farklı olup olmadığını belirlemek istediğimizde kullanılır.

Genel strateji aşağıdaki gibidir:

• Numune ortalamasının standart hatası hesaplanır.
•Belirli bir alfa düzeyine tekabül eden bir güven aralığı(örn.,.05 veya %95 güven aralığı) standart hatadan hesaplanır.
• Popülasyon parametresinin güven aralığına göre nereye düştüğünü belirleriz.

Popülasyon parametresinin tahmini, güven aralığı veya aralığı içine düşerse, örneklem ortalamasının ve popülasyonun önemli ölçüde farklı olmadığına karar veririz; popülasyon parametresi güven aralığının dışında kalırsa, örneklem ortalamasının ve popülasyon parametresinin önemli ölçüde farklı olduğuna karar veririz. İstatistiksel değerlendirme, numune ortalaması ile popülasyon parametresi arasında denkliği varsayan sıfır hipotezi ile bir t testi aracılığıyla yapılır.

SAYISAL ÖRNEK

Tek örnek t testini göstermek için, bir kısmı gösterilen varsayımsal zihinsel sağlık veri setini kullanıyoruz. Toplam 25 akıl sağlığı tüketicisine yeni bir akıl sağlığı tesisinde alım değerlendirme görüşmeleri yapıldı. Değerlendirme, her bir tüketicinin Ruhsal Bozuklukların Tanısal ve İstatistiksel El Kitabı IV-TR’nin GAF Ekseni V derecesine göre değerlendirilmesini içeriyordu.

GAF ölçeği değerleri 1 (ciddi bozulma) ile 100 (iyi genel işlevsellik) arasında değişebilir. Araştırılmakta olan soru, tüketici GAF örnek ortalamasının, ülke çapında tüketici GAF ortalaması olan 55 ile karşılaştırılabilir olup olmadığıdır. Veriler, One Group t Test adlı dosyada bulunabilir.

ANALİZ KURULUMU

One Group t Test adlı IBM SPSS® kaydetme dosyasını açın ve ana menüden Analyze ➔ Compare Means ➔ One-Sample T Test öğesini seçin. Bu, gösterilen Tek Örnek T Testi iletişim penceresini üretir. GAF değişkenini Test Değişken(ler)i paneline taşıdık ve Test Value paneline 55 yazdık.

Seçenekler düğmesine tıklandığında Seçenekler iletişim penceresi açılır. Bu iletişim kutusu, Güven Aralığı Yüzdesini belirlememizi sağlar; bu örnekte, %95’lik varsayılan değeri koruduk. Eksik Değerler seçeneği de varsayılan ayarı olan Analize göre vaka analizini hariç tut şeklinde bırakılmıştır. Devam’ı tıklatmak bizi ana iletişim penceresine geri götürür ve Tamam’ı tıklatmak analizi oluşturur.

ANALİZ ÇIKIŞI

Analizin çıktısı sunulur. En üstteki tablo, Tek Örnek İstatistikler, örnek boyutunu, örnek ortalamasını ve standart sapmasını ve ortalamanın standart hatasını sağlar. Alttaki tablo, Tek Örnek Testi, varsayılan popülasyon ortalamasını (tablonun üst kısmında etiketlenmiş Test Değeri), t istatistiğini, bunun serbestlik derecesini, anlamlılık düzeyini, ortalama farkını ve %95 alt ve üst sınırlarını içerir. farkın güven aralığı.

Çıktıdan, t istatistiğinin değerinin -4.907 olduğunu görebiliriz. Aşağıdaki nedenden dolayı negatiftir: ortalama fark, numune ortalaması (47.44) eksi popülasyon ortalaması (55.00) olarak hesaplanmıştır, bu da -7.56 ortalama farkla sonuçlanmıştır ve bu nedenle t değeri negatif olacaktır.

24 serbestlik derecesiyle (durum sayısı-1), t değeri, .05 alfa düzeyine göre istatistiksel olarak anlamlıydı (sıfırdan önemli ölçüde düşüktü) (IBM SPSS, .000’lik bir Sig. (2-kuyruklu) olasılık değeri gösterir. , p<.001 olarak kabul edilir). Önem düzeyi, t dağılımının her iki kuyruğunun alanlarını topladığı için “2 kuyruklu” olarak etiketlenmiştir. Mevcut veriler, 47.75’lik örneklem ortalamasının, 55’lik nüfus ortalamasından önemli ölçüde düşük olduğunu göstermektedir.

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