Bu oturumda aşağıdakileri yapmayı öğreneceksiniz:

• Tek faktörden bağımsız ölçümleri gerçekleştirin ve yorumlayın
varyans analizi (ANOVA)
• Tek faktör için gerekli varsayımları anlayın
bağımsız önlemler ANOVA
• Tek faktörden bağımsız olarak post-hoc testleri gerçekleştirin ve yorumlayın
ANOVA’yı ölçer
• Tek faktörlü tekrarlanan ölçümleri gerçekleştirin ve yorumlayın ANOVA
• Tekrarlanan tek faktör için gerekli varsayımları anlayın
ANOVA’yı ölçer

Üç veya Daha Fazla Ortalamanın Karşılaştırılması

Bir ortalamayı diğeriyle karşılaştıran testler yapmayı öğrendik. İki bağımsız popülasyondan alınan örnekleri karşılaştırdığımızda bağımsız örnekler t testi yaptık. İki farklı tedavi koşulunu karşılaştırmak için sadece bir denek örneği kullanıldığında, eşleştirilmiş örnekler t testi yaptık.

Bununla birlikte, genellikle üç veya daha fazla aracı birbiriyle karşılaştırmak istediğimiz durumdur. Varyans analizi (ANOVA), bu tür karşılaştırmalara izin veren prosedürdür. Daha önce tartışılan t testleri gibi, hem bağımsız ölçüm testleri hem de tekrarlanan ölçüm testleri için ANOVA prosedürleri mevcuttur. Tipik olarak ilgili faktörlerin veya bağımsız değişkenlerin sayısı ile ayırt edilen bir dizi ANOVA prosedürü vardır. Bu nedenle, tek faktörlü ANOVA (bazen tek yönlü ANOVA olarak adlandırılır), tek bir bağımsız değişken olduğunu gösterir.

Bağımsız popülasyonlardan üç veya daha fazla örneği karşılaştırdığımız bağımsız ölçümler ANOVA ile başlıyoruz.

Tek Faktörden Bağımsız Ölçüler ANOVA

Kendilerini geçindirmek için okul dışında saatlerce çalışmak zorunda kalan öğrencilerin notlarının sıkıntılı olup olmadığını merak ettiğimizi varsayalım. Bu soruyu, okul dışında çeşitli sürelerde (örneğin, çok saat, birkaç saat, saat yok) çalışan öğrencilerin GPA’larını karşılaştırarak inceleyebiliriz. Bu örnekteki tek faktör, karşılaştırılan farklı koşulları tanımladığı için işin miktarıdır.

Bu soruyu Student dosyamızdaki verileri kullanarak inceleyelim. Şimdi o veri dosyasını açın. Bir değişkene WorkCat adı verilir ve okul dışındaki çalışma süresini (0 saat, 1–19 saat, 20 veya daha fazla saat) temsil eder. Üç iş kategorisinin her biri için ortalama GPA’ya ilk bakış için aşağıdakileri yapın:

Graphs Chart Builder… Boxplot’u seçin ve ilk kutu grafiğini (basit) önizleme alanına sürükleyin. GPA’yı y eksenine ve WorkCat’i x eksenine sürükleyin. Ardından Tamam’ı tıklayın.

Kutu grafikleri gruplar arasında bazı farklılıklar göstermektedir ve en yüksek GPA’lar 1 ile 19 saat arasında çalışan öğrencilere aittir. Görüntüleyici penceresine baktığınızda, medyan GPA’nın (kutunun ortasındaki koyu çizgi) gruplar arasında biraz farklı olduğunu fark etmelisiniz, ancak yine de, herhangi bir üç öğrenci grubunun örnek medyanları bir dereceye kadar farklılık gösterecektir. . Örnekleme hatası ile kastettiğimiz budur.

Anova testi nedir
Varyans analizi nasıl yapılır
ANOVA testi PDF
Varyans analizi örnek
ANOVA tablosu oluşturma
İki yönlü varyans analizi
Parametrik tek yönlü varyans analizi
ANOVA hesaplayıcı

Dolayısıyla, çıkarımsal soru şudur: gözlemlenen farklılıkları örnekleme hatasına mı bağlamalıyız, yoksa bunlar üç popülasyon arasındaki gerçek farklılıkları mı yansıtıyor? Ne kutu grafikleri ne de örnek medyanları kesin kanıt sunmaz.

ANOVA gibi resmi bir istatistiksel test yapmamızın bir nedeni de belirsizliğin bir kısmını açıklığa kavuşturmaktır. ANOVA prosedürü, varyasyonun ne kadarını örnekleme hatasına ve ne kadarını faktöre bağlayabileceğimizi ayırt edecektir (bu durumda yarı zamanlı bir işin talepleri).

Bu durumda, başlangıçta üç grubun ortalama GPA’ları arasında hiçbir fark olmadığını varsayıyoruz. Resmi olarak, boş ve alternatif hipotezlerimiz şöyle olacaktır:

• Ho:μ1 =μ2 =μ3

HA: en az bir popülasyon ortalaması diğerlerinden farklıdır. Ancak, analizi gerçekleştirmeden önce, bu tip ANOVA için gerekli olan varsayımları gözden geçirmeliyiz.

Bağımsız ölçümler ANOVA, güvenilir sonuçlar için üç koşul gerektirir:

• Bağımsız örnekler
• Normal popülasyonlar
• Popülasyon varyanslarının homojenliği (veya eşitliği)

Hem normallik hem de varyansın homojenliği varsayımlarını resmi olarak test edebileceğiz. Büyük örneklemlerde, varyansın homojenliği normallikten daha önemlidir, ancak her ikisini de test etmek gerekir. Normallik varsayımını hem grafik olarak hem de resmi bir istatistiksel test kullanarak inceleyebiliriz.

Tanımlayıcı İstatistikleri Analiz Edin Araştırın… Araştır iletişim kutusunda, Bağımlı Liste değişkeni olarak GPA’yı, Faktör Listesi değişkeni olarak WorkCat’i ve Görüntü olarak Grafikler’i seçin. Ardından, Arsalar’a tıklayın…

Keşfet komutu bir dizi seçenek sunar. Grafikleri, normalliği değerlendirmede en yararlı olanlarla sınırlamak istiyoruz. Arsaları Keşfet iletişim kutusunda birkaç varsayılan seçenek işaretlenecektir. Yalnızca bir normallik testiyle ilgilendiğimiz için, bir sonraki sayfada gösterildiği gibi, testlerle birlikte Normallik grafiklerini seçmeniz yeterlidir:

• Devam’a tıklayın ve ardından ana iletişim kutusunda Tamam’a tıklayın.
• Bu komut setinin çıktısı birkaç bölümden oluşur.1
• Dikkatimizi aşağıda gösterildiği gibi normallik testlerine odaklayacağız.

Kolmogorov-Smirnov testi, üç grubun her biri için nüfus dağılımında normallikten önemli bir sapma olup olmadığını değerlendirir. Boş hipotez, popülasyon dağılımının normal olduğunu belirtir. Üç çalışma kategorisinin her biri için test istatistiği ve önem sütunlarına bakın.

Test istatistikleri 0,068 ile 0,100 arasında değişir ve P değerlerinin (anlam) tümü 0,200’dür. Bu P- değerleri bizim α’dan (0.05) büyük olduğu için boş hipotezi reddetmiyoruz ve bu verilerin normallik varsayımını ihlal etmediği sonucuna varıyoruz.

Hala varyansın homojenliği varsayımını doğrulamamız gerekiyor. Bunu ANOVA komutu içinde yapıyoruz. Böylece, tek faktörden bağımsız ANOVA ölçümlerimiz ile aşağıdaki gibi ilerlenebiliriz:

Analiz Et Karşılaştırma Tek Yönlü ANOVA anlamına gelir… Bağımlı Liste değişkeni GPA’dır ve Faktör değişkeni WorkCat’tir.

Seçenekler…’e tıklayın ve İstatistikler altında Tanımlayıcı’yı seçin, böylece grup ortalamalarına ve Varyans homojenliği testine bakabiliriz. Devam’a tıklayın ve ardından ana iletişim kutusunda Tamam’a tıklayın.

Tek Yönlü ANOVA çıkışı birkaç bölümden oluşur. ANOVA sonuçlarını yorumlamak için bu varsayımı sağlamak gerekli olduğundan, önce varyansların homojenliği testine bakalım.

Levene’nin varyansların homojenliği testi, gruplar için popülasyon varyanslarının birbirinden önemli ölçüde farklı olup olmadığını değerlendirir. Boş hipotez, popülasyon varyanslarının eşit olduğunu belirtir. Levene istatistiğinin değeri .414 ve P değeri .662’dir. P-değerini daha önce normallik testiyle yaptığımız gibi yorumluyoruz: P, α’dan (.05) büyük olduğundan, boş hipotezi reddetmiyoruz ve bu verilerin varyansın homojenliği varsayımını ihlal etmediği sonucuna varıyoruz. Daha sonra, Oturum 21’de, varsayım ihlal edildiğinde ne yapacağımızı göreceğiz.

Bağımsız ölçümler ANOVA’nın varsayımlarını gerçekten karşıladığımız sonucuna vardıktan sonra, okul dışında çeşitli sürelerde çalışan öğrencilerin genel not ortalamalarında farklılık olup olmadığını bulalım. Bunu yapmak için çıktınızın altındaki ANOVA tablosuna bakın (ders kitabınızda gösterilen ANOVA özet tablolarına çok benzemelidir).

Test istatistiğinin (F) 8.865’e eşit olduğunu ve buna karşılık gelen P değeri 0.000 olduğunu görebilirsiniz. Bu testte, sıfır hipotezini reddeder ve bu verilerin, üç öğrenci grubu arasında ortalama GPA’larda en az bir anlamlı fark olduğuna dair önemli kanıtlar sağladığı sonucuna varırız.

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