SPSS’yi Tek Yön prosedürünü gerçekleştirmeye yönlendirmek için:

(1) Menü çubuğundan İstatistikler’e tıklayın.
(2) Açılır menüden Ortalamaları Karşılaştır’a tıklayın.
(3) Tek Yönlü ANOVA iletişim kutusunu açmak için açılır menüden Tek Yönlü ANOVA’ya tıklayın.
(4) Sağ üst ok düğmesini kullanarak “kelimeler” değişkenini Bağımlı Liste kutusuna tıklayın ve taşıyın.
(5) Sağ alt ok düğmesini kullanarak “info_set” değişkenini Faktör kutusuna tıklayın ve taşıyın.
(6) Tek Yönlü ANOVA: Aralık Tanımla iletişim kutusunu açmak için Derme Range düğmesine tıklayın.
(7) “info_set” faktörü için değer aralığı 1 ila 3’tür. Minimum kutusuna 1 ve Maksimum kutusuna 3 değerini girin.
(8) İletişim kutusunu kapatmak için Devam’a tıklayın.
(9) Tek Yönlü ANOV A iletişim kutusunun sağ alt köşesindeki Seçenekler düğmesine tıklayın.
(10)İstatistiklerkutusununTanımlayıcıseçeneğinetıklayın.(Bu seçenekher bilgi kategorisi için ayrı ayrı ortalama,standart sapma, güven aralığı, standart hata ve minimum ve maksimum değerleri sağlar.)
(11) Etiketleri Görüntüle seçeneğine tıklayın.
(12) İletişim kutusunu kapatmak için Devam’a tıklayın. (13) Prosedürü çalıştırmak için Tamam’a tıklayın.

ANOVA çıktısı gösterilmektedir. Bu listedeki varyans tablosunun analizine benzer. F Prob. (.0000), 2 ve 15 serbestlik dereceli 22,5 F-Oranına karşılık gelen P değerini temsil eder. Popülasyon ortalamalarının eşit olduğu sıfır hipotezi, .00005’e eşit veya daha büyük herhangi bir ex için reddedilir. Böylece, bilgi setine dayalı olarak ezberlenen ortalama kelime sayılarında üç grup arasında farklılıklar olduğu sonucuna varılmıştır.

Bu listenin orta ve alt kısımları, Tanımlayıcılar seçeneği aracılığıyla açıklayıcı istatistikler talep etmemizin sonucudur. Buradan, bilgisiz grubun hatırladığı ortalama kelime sayısının 4 olduğunu; üç kategori grubuna göre 9’du; ve altı kategori grubuna göre 5’ti. SPSS ayrıca her grup için hatırlanan kelime aralığını listeler ve her bir ortalama için %95’lik bir güven aralığı hesaplar. Toplam etiketli satır, 18 gözlemin tamamı için aynı sonuçları verir.

Eşit Olmayan Örneklem Boyutlarına Sahip Bir Örnek

SPSS ile eşit olmayan hücre boyutlarıyla varyans analizi gerçekleştirme yöntemi, eşit örnek boyutları için olanla aynıdır. “final.sav” veri dosyasını ve yukarıdaki  prosedürü kullanarak, anadili İngilizce olan öğrenciler ve diğer öğrenciler arasında ortalama ders notlarında bir fark olmadığı hipotezini test etmek için bir ANOVA gerçekleştirebiliriz. “Dil” faktörünü “info_set” faktörü için iki seviye ve “kelimeler” için “derece” değişkeni ile değiştirerek 1-13 arasındaki adımları takip edeceğiz. Sonuçlar listelenir.

Bu çıktı, biçim olarak Şekil 16.3 ile aynıdır. Örneklemde ana dili İngilizce olmayan 15 öğrenci, ancak ana dili İngilizce olan 53 öğrenci olduğuna dikkat edin. F oranı büyüktür (7.4715) ve P değeri .0080’dir. Buradan, dil bazında final ders notlarında farklılıklar olduğu sonucuna varıyoruz. Aslında, bu analizde karşılaştırılacak sadece iki grup olduğundan, anadili İngilizce olan kişilerin ortalama olarak daha iyi performans gösterdiği sonucuna varabiliriz. Anadili İngilizce olanlar için örnek ortalaması 136.00 ve anadili İngilizce olmayanlar için 119.73’tür.

Post-hoc test çeşitleri
Dunnet testi
Çoklu karşılaştırma testleri nelerdir
Post hoc analiz
Games-Howell testi
Scheffe testi
Duncan testi yorumlama
Post hoc testi neden yapılır

Varyans Analizi Hakkında Daha Fazla Bilgi

Diğer istatistiksel prosedürlerde olduğu gibi, verilerin ANOV A’nın altında yatan varsayımları karşılayıp karşılamadığını değerlendirmek önemlidir. Bu varsayımlar, (1) gözlemlerin bağımsızlığını, (2) alt grup ortalamalarının normal dağılımını ve (3) popülasyon varyanslarının homojenliğini içerir. 

(2) ve (3) koşullarının ihlaline ilişkin olarak varyans analizi oldukça sağlam olsa da, özellikle örneklem büyüklükleri küçük ila orta düzeydeyse, bu varsayımlar rutin olarak incelenmelidir. Örneğin, gösterildiği gibi normallikten sapmaları değerlendirmek için bağımlı değişkenin histogramlarını inceleyebilirsiniz. İki grubun varyanslarının eşit olup olmadığını belirlemek için resmi bir test verir. İkiden fazla popülasyon söz konusu olduğunda, benzer olup olmadıklarını görmek için örnek varyansları incelenmelidir. Örneğin üç grubun standart sapması aynı genel aralıktadır.

Hangi Gruplar Hangilerinden Ne Kadar Farklı?

İki Aracın Karşılaştırılması

Popülasyon farklı olduğunda, farkın derecesini tahmin etmek bilgilendiricidir. Değişkenin ölçeği iyi biliniyorsa, ham ortalama farkı, farkın büyüklüğünü tanımlamanın anlamlı bir yolu olabilir. Ölçek tanıdık değilse, ortalama bir farkın büyüklüğünün tahmin edilmesi, genellikle standart sapma birimlerinde ifade edilen ortalama fark olan bir etki büyüklüğü hesaplanarak gerçekleştirilir.

SPSS, Tek Yönlü ANOVA prosedüründe etki büyüklüklerini hesaplamaz, bu nedenle bunların elle hesaplanması gerekir. Çoğu çalışmada, uygun standart sapma, hücre içi ortak standart sapmadır; bu, gruplar içindeki ortalama karenin karekökü. Nihai istatistik notu örneğinde (Şekil 16.3), yerli ve yerli olmayan arasındaki farkın etki büyüklüğü
İngilizce konuşanlar (136.00 – 119.73)IV414.04 = 0.80. Ortalama olarak, anadili İngilizce olan kişiler, anadili İngilizce olmayanların üzerinde 0.80 standart sapma olan istatistik notları aldı.

Ayrıca  verilen yaklaşımı kullanarak iki ortalamanın farkı için bir güven aralığı hesaplayabiliriz. Nihai istatistik notu örneğinde, %95 güven aralığı için t değeri ~(.025)’tir. Ders kitabındaki Ek III’ten, t değeri yaklaşık olarak 2.000’e eşittir. Ortalama fark 136.00 – 119.73 = 16.27’dir ve farkların standart hatası V414.04 x (1115 + 1/53) = 5.95’tir. Güven aralığının alt sınırı 16.27 – (2.00 x 5.95) = 4.37 ve üst sınır 16.27 + (2.00 x 5.95) = 27.17’dir. Anadili İngilizce olan ve olmayanlar arasındaki ortalama final notları arasındaki fark için %95 güven aralığı (4.37, 28.17)’dir. Ortalama fark için tüm makul değerler, anadili İngilizce olan kişilerin lehinedir.

Spesifik Farklılıkların İkiden Fazla Anlam Testi

Varyans analizine dahil olan ikiden fazla popülasyon olduğunda, genel F oranından, ortalamaların birbirinden önemli ölçüde farklı olduğunu basitçe inceleme yoluyla söylemek imkansızdır. Karşılaştırmak istediğiniz belirli araç çiftleri için bireysel testler yapmalısınız. Bununla birlikte, birden fazla test yapmak, tip I hata olasılığını artırır, böylece Bonferroni prosedürü gibi bir tür ayarlama yapılması gerekir.

SPSS ANOVA prosedürünün Bonferroni karşılaştırmalarını hesaplama seçeneği vardır, ancak “değiştirilmiş” bir yaklaşım kullanır; bu nedenle testleri elle hesaplayacağız. Standart ANOVA çıktısı, t istatistiğini hesaplamak için gereken tüm değerleri içerir. Üç grup örneğinde (Şekil 16.3) yapılabilecek üç olası ikili karşılaştırma vardır. “Üç kategori” grubuna kıyasla “bilgi yok” testi için test istatistiği t = (4 – 9) şeklindedir.  [J1.87 x (116 + 116)] = -6.34. Benzer şekilde, üç kategoriye kıyasla altı kategori için t-istatistiği t = -5.07’dir ve altı kategori için hiçbir bilgi ile karşılaştırıldığında t = 1.27’dir.

Aile bazında .03’lük bir a düzeyi seçersek, bireysel karşılaştırmalar için a değeri a* = .03/3 = .01 olur. 15 serbestlik derecesine sahip t dağılımından iki kuyruklu bir test için anlamlılık noktaları ±2.947’dir. Bu nedenle, üç kategorili yöntemin hem bilgisiz hem de altı kategorili yönteme göre daha üstün olduğu sonucuna varıyoruz. Bununla birlikte, bilgisiz ve altı kategorili yaklaşımlar arasında ortalama performans açısından bir fark yoktur.

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

En küçük kareler ortalamaları, açıklandığı gibi SPSS’nin tahmini marjinal ortalamalar olarak adlandırdığı değerlerle aynıdır. Post hoc testleri en küçük kareler bağlamına yerleştirerek, bu post hoc testlerin en küçük kareler bağlamında gerçekleştirildiğini açıkça ortaya koymaktadır.

SPSS’de tahmini marjinal ortalamalarla çalışırken Bonferroni düzeltmeli ikili karşılaştırmalar yaptık; bu nedenle burada SAS Enterprise Guide’da Bonferroni karşılaştırmalarını da yapacağız. Bu nedenle, Karşılaştırmalar için, Farklar için p-değerlerini göster’i Tüm ikili farklar olarak ayarlayın ve Bonferroni ile karşılaştırma için Ayarlama yöntemini ayarlayın. Ardından karşılaştırmaları gerçekleştirmek için Çalıştır’ı tıklayın.

ANOVA ANALİZ SONRASI ÇIKTI

ANA ETKİ ÜZERİNE POST HOC

İkametin ana etkisi için çoklu karşılaştırmaları gösterir. Üstteki ekran, birinci sütundaki ikamet seviyelerini, ikinci sütundaki araçları ve üçüncü sütunda, Lineer Model prosedürü tarafından her bir ikamet seviyesine atanan kod numarasını gösterir.

Alttaki ekran, her bir ortalama farkla ilişkili olasılık değerlerini gösteren bir matrisin sunulmasında kod numaralarını kullanır. Örneğin, 1 ve 3 kodlu grupların (büyük şehir ve kırsal gruplar) ortalama farkı p = .0022 değerine sahiptir ve bu ortalama fark bu nedenle istatistiksel olarak anlamlıdır.

BASİT ETKİ ANALİZLERİ

Şekil 8.32, ana etki için az önce tanımladığımızla aynı şekilde yapılandırılmış etkileşim araçlarının ikili karşılaştırmalarını göstermektedir. Üstteki tablo gruplara kod numaralarını verir ve alttaki tablo ikili karşılaştırmalarla ilgili p değerlerini gösterir.

Kadınların 1, erkeklerin 2 olarak kodlandığını ve büyük şehirlerin, küçük kasabaların ve kırsal toplulukların sırasıyla 1, 2 ve 3 olarak kodlandığını hatırlayın. Böylece 2 olarak kodlanan grup cinsiyet = 1 ve ikamet = 2’yi yani küçük kasabalarda yaşayan kadınları; 5 olarak kodlanan grup ise cinsiyet = 2 ve ikametgah = 2’yi yani küçük kasabalarda yaşayan erkekleri temsil etmektedir.

Alt tablonun incelenmesi, bu ortalama farkla ilişkili p değerinin .2328 olduğunu, istatistiksel olarak anlamlı olmadığına karar vereceğimiz bir değer olduğunu gösterir. Daha anlamlı bir düzyazıya çevrildiğinde, küçük kasabalarda yaşayan erkekler ve kadınlar, ifade edilen yalnızlık derecelerinde farklılık göstermemektedir. Bölüm 8.12.3’te belirtildiği gibi, bu karşılaştırmaların bağlam içinde alınabilmesi için basit etki testlerinin sonuçlarının ortalamaların grafiğine göre incelenmesi gerekir.

SONUÇLARIN İLETİŞİMİ

Sonuçların yazılı bir özeti aşağıdaki gibidir:

Cinsiyet (erkek ve kadın) ve konut topluluğunun büyüklüğü (büyük şehir, küçük kasaba ve kırsal topluluk) kullanılarak denek tasarımı arasında 2 × 3, katılımcıların yalnızlık duygularını ne derece deneyimlediklerini değerlendirdi. Cinsiyetin ana etkisi F (1, 24) = 38.03, p < .05, η2 = .27 ve ana etkisi konut topluluğunun, F (2, 24) = 21.06, p < .05, η2 = .30, her ikisi de anlamlıydı, bunların yerini önemli Cinsiyet × Yerleşik Topluluk etkileşimi aldı, F (2, 24) = 19.16, p < .05, η2 = .27.

Etkileşim Şekil 1’de sunulmuştur. Alfa seviyesini .05’te tutmak için bir Bonferroni ayarlaması kullanılarak basit efekt testleri gerçekleştirilmiştir. Kadınlar hem küçük kasabalarda hem de kırsal topluluklarda büyük şehirlerde olduğundan daha yalnızdı. Erkekler küçük kasabalarda, büyük şehirlerde veya kırsal topluluklarda olduğundan daha yalnızdı. Ayrıca, her iki grup da küçük kasabalarda nispeten yalnız olsa da, kadınlar o çevrede erkeklere göre önemli ölçüde daha yalnızdı. Buna karşılık, kırsal topluluklarda kadınlar oldukça yalnızdı, ancak o çevrede erkekler hiç de çok yalnız değildi.

Post hoc testleri hangileridir
Post hoc örnekleri
Post hoc testi neden yapılır
Tukey testi yorumlama
Çoklu karşılaştırma testleri nelerdir
Scheffe testi
Tukey HSD testi nedir
Games-Howell testi

Üç Yönlü Konular Arası Tasarım

ÜÇ YÖNLÜ TASARIM İÇİN SAYISAL BİR ÖRNEĞİ

Bölüm 8’de iki yönlü bir faktöriyel oluşturmak için denekler arası tasarıma ikinci bir bağımsız değişken ekledik. Bu noktada, araştırma tasarımlarında denekler arası iki bağımsız değişkeni birleştirmek ile sınırlı olmadığımızı muhtemelen fark etmişsinizdir (yine de kendimizi tek bir bağımlı değişkeni analiz etmekle sınırlıyoruz).

Teorik olarak, bu tür tasarımların karmaşıklığı, tasarımlar daha karmaşık hale geldikçe katlanarak büyümesine rağmen, bu tür birçok değişkeni bir araya getirebiliriz. Araştırma literatüründe beş bağımsız değişken kullanan bazı ANOVA tasarımlarını ve dört değişken kullanan birkaç ANOVA tasarımını görmek mümkündür; ancak, çoğu araştırma sorusu için ortak sınır üç yollu tasarımlardır. Üç yollu bir tasarımı analiz etmenin mantığını anlıyorsanız, aynı stratejileri dört veya beş bağımsız değişkeni olanlarla başa çıkmak için kullanabilirsiniz.

Aşağıdaki basitleştirilmiş varsayımsal örnek veri setini kullanarak üç yönlü denekler arası tasarımın genel ilkelerini göstereceğiz. Devlet okulu sisteminden vatandaş memnuniyetini ölçmek istediğimizi varsayalım. Üç farklı siyasi tercihi temsil eden bireyleri örnekliyoruz: liberal, ılımlı ve muhafazakar (veri dosyasında sırasıyla 1, 2 ve 3 kodlu).

Ayrıca, bu kişilerin son seçimde oy kullanıp kullanmadıklarını (evet 1 ve hayır olarak 2 olarak kodlanmış) kodlayarak, oylamayı siyasi katılımın bir göstergesi olarak kullanırız. Son olarak, evde yaşayan okul çağındaki çocukların olup olmadığını kodluyoruz (evet 1, hayır 2 olarak kodlandı).

Devlet okulu sisteminden memnuniyeti değerlendirmek için, katılımcıların her birine bir anket uyguluyoruz ve toplam puanı hesaplıyoruz. Sıfıra yakın memnuniyet puanları sistemden çok az memnuniyeti yansıtır; 40’a yakın veya maksimum puanlar, devlet okulu sisteminden önemli ölçüde tatmin olduğunu yansıtmaktadır. Bu puanlar bağımlı değişkenimizi oluşturmaktadır.

Tasarım, verilerle birlikte Şekil 9.1’de sunulmaktadır. Hücre başına beş katılımcı vardır. Üç bağımsız değişkenle, konfigürasyonu tüm veri noktalarını gösterebileceğimiz şekilde çizmenin önemsiz bir yol olmadığını unutmayın. Tasarımı şematik olarak sunmak için bağımsız değişkenlerden birinin seviyelerini izole ederek segmentler halinde göstermemiz gerekir.

Verileri, okul çağındaki çocukların olup olmadığına göre katılımcıları ayırarak görüntülemeyi seçtik. Devlet okulu sisteminden memnuniyeti değerlendirmek için, katılımcıların her birine bir anket uyguluyor ve toplam puanı hesaplıyoruz. Sıfıra yakın memnuniyet puanları sistemden çok az memnuniyeti yansıtır; 40’a yakın veya maksimum puanlar, devlet okulu sisteminden önemli ölçüde tatmin olduğunu yansıtmaktadır. Bu puanlar bağımlı değişkenimizi oluşturmaktadır.

Tasarım, verilerle birlikte Şekil 9.1’de sunulmaktadır. Hücre başına beş katılımcı vardır. Üç bağımsız değişkenle, konfigürasyonu tüm veri noktalarını gösterebileceğimiz şekilde çizmenin önemsiz bir yol olmadığını unutmayın. Tasarımı şematik olarak sunmak için bağımsız değişkenlerden birinin seviyelerini izole ederek segmentler halinde göstermemiz gerekir.

Verileri, diğer bağımsız değişkenlerden biri tarafından da meşru bir şekilde parçalamış olsak da, evde okul çağındaki çocukların bulunup bulunmadığına göre katılımcıları ayırarak göstermeyi seçtik. Ayrılacak değişkeni bir kez seçtiğimizde, bu değişkenin düzeylerini kavramsal olarak karşılaştırmak biraz daha zorlaşır çünkü her bir düzeyi ayrı tablolardadır.

Şekil 9.1’deki tasarımı şematik olarak nasıl sunduğumuzdan yola çıkarak, bağımsız değişkenleri belirtme sırası keyfi olsa da bu tasarımın 2 × 3 × 2 olduğunu söyleyebiliriz. Tasarımdaki ayrı hücrelerin sayısı bağımsız değişkenlerin seviyelerinin benzersiz kombinasyonlarının sayısı – her bir değişkenin seviyelerinin sayısı çarpılarak bilinir.

Böylece, tasarımda her biri üç bağımsız değişkenin benzersiz bir kombinasyonunu temsil eden on iki hücre (2 × 3 × 2 = 12) vardır. Bu analiz aşaması – on iki hücre aracıyla çalışmak – tasarımın özüdür ve en yüksek dereceli etkiyi temsil eder (yani, en ayrıntılı etki).

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