Ana etkileri ve etkileşimleri daha iyi anlama girişimimizde iki faktörden bağımsız ANOVA ölçümlerini inceleyelim. Bu sonraki veri seti, küçük gruplar halinde çalışan bireylerin dinamiklerini anlamakla ilgilenen Dr. Bonnie Klentz tarafından yürütülen bir çalışmadan gelmektedir. Daha spesifik olarak, insanların bir görevdeki diğer grup üyelerinin çıktılarını doğru bir şekilde algılayıp algılayamayacaklarını araştırmak istedi.

Önemli olabileceğini düşündüğü iki değişken, çalışma grubunun büyüklüğü ve katılımcının cinsiyetiydi. Bu iki bağımsız değişken çalışmadaki dört grubu oluşturmuştur: tamamı erkek grupları 2, tamamı erkek grupları 3, tamamı kadın grupları 2 ve tamamı kadın grupları 3 kişiliktir.

Bu çalışmaya katılanlardan 16 harflik bir matriste bulabildikleri kadar çok kelime bulmaları istendi (oradaki herhangi bir Boggle® hayranı için görev o oyun üzerinde modellenmiştir). Her bir kelime bulduklarında, katılımcılar bunu bir kağıda yazdılar ve masanın ortasındaki bir kutuya koydular. Katılımcılara, her grubun bulduğu toplam kelime sayısının çalışmanın sonunda sayılacağı söylendi. Katılımcıların haberi olmadan, her bir grup üyesinin kağıt boyutları farklıydı, böylece her bireyin koyduğu fiş sayısı da araştırmacı tarafından hesaplanabiliyordu.

Burada, katılımcıların iş arkadaşlarının çıktılarına ilişkin tahminlerine odaklanacağız (yani, iş arkadaşlarınızın kaç kelime bulduğunu düşünüyorsunuz?). Bu tahminin doğruluğu, bir fark puanı olarak hesaplandı – kutuya konan gerçek kağıt fişlerinin sayısı eksi kutuya konan tahmini kağıt fişlerinin sayısı. Olumlu bir fark puanı, katılımcıların iş arkadaşlarının performansını hafife aldıklarını gösterir.

Cinsiyetin, grup büyüklüğünün veya bu iki faktörün bir kombinasyonunun insanların iş arkadaşlarının performansını tahmin etme doğruluğunu etkileyip etkilemediğini öğrenelim. Bunu yapmak için Grup adlı dosyayı açın.

Genel Doğrusal Model Tek Değişkeni Analiz Et… Bağımlı Değişken olarak difnext’i ve Sabit Faktörler olarak cinsiyet ve grpsize’yi seçin. Daha önce yaptığımız gibi, Seçenekler…’e tıklayın ve Görüntüle altında Tanımlayıcı istatistikler ve Homojenlik testleri’ni seçin. Devam’a tıklayın ve ardından ana iletişim kutusunda Tamam’a tıklayın.

Önce varyansın homojenliği varsayımının karşılanıp karşılanmadığını değerlendirelim. Levene testi, F istatistiğinin 2.571 değerine sahip olduğunu ve buna karşılık gelen P değeri .061 olduğunu gösteriyor. Varyansın homojenliği varsayımını ihlal ettik mi? Nasıl karar verirsin?
Bir iş arkadaşının çıktısının algılanmasını etkileyen faktörlerin veya ikisinin birleşiminin olup olmadığını bulmak için ANOVA özet tablosunu değerlendirmemiz gerekir.

Cinsiyetin temel bir etkisi var mı? Grup büyüklüğünün ana etkisi var mı? Nereden biliyorsunuz? Cinsiyete Göre Grup Boyutu etkileşimi için satırı bulun ve F istatistiğinin 4.518 değerine sahip olduğuna ve buna karşılık gelen P değeri .037 olduğuna dikkat edin. Böylece, bu test için sıfır hipotezini reddedeceğiz ve cinsiyet ile grup büyüklüğü arasında anlamlı bir etkileşim olduğu sonucuna varacağız.

Varyans analizi nasıl yapılır
ANOVA testi örnekleri
Tekrarlı ölçümlerde ANOVA SPSS
Çoklu karşılaştırma testleri nelerdir
ANOVA tablosu oluşturma
Etkileşim etkisi nedir
Etkileşim etkisi örneği
Anova testi hangi durumlarda kullanılır

Bu sonuçları göstermek için, daha önce yaptığımız gibi verilerimizin grafiğini çıkaracağız. Grafikler Grafik Oluşturucu… Çubuk’u seçin ve ilk çubuk grafik simgesini (basit) önizleme alanına çizin. Ardından difnext’i dikey eksene sürükleyin ve grpsize’ı yatay eksene sürükleyin. Gruplar/Noktalar Kimliği sekmesine tıklayın ve Sütun panelleri değişkenini seçin. Ardından cinsiyeti Panel kutusuna sürükleyin. Çubuk grafiğinize uygun bir başlık ve resim yazısı eklediğinizden emin olun.

Bu çubuk grafik, cinsiyet ve grup boyutu faktörleri arasındaki etkileşimi güzel bir şekilde gösterir. Bağımlı değişkenin, iş arkadaşlarının gerçek performansı ile katılımcıların işlerine ilişkin tahminleri arasındaki fark olduğunu hatırlayın. Bu nedenle, pozitif bir sayı, iş arkadaşının performansının hafife alındığını gösterir.

Erkeklerin iki kişilik gruplar halinde çalışırken iş arkadaşlarının performansını hafife alırken, kadınların üçlü gruplar halinde çalışırken iş arkadaşlarının performansını küçümsediğine dikkat edin. Bu nedenle, grup büyüklüğü iş arkadaşının performansını tahmin etme yeteneğini etkiledi, ancak etki erkekler ve kadınlar için farklıydı. İstatistiksel etkileşim ile kastedilen tam olarak budur – bir faktörün etkileri diğer faktörün etkilerine bağlıdır.

Bu sonuçlar size mantıklı geliyor mu? Bu bulguları nasıl açıklarsınız? Bu orijinal çalışmada, araştırmacının yalnızca grup büyüklüğü için bir ana etki öngördüğünü belirtmek ilginçtir. Spesifik olarak, iki kişilik gruplardaki katılımcıların, eşlerinin üretkenliğini üç kişilik gruplardaki katılımcılardan daha doğru tahmin edeceklerini tahmin etti.

Bu, daha büyük gruplarda katılmak için daha fazla bilgi olduğu fikrine dayanıyordu. Yukarıdaki analizimizden de bildiğimiz gibi, bu varsayımsal ana etki desteklenmedi ve bunun yerine şaşırtıcı bir etkileşim ortaya çıktı. Ve araştırmacıları veri toplamaya ve analiz etmeye devam ettiren de budur, çünkü bir sorunun yanıtı genellikle keşfedilecek başka bir soruyu gündeme getirir.

Son Bir Not

Bu oturumdaki örneklerde ortaya çıktığı gibi, sonuçlar ya önemli ana etkilerin varlığını (BP verileri) ya da önemli bir etkileşimin varlığını (Grup verileri) gösterdi, ancak hem önemli bir etkileşimin hem de önemli bir ana etkinin kombinasyonunu göstermedi. Etkileri). İki faktörlü bir ANOVA’daki F testlerinin her biri bağımsız olduğundan, bu kombinasyon kesinlikle mümkündür. Böyle bir durum ortaya çıktığında, bir etkileşim ana etkileri bozabileceğinden, yorumlamaya anlamlı etkileşimle başlamak önemlidir. Bu nedenle istatistikçiler “etkileşimler ana etkilerin yerini alır” derler.

Bu soruları yanıtlamak için bu oturumun tekniklerini kullanın. İki faktörlü ANOVA için temel varsayımları kontrol edin. Ayrıca, sonuçlarınızı açıklamaya yardımcı olacak grafikler kullanarak analizden ne çıkardığınızı açıklayın. α = .05 kullanın.

Bu veri kümesinin çeşitli fiziksel ve zihinsel stres faktörleri sırasında kan basıncını ve diğer hayati belirtileri içerdiğini hatırlayın.

1. Bir eli buzlu suya (hrcp) sokarken kalp atış hızı kişinin cinsiyeti, ebeveyn hipertansiyonu (PH) veya bu faktörlerin bazı kombinasyonları ile mi ilgili?
2. Mental aritmetik (hrma) yaparken kalp atış hızı aynı faktörlerle (cinsiyet, ebeveyn hipertansiyonu veya bunların kombinasyonu) ilişkili mi?
3. Mental aritmetik (dbpma) sırasında bir kişinin cinsiyeti, ebeveyn hipertansiyonu veya bunların kombinasyonu ile ilgili olarak diyastolik kan basıncına ne olur? Bu sonuçlar, 2’ye (SEX) 2 (PH) ANOVA’da zihinsel aritmetik (sbpma) sırasında sistolik kan basıncını kullanan bu oturumun örneğinde bulunanlarla nasıl karşılaştırılır?

Bu dosyanın küçük gruplar halinde çalışan bireylerin dinamiklerini araştıran bir çalışmanın verilerini içerdiğini hatırlayın.

4. Deneklerin gerçek üretkenliği (alttot1) çalıştıkları grubun büyüklüğü (grpsize), cinsiyetleri veya bu faktörlerin bir kombinasyonu ile mi ilgili? Başka bir deyişle, bu faktörlerden hangisi veya bunların kombinasyonu, birinin küçük bir grupta ne kadar sıkı çalıştığı konusunda bir fark yaratır?

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

SAS Enterprise Guide’da regresyonun homojenliği varsayımını değerlendirmek için, analizi yukarıda açıklanan ANOVA’yı nasıl çalıştırdığımıza benzer şekilde yapılandırırız. Ana menüden Analiz ➜ ANOVA ➜ Doğrusal Modeller’i seçin. Şekil 16.29’da gösterildiği gibi, Math_dv’yi Bağımlı değişken olarak ve grubu da Sınıflandırma değişkeni olarak belirleyin. Ancak şimdi, nicel değişken olarak fiil_cov’u da belirteceğiz (SAS, ortak değişkenleri kategorik değişkenler yerine nicel olarak ele aldığı fikrini açıkça ortaya koyuyor).

Ekranın en solundaki gezinme panelinde Model’i seçin. verb_cov’u vurgulayın ve pencerenin ortasındaki Ana düğmeyi tıklayın. Bu eylem, verb_cov’u Şekil 16.30’da gösterildiği gibi Efektler paneline yerleştirecektir. Aynı şeyi grup için de yapın. Ardından, verb_cov’u vurgulayın ve Kontrol tuşunu basılı tutarken grubu vurgulayın. Efektler panelinde fiil_cov∗group etkileşimini yerleştirmek için Çapraz düğmesine tıklayın.

Gezinme panelinde Model Seçenekleri’ni seçin. Şekil 16.31’de gösterildiği gibi sadece Tip III’ü seçin. Ardından analizi gerçekleştirmek için Çalıştır’a tıklayın.
Analizin çıktısı Şekil 16.32’de gösterilmektedir. Bu, SPSS’den elde edilen çıktıyla eşleşir. Bağımsız değişken ve ortak değişkenin etkileşimi istatistiksel olarak anlamlı değildir, bu da verilerin regresyonun homojenliği varsayımını ihlal etmediği sonucuna varmamıza izin verir.

ANCOVA’NIN SAS’TA YAPILMASI

KOVARYANS ANALİZİNİN YAPILANDIRILMASI

Çok amaçlı ANCOVA’yı gerçekleştirmek için analizi, yukarıda açıklanan regresyon homojenliği testini nasıl çalıştırdığımıza benzer şekilde yapılandırırız. Ana menüden Analiz Et ➜ ANOVA ➜ Doğrusal Modeller’i seçin. Şekil 16.33’te gösterildiği gibi, Math_dv’yi Bağımlı değişken olarak, group’u Sınıflandırma değişkeni olarak ve verb_cov’u Nicel değişken olarak belirtin.

Model penceresinde, yalnızca iki ana efektin üzerine tıklayın (bkz. Şekil 16.34). Model Seçenekleri penceresinde, yalnızca Tip III’ü belirtin (gösterilmemiştir). Ayrıca gruplar için araçlar elde etmek istiyoruz. ANCOVA, düzeltilmiş ortalamaları analiz ettiğinden, değerlendirilen ortalamalar olmadığı için gözlemlenen ortalamalara artık atıfta bulunamayız. Bunun yerine, ayarlanmış araçları elde etmemiz gerekiyor.

SAS, bunları “en küçük kareler araçları” olarak adlandırır. Şekil 16.35’te gösterilen gezinme panelinde Post Hoc Testler penceresinin En Küçük Kareler bölümünü seçerek çıktıda görüntülenmesini sağlayabiliriz. Modeldeki etkileri göstermek ve Araç testleri için Seçenekler’deki panelleri görüntülemek için Ekle’ye tıklayın. Kullanılacak sınıf efektleri altında (pencerenin sağ kısmındaki ilk panel), grup efektini True olarak ayarlayın (başlangıçta False olarak ayarlanmıştır – çift tıklatıldığında True/Yanlış menüsünü görüntüler, True’yu seçersiniz).

Instagram etkileşim ölçme
Sosyal medyada etkileşim Nedir
Etkileşim Oranı hesaplama
Etkileşim etkisi örneği
Instagram engagement rate hesaplama
Twitter etkileşim oranı hesaplama
Reach hesaplama
Total engagements ne demek

Analizi tamamlamak için, çok yönlü analiz sonuçlarını görmeyi beklemek ve sonra geri dönüp ANOVA sonrası ortalama karşılaştırmalarımızı çalıştırmak yerine ikili ortalama karşılaştırmalarımızı da belirleyeceğiz. Karşılaştırmalar panelinin altında, Farklar için p-değerlerini göster’i Tüm ikili farklar olarak ayarlayın ve Karşılaştırmalar için Ayarlama yöntemini Bonferroni olarak ayarlayın. Analizi gerçekleştirmek için Çalıştır’a tıklayın.

KOVARYANS ANALİZİ ÇIKTI

ANOVA’nın çıktısı Şekil 16.36’da gösterilmektedir. Bu, SPSS tarafından üretilen sonuçlarla eşleşir.

SONUÇLARIN İLETİŞİMİ

Matematik öğretmek için üç farklı öğretim programının etkililiğini değerlendirmek için denekler arası tek yönlü kovaryans tasarımı kullanıldı. Otuz altı sekizinci sınıf çocuğu, grup başına on iki çocuk, geleneksel, serbest biçimli veya bilgisayar tabanlı bir öğretim programına maruz bırakıldı ve sonunda matematik kelime problemleri üzerinde test edildi.

Bağımlı değişken, test saati boyunca çözülen matematik problemlerinin sayısıydı. Sözel yeterliliğin performansı ne derece etkileyebileceğini matematik puanlarını istatistiksel olarak kontrol etmek için, çocuklara matematik testinin verildiği haftanın başlarında bir sözel beceri testi uygulandı; sözel yeterlilik puanı daha sonra analizde bir değişken olarak kullanılmıştır.

ANCOVA, F (1, 32) = 87.42, p < .05 ve öğretim programından bağımsız değişken, F (2, 32) = 6.52, p < .05; bu ikinci etki, toplam varyansın yüzde 8’inin biraz altındaydı. Bonferroni düzeltilmiş çoklu karşılaştırma testleri, bilgisayar tabanlı (düzeltilmiş M = 11.69, SE = 0.35, yüzde 95 GA = 10.98 − 12.39) ve serbest biçimli (düzeltilmiş M = 11.20, SE = 0.35, yüzde 95 GA = 10.49 − 11.90) göstermiştir. ) programları, sözel yeterlilik seviyesini kontrol ederken geleneksel öğretim programından (düzeltilmiş M = 10.20, SE = 0.35, yüzde 95 GA = 9.49 − 10.92) daha yüksek matematik kelime problemi performansıyla sonuçlandı.

Varyans Analizinde İleri Konular

Bu son bölümün amacı, deneysel tasarım ve ANOVA prosedürleri ile ilgili seçilmiş bazı konulara kısa bir giriş sağlamaktır. Bu konular arasında etkileşim karşılaştırmaları, rastgele ve sabit faktörler, iç içe faktörler, Latin kareler, eşit olmayan örnek büyüklükleri ve çok değişkenli varyans analizi yer alır.

Bu konuların tam olarak ele alınması, konu başına en az ayrı bir bölüm gerektirdiğinden, bu kitabın kapsamı dışındadır, kapsamımız biraz üstünkörü olacaktır; daha fazla bilgi için başvurulabilecek kaynaklar her konu ile bağlantılı olarak verilmiştir.

ETKİLEŞİM KARŞILAŞTIRMALARI

BASİT ETKİ ANALİZLERİ

Bölüm 8’de belirttiğimiz gibi, çoğu araştırmacı basit etki analizleri yürüterek istatistiksel olarak anlamlı bir A × B etkileşim etkisini keşfeder. Bu kitap boyunca kullandığımız basit efekt stratejisi, istatistiksel olarak anlamlı bir etkileşim etkisi veren çok yönlü ANOVA’yı doğrudan takip eden t testleri kullanarak ikili karşılaştırmalar yapmaktı. Alternatif ancak benzer bir strateji, bağımsız değişkenlerden birinin üç veya daha fazla seviyesi ile Şekil 17.1’de gösterilen ortalamalar dikkate alınarak gösterilebilir.

Bu 3 × 2 faktöriyel ilk olarak Şekil 8.2’de sunulmuştur. Bu alternatif ancak benzer stratejide, her seferinde bağımsız değişkenlerden birinin bir düzeyine odaklanıyoruz. Şekil 17.1’de kadınların bir odağı vurgulama araçlarını özetledik ve bu odağı erkeklerle tekrarlayacağız.

Bu stratejiyi uygulamak için şunları yapardık:

1. Kadınlar için ikamet türünü karşılaştırarak tek yönlü bir ANOVA yapın.
2. Konut tipi için F oranı istatistiksel olarak anlamlıysa, etkileşim etkisinin yerini belirlemek için planlı veya plansız karşılaştırmalar yaparız.
3. Daha sonra bu işlemi erkekler için tekrarlarız.

Basit etki analizlerini yürütmek için bu iki strateji, doğrudan ikili t testleri ve çoklu karşılaştırma testleri tarafından takip edilen tek yönlü ANOVA’lar, her ikisinin de etkileşim etkisini doğrudan araçların karşılaştırmasına ayırması bakımından kavramsal olarak çok benzerdir. Etkileşim karşıtlıklarının kullanımı, çok amaçlı etkileşim etkisini ayrıştırmak için biraz farklı bir stratejiyi örneklemektedir.

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

Etkileşim, hücre araçlarının ilişkisinin genel bir değerlendirmesidir. Bağımsız değişkenin üç veya daha fazla seviyesindeki ana etkilerin, post hoc testler veya planlı karşılaştırmalar ile daha fazla açıklanması gereken omnibus etkileri olduğu gibi, omnibus etkileşim etkisinin de basitleştirilmesi gerekir. Bu basitleştirme sürecine duyulan ihtiyaç, Şekil 8.3’teki grafik incelenerek gösterilebilir.

Kadın katılımcıları düşünün. Eğri, büyük şehir yerleşimlerinden kırsal topluluklara doğru istikrarlı bir şekilde yükselir, ancak örneğin, küçük kasabalardakilerin büyük şehirlerdekilerden önemli ölçüde daha mı yoksa kırsal topluluklarda yaşayanların diğerlerinden önemli ölçüde daha mı yalnız olduğunu belirlemek ilgi çekici olacaktır. 

Erkekler için, kırsal topluluklarda yaşayanların küçük kasabalarda yaşayanlardan önemli ölçüde daha az yalnız olmaları (bu aşamada kesin olarak bilmesek de) muhtemeldir. Ayrıca büyük şehirlerde yaşayanlarla küçük kasabalarda yaşayanlar arasında istatistiksel olarak anlamlı bir fark olup olmadığını da bilmiyoruz ve büyük şehirlerde yaşayanlarla kırsalda yaşayanlar arasında istatistiksel olarak anlamlı bir fark olup olmadığını da söyleyemeyiz. 

Şekil 8.3’teki cinsiyet karşılaştırmalarına baktığımızda da aynı belirsizlikle karşılaşılmaktadır. Büyük şehirlerde oturanlar için kadın-erkek farkı istatistiksel olarak anlamlı mı? Fark minimumdur ve önemli olması muhtemel değildir. Kırsal topluluklarda yaşayanlar için cinsiyet farkı var mı? Bu fark nispeten büyüktür ve muhtemelen önemlidir. Küçük kasabalarda kadın-erkek farklılıklarına ne dersiniz? Bunun cevabı grafikten belirlenemez.

Etkileşim için basit etkilerin analizi, tüm bu soruları yanıtlayacaktır. Basit etkilerin üretilmesinde kullandığımız genel strateji, bir değişkenin düzeylerini izole etmek ve bu grupların ortalamalarını karşılaştırmaktır. Örneğin, cinsiyet seviyelerini izole ederdik. Bunu yaparken, kadın katılımcılara odaklanacağız ve farklı sakinlerden oluşan grupları (büyük şehir, küçük kasaba, kırsal topluluk) karşılaştıracağız. O zaman aynı şeyi erkekler için de yapardık.

Ek olarak, farklı ikamet düzeylerini ayırabilir ve her topluluk türündeki kadın ve erkekleri karşılaştırabiliriz. Hangi grubun diğerlerinin hangilerinden farklı olduğunu bilmek, çok yönlü etkileşim etkisini tam olarak açıklamamıza izin verir. Bu basit efekt analizlerini bölümün ilerleyen kısımlarında nasıl gerçekleştireceğinizi size göstereceğiz.

Genel olarak, etkileşimler genellikle hücre araçlarının grafiği incelenerek teşhis edilebilir. Bunu göstermek için Şekil 8.4’te şematik grafikler sağladık. Şekil 8.4A, Şekil 8.4B ve Şekil 8.4C’deki fonksiyonlar paralel bir ilişkiden ayrılır ve bir etkileşimin göstergesi olacaktır.

• Şekil 8.4A’da b1 işlevi hafifçe aşağı, b2 işlevi keskin bir şekilde yukarı eğimlidir. İki fonksiyonun a2’de önemli ölçüde farklılık göstermemesi, ancak a1’de önemli ölçüde farklı olması muhtemeldir.
• Şekil 8.4B’de fonksiyonlar kesişir. a1’de büyük olasılıkla b2’yi b1’den önemli ölçüde daha büyük buluruz; a2’de, b1 ve b2’nin önemli ölçüde farklılık göstermemesi mümkündür.
• Şekil 8.4C’de her iki fonksiyon da yükseliyor ancak b2, b1’den daha keskin bir şekilde yükseliyor. İki fonksiyonun a1’de önemli ölçüde farklı olmaması, ancak a2’de önemli ölçüde farklı olması muhtemeldir.

İki işlevi paralel olarak görüntüler. Bu bize, ANOVA özet tablosunu incelemeden önce, etkileşim etkisinin istatistiksel anlamlılık elde etmeyeceğini söyleyecektir.

ANOVA testi örnekleri
ANOVA tablosu oluşturma
ANOVA testi yorumlama
Tek yönlü ve Çift yönlü ANOVA farkı
Etkileşim etkisi örneği
Etkileşim etkisi nedir
ANOVA Makale
Anova testi hangi varsayım altında yapılır

ETKİLERİN ÖNCELİKLİ: ETKİLEŞİMLER ANA ETKİLERİN ALTINDADIR

Faktöriyel analizlerin sonuçlarını yorumladığımız ve raporladığımız önceliği yöneten genel bir kural vardır: Etkileşimler ana etkilerin yerini alır. Bu doğrudur çünkü etkileşimler, ana etkilerden daha eksiksiz bir ayrıntı düzeyi içerir. Çalışılan örneğimizde, cinsiyetin önemli bir ana etkisini elde ettik, genel “toplumsal cinsiyet”, kadınların erkeklerden daha fazla yalnızlık yaşadığını ortaya çıkardı.

Ancak etkileşim istatistiksel olarak da anlamlı olduğu için, ana etkinin bu örnekte aşırı genelleme olduğunu görebiliriz. Evet, kadınlar genel olarak erkeklerden daha fazla yalnızlık bildirdi, ancak evrensel olarak değil. Büyük şehirlerde yaşayanlar için, erkek katılımcılar aslında kadınlardan biraz daha fazla yalnızlık bildirdiler. Bu son fark istatistiksel olarak anlamlı olmasa da asıl mesele, ana etkiye dayalı genellemenin büyük şehir ortamı için geçerli olmadığıdır.

Hem küçük kasabalarda hem de kırsal topluluklarda kadınların erkeklere göre daha fazla yalnızlık bildirdiği de doğrudur, ancak bu farkın büyüklüğü çok farklıdır. Bir kez daha, ana etkiye dayalı genelleme, sonuçların nüanslarını yakalamak için çok geniştir.

Bir etkileşim, çizgilerin paralel olmadığını ve hücrelerin benzersiz kombinasyonlarının incelenmesinin kritik olduğunu gösterdiğinden, hücre ortalama düzeyinde var olan ilişkilerin ayrıntılarının her zaman grubun incelikleri hakkında daha bilgilendirici olacağı her zaman doğru olacaktır. ana etkilerden farklılık gösterir. Bu nedenle, önemli bir etkileşimle, normalde enerjimizin çoğunu basit etki analizimize dayanarak hücre araçlarını açıklamak için harcarız ve ana etkilerin daha üstünkörü bir şekilde ele alınmasını sağlama eğilimindeyiz.

OMNIBUS İKİ FAKTÖR ARASINDA EL İLE ANOVA KONULARININ BİLGİLENDİRİLMESİ

NOTASYON

İki faktörlü denekler arası ANOVA için hesaplama süreci, denekler arası tek faktörlü ANOVA tasarımı için Bölüm 6’da ele aldığımız hesaplama prosedürlerinin doğrudan bir uzantısıdır. Bu bölümde tanıtılan varsayımsal örnekle devam edeceğiz. Bağımsız değişkenler, ikamet edilen topluluğun büyüklüğü (Faktör A) ve cinsiyettir (Faktör B).

Yerleşimden bağımsız değişkenin üç düzeyi (a1=büyük, a2=küçük, a3=kır) ve cinsiyetin iki düzeyi (b1=kadın, b2=erkek) vardır. Bağımlı değişken, yalnızlık envanterindeki bir puandır (0’dan 60’a kadar). Bağımsız değişkenlerin bu kombinasyonu 3 × 2 faktöriyel üretir ve Tablo 8.2’nin Tasarım etiketli ilk matrisinde gösterilmektedir.

Katılımcıların yalnızlık envanteri (bağımlı değişken) üzerindeki puanları, altı sütunda veya iki bağımsız değişkenin çeşitli düzeylerinin tedavi kombinasyonlarında düzenlenebilir. Böyle bir düzenleme, Tablo 8.2’nin Veri Kümesi (Yijk) olarak adlandırılan ikinci matrisinde görülebilir. Bu matristeki serilere veya gözlemlere topluca Yijk adını vererek üç parça bilgiyi ifade ediyoruz.

Alt simge i, bir tedavi kombinasyonu içindeki her bir katılımcının veya vakanın sıradaki konumunu belirtir. j alt indisi A tedavisinin seviyesini ve k indisi B tedavisinin seviyesini temsil eder. Bu gösterim cihazı bize her katılımcının aldığı tam tedavi kombinasyonunu hatırlatır.

Yijk matrisindeki altı ham veri sütununun her biri, toplu olarak ABjk olarak adlandırılan tedavi kombinasyon toplamlarını üretmek için toplanabilir (yine, j alt indisi A tedavilerinin seviyesini belirtir ve k alt indisi B tedavilerinin seviyesini belirtir) . Bu altı ABjk işlem kombinasyon toplamı, Tablo 8.2’de AB Toplamlar Matrisi olarak gösterdiğimiz kendi matrislerinde yapılandırılabilir.

Bu AB tedavi kombinasyon toplamları dikey (A tedavi toplamlarını elde etmek için) veya yatay olarak (B tedavi toplamlarını elde etmek için) toplanabilir ve gelecekteki ana etki analizlerimiz için bileşenleri sağlayacaktır. Toplamların AB matrisi, her bir ABjk işlem kombinasyonu toplamının n’ye bölünmesiyle bir AB ortalama matrisine dönüştürülebilir.

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

Bu değerler, Bölüm 6’da tanımladığımızla aynı şekilde elde edilir. Ortalama kare değerleri, her bir varyans kaynağı için, o kaynağın karelerinin toplamı, o kaynağın serbestlik derecesine bölünerek hesaplanır. F oranları, iki ana etki ve etkileşim için ilgili ortalama kare değerlerinin hata teriminin ortalama kare değerine bölünmesiyle hesaplanır. Eta kare değerleri, istatistiksel olarak anlamlı bir etki için kareler toplamının, toplam varyans için kareler toplamına bölünmesiyle belirlenir.

BU TASARIMDA İLGİ ETKİLERİ

Bu iki yönlü tasarımda bizi ilgilendiren üç etki vardır: cinsiyetin ana etkisi, topluluk konut büyüklüğünün ana etkisi ve Cinsiyet × Konut etkileşimi olarak bilinen cinsiyet ve ikamet düzeylerinin benzersiz kombinasyonları. Her birine sırayla bakıyoruz.

CİNSİYETİN TEMEL ETKİSİ

İlgilendiğimiz etkilerden biri de cinsiyettir. Kadın ve erkek katılımcılar arasında yalnızlık duyguları açısından istatistiksel olarak anlamlı bir fark olup olmadığını bilmek istiyoruz. Bu nedenle, kadınların genel yalnızlık ortalamasını (yani, tüm ikamet seviyelerinde) erkeklerinkiyle karşılaştırıyoruz. Şekil 8.2’den görülebileceği gibi, 31.67 ortalamasını 18.00 ortalamasıyla karşılaştırıyoruz. ANOVA çıktısı, cinsiyet için F oranının istatistiksel olarak anlamlı olduğunu gösterir, F (1, 24) = 38.03, p < .05, η2 = .267. Sadece iki cinsiyet düzeyiyle, kadın katılımcıların erkek katılımcılardan önemli ölçüde daha fazla yalnızlık yaşadıklarını biliyoruz.

KONUTUN TEMEL ETKİSİ

İlgilendiğimiz ikinci bir etki, ikametin ana etkisidir. Bu nedenle, büyük şehirlerde, küçük kasabalarda ve kırsal topluluklarda yaşayan katılımcıların genel araçlarını karşılaştırıyoruz. Şekil 8.2’den bu ortalamaların sırasıyla 15.50, 33.00 ve 26.00 olduğu görülebilir.

ANOVA çıktısı, bu ana etki için istatistiksel olarak anlamlı bir F oranı gösterir, F (2, 24) = 21.06, p < .05, η2 = .296. Bu nedenle, en az bir araç çiftinin önemli ölçüde farklı olduğunu varsayıyoruz, ancak F oranı bilgisine dayalı olarak hangi araçların diğerlerinden hangilerinden farklı olduğunu tam olarak bilmiyoruz. Bu durumda, hangi grup ortalamalarının diğerlerinden önemli ölçüde farklı olduğunu belirlemek için Bölüm 7’de açıklandığı gibi bir ANOVA sonrası testi (post hoc testler, planlı karşılaştırmalar) yapmamız gerekir.

İKİ BAĞIMSIZ DEĞİŞKENİN ETKİLEŞİMİ

Tasarımda değerlendirdiğimiz üçüncü etki ise Cinsiyet × Konut etkileşimidir. Bu etki için odak noktamız hücre araçları, yani bağımsız değişkenlerin benzersiz kombinasyonlarını temsil eden araçlardır.

ANOVA çıktısı, etkileşim etkisi için istatistiksel olarak anlamlı bir F oranına sahip olduğumuzu gösterir, F (2, 24) = 19.16, p < .05, η2 = .269. Bu etkiyi açıklamak için hücre araçlarının ilişkilerini incelememiz gerekir. Bu, basit efekt analizi olarak bilinen bir ANOVA sonrası prosedürü içerir. Buradaki ilgi, etkileşimi doğru şekilde yorumlanabilmesi için “basitleştirmek”tir.

Etkileşim etkisi örneği
Deney grubu Nedir
Deneysel araştırma yöntemi örneği
Kontrol grubu Nedir
Bağımlı bağımsız değişken kontrol ve deney grubu
Deney grubu kontrol grubu Nedir
Deneysel araştırma özellikleri
Deneysel araştırma Nedir

ETKİLEŞİM ETKİSİ

ETKİLEŞİMİN DOĞASI

Genel anlamda, bir bağımsız değişkenin bir düzeyindeki araçların modeli, bu bağımsız değişkenin başka bir düzeyindeki modelden farklı olduğunda, bir etkileşimin var olduğu söylenir. Bunu, bağımlı değişken üzerindeki puanların, bağımsız değişkenlerimizin düzeylerinin belirli kombinasyonundan etkilendiğinin bir göstergesi olarak da düşünülebilir.

Kısmen bu nedenle etkileşimin bir çizgi grafiğini sunmak yaygındır (bağımsız değişkenler genellikle kategorik değişkenler olsa da). Böyle bir sunum genellikle okuyucuların etkileşimde yer alan bilgileri birleştirmesini kolaylaştırır. Sayısal örneğimiz için etkileşim grafiğimiz gösterilmiştir.

Arsamız, tasarımı sunma şeklimize benzer bir şekilde yapılandırılmıştır. Bu çalışmada y ekseni her zaman bağımlı değişken olan yalnızlığı temsil etmektedir. Genellikle daha sürekli olan bağımsız değişkeni x eksenine yerleştirmeye çalışırız, ancak birçok çalışmada keyfi bir karar olduğu ortaya çıkar.

Hangi bağımsız değişkenin x eksenine yerleştirileceğine ilişkin seçim isteğe bağlı olduğunda, en çok işlem veya düzeye sahip bağımsız değişkeni x eksenine yerleştirmenizi ve böylece şekilde daha az çizgi çizilmesini gerektirmenizi öneririz. Burada, estetik olması açısından üç yerleşim seviyesini (Şekil 8.2’deki sütunlar) x eksenine eşit aralıklarla yerleştirdik. Şekil 8.2’deki satırlar iki cinsiyet düzeyini temsil etmektedir ve grafikte her biri için bir çizgi çizdik.

Etkileşim fikrini kavramak için, bağımsız değişkenlerden birinin her düzeyi için araçların modelini ayrı ayrı incelememiz gerekir. Cinsiyet için kullanacağımız stratejiyi tanımlamak en kolayıdır çünkü Şekil 8.3’te kadınlar ve erkekler için ayrı çizgiler çizdik. Kadınlar için bir model gözlemliyoruz: büyük şehirlerde, küçük kasabalarda ve kırsal topluluklarda yaşayanlara baktığımızda yalnızlık giderek artıyor.

Bu model, erkek katılımcılar için belirgin şekilde farklıdır. Küçük kasabalarda yaşayanların yalnızlık puanları büyük şehirler ve kırsal topluluklara göre daha yüksektir.

Şekil 8.3’te gördüğümüz gibi, hücre araçlarının tasarımda bu kadar benzersiz bir şekilde durması, desende böyle bir farklılık, bir etkileşimin göstergesidir. Çizgiler paralel olsaydı, iki örüntü arasında fark olmayacaktı ve etkileşim olmayacaktı. Yani, erkekler için her hücre ortalaması, eşleşen hücre ortalamasının diğer dişi hücre araçlarına göre olduğu gibi, erkekler için diğer hücre araçlarıyla aynı ilişki içinde olacaktı. Bir etkileşim olması için çizgilerin kesişmesi gerekmediğine dikkat edin, istatistiksel olarak anlamlı bir etkileşimin elde edilmesi için bunların paralel olmaması oldukça yeterlidir.

BASİT ETKİ ANALİZİ

Etkileşim, hücre araçlarının ilişkisinin genel bir değerlendirmesidir. Bağımsız değişkenin üç veya daha fazla seviyesindeki ana etkilerin, post hoc testler veya planlı karşılaştırmalar ile daha fazla açıklanması gereken çok yönlü etkiler olması gibi, çok yönlü etkileşim etkisinin de basitleştirilmesi gerekir. Bu basitleştirme sürecine duyulan ihtiyaç, grafik incelenerek gösterilebilir.

Kadın katılımcıları düşünün. Eğri, büyük şehir yerleşimlerinden kırsal topluluklara doğru istikrarlı bir şekilde yükselir, ancak örneğin, küçük kasabalardakilerin büyük şehirlerdekilerden önemli ölçüde daha mı yoksa kırsal topluluklarda yaşayanların diğerlerinden önemli ölçüde daha mı yalnız olduğunu belirlemek ilgi çekici olacaktır.

Erkekler için, kırsal topluluklarda yaşayanların küçük kasabalarda yaşayanlardan önemli ölçüde daha az yalnız olmaları (bu aşamada kesin olarak bilmesek de) muhtemeldir. Ayrıca büyük şehirlerde yaşayanlarla küçük kasabalarda yaşayanlar arasında istatistiksel olarak anlamlı bir fark olup olmadığını da bilmiyoruz ve büyük şehirlerde yaşayanlarla kırsalda yaşayanlar arasında istatistiksel olarak anlamlı bir fark olup olmadığını da söyleyemeyiz.

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