Bir ortalama hakkında hipotezleri test etme prosedürleri, popülasyonun ( ) standart sapmasının bilinip bilinmemesine bağlı olarak biraz farklılık gösterir. Bu kitapta, popülasyon standart sapmasının bilinmediği daha yaygın bir durumu da gösteriyoruz.

Hipotez testindeki ilk adım, sorduğunuz soru için birbiriyle yarışan iki hipotez oluşturmaktır – H0 ile gösterilen boş hipotez ve H1 ile gösterilen alternatif bir hipotezdir. Bu hipotezler, popülasyon ortalamasının değeri hakkındadır ve sorulan spesifik araştırma sorusu tarafından da belirlenir. Hipotez testi, popülasyondan rastgele bir örnek çekmeyi, örnek ortalamasını hesaplamayı ve bunu örneklem ortalamasının varsayımsal popülasyon ortalamasından ne kadar uzakta olduğunu gösteren bir test istatistiğine dönüştürmeyi içerir. Test istatistiği, H0’ın korunup korunmadığına veya reddedildiğine karar vermek için uygun olasılık dağılımının yüzde puanlarıyla karşılaştırılır.

Geçerlilik Koşulları

Önem testini gerçekleştirmeden önce verileri normallik açısından kontrol etmek iyi bir uygulamadır. Normalliği incelemenin görsel bir yolu, değişkenin histogramını çizmektir. SPSS’yi grafiğe normal bir eğri empoze etmeye yönlendiren ve verilerin normalliğini değerlendirmeyi kolaylaştıran bir seçenek vardır. Bunu “hotdog.sav” veri dosyasının kalori değişkenini kullanarak göstereceğiz.

Bu grafiği aşağıdaki gibi Frekanslar prosedürünü kullanarak elde edebilirsiniz:

1. Menüden Grafikler’e tıklayın.
2. Açılır menüden Histogram’a tıklayın.
3. Üzerine tıklayın ve “kalori” değişkenini, sağ ok düğmesine tıklayarak Histogram iletişim kutusunun Değişken kutusuna taşıyın.
4. Normal eğriyi görüntüle seçeneğine tıklayın.
5. Tamam’a tıklayın.

Dağılım tam olarak normal olmasa da çok çarpık da değildir. Histogram, grafiğin üzerine bindirilmiş normal eğrinin altına oldukça iyi uyuyor. Test normalliğe göre oldukça “sağlam” olduğundan, bu durumda hipotez testi için uygun bir yöntem olduğu sonucuna da varıyoruz.

Hipotez Testinin Yapılması

Popülasyonun standart sapması bilinmediğinde, test istatistiğini hesaplamak için tahmin yapmanız gerekecektir. SPSS, numune standart sapmasını (s) hesaplar ve bunu uygun test istatistiğini (t) hesaplamak için kullanır. SPSS kullanma prosedürü, ister tek uçlu ister çift uçlu test yapıyor olmanızdan bağımsız olarak da aynıdır.

“hotdog.sav”daki kalori değişkenini kullanarak tekrar örneklendireceğiz. Bu örneği sosisli popülasyonunun temsilcisi olarak ele alarak, popülasyonun ortalama kalori sayısının (μ olarak gösterilen) 150 olduğu hipotezini de test edeceğiz. Sıfır ve alternatif hipotezler H0: μ = 150 ve H1: μ 150’dir.

Hipotez testi aşamaları
Hipotez Testleri sınav Soruları
Hipotez testleri örnekleri pdf
İstatiksel hipotez Nedir
H0 H1 hipotez örnekleri
Karşıt Hipotez Nedir
İstatiksel hipotez örnekleri
Alternatif hipotez nedir

Test istatistiğini hesaplamadan önce, veri analisti olarak hata seviyenizi seçmelisiniz. Bu, Tip I hata yapma olasılığını temsil eder; yani, doğru olduğunda sıfır hipotezini reddetme olasılığı. Bu örnekte, .05’lik bir seviye seçiyoruz. Yani, sıfır hipotezini (sosisli sandviçlerin ortalama olarak 150 kaloriye sahip olmadığını yanlış bir şekilde belirterek) yanlış bir şekilde reddetme olasılığını %5 olarak kabul etmeyi de seçtik.

Artık bu örnek için test istatistiğini belirlemek için SPSS’yi kullanabilir ve onu hipotez testini yürütmek için de kullanabiliriz.

Veri dosyası açıldığında:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Ortalamaları Karşılaştır’a tıklayın.
3. Tek Örnek T Testi iletişim kutusunu açmak için açılır menüden Tek Örnek T Testi’ne tıklayın.
4. “Kalori” değişkenini vurgulayın ve sağ ok düğmesine tıklayarak Test Değişken(ler)i kutusuna taşıyın.
5. Test Değeri kutusuna 150 sayısını girin.
6. Prosedürü çalıştırmak için Tamam’a tıklayın.

Bu listeden 54 hotdog markasının ortalamasının 145.44 kalori ve standart sapmanın 29.38 kalori olduğunu görüyoruz. Testin t istatistiği t = –1.139’dur. Bu, aşağıdakilerin hesaplanmasıyla bulunur.

Bu nedenle, test istatistiği, numune ortalamasının (burada, 145.44 kalori) test ortalamasından (burada, 150 kalori) daha büyük veya daha az olduğu standart hataların sayısını temsil eder.

Bu test istatistiğine dayanarak sıfır hipotezinin reddedilip reddedilmeyeceğini belirlemek için, sıfır hipotezi doğru olduğunda test istatistiğimizden daha aşırı bir değer elde etme olasılığını belirlememiz gerekir. Bu olasılığa P değeri denir. P değeri seçtiğimiz seviyeden küçükse sıfır hipotezini reddederiz; P değeri seçtiğimiz seviyeden büyükse, boş hipotezi reddetmeyiz. Aşağıdaki örnekler “Sig. (2-kuyruklu)” bu test için P değeridir.

P değerinin .260 olarak listelendiğine de dikkat edin. Dolayısıyla, sıfır hipotezi doğruysa (sosisli sandviçlerin ortalama 150 kalorisi vardır), o zaman en az 1,139 mutlak değere sahip bir test istatistiği elde etme olasılığı 0,260’tan azdır. Bu, seçtiğimiz .05 seviyesinden daha büyüktür, bu nedenle boş hipotezi reddedemeyiz. H’yi kabul ediyoruz ve sosisli sandviçlerdeki ortalama kalori sayısının 150’den farklı olmadığı sonucuna  da varıyoruz.

SPSS, iki kuyruklu testler için P değerleri bildirir. Tek kuyruklu bir test yapıyor olsaydık, yalnızca t dağılımının üst (veya alt) kuyruğuyla ilgilenirdik. Elde edilen doğru anlamlılık düzeyini elde etmek için, SPSS tarafından üretilen P değeri 2’ye bölünmelidir. Tek kuyruklu bir test yapılırken boş hipotezi reddetmek için, (a) P/2’den küçük olmalıdır ve (b) örnek ortalama, alternatif hipotez (H1) tarafından belirtilen yönde de olmalıdır.

Sosisli sandviç örneğine tekrar bakın. H0: μ 150 sıfır hipotezini H1: μ < 150 alternatifine karşı = .05 kullanarak test etmek istediğimizi varsayalım. SPSS tarafından rapor edilen P değeri P < .260’tır. P’yi 2’ye böleriz ve elde edilen anlamlılık seviyesinin .130’dan az olduğunu buluruz. Bu bizim .05’imizden daha az değil. Böylece H0’ı reddetmiyoruz; Ortalama olarak, sosisli sandviçlerin 150’den az kaloriye sahip olmadığı sonucuna da varıyoruz.

İki Kuyruklu Testler ile Güven Aralıkları Arasındaki İlişki

İki kuyruklu testler ve güven aralıkları arasında belirli bir ilişki vardır. μ0, bir değişkenin ortalaması için (1 – ) güven aralığında yer alıyorsa, boş hipotez anlamlılık düzeyinde reddedilmeyecektir. Tersine, eğer μ0 aralık içinde değilse, o zaman boş hipotez reddedilecektir. Dönün ve %95 güven aralığının μ0, 150 kalori değerlerine ve içerdiğine de dikkat edin.

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

Bağımsız ve bağımlı değişkenler kavramı, araştırmacının bağımlı değişken üzerindeki etkisini görmek için bağımsız değişkeni manipüle ettiği deneylerle gerçekten daha alakalıdır. Gerçekten de bağımsız değişken bazen tedavi değişkeni olarak adlandırılır. Örneğin, araştırmacı hastalara sunulan tedavi türünü manipüle edebilir (hastaları belirli bir tedaviye rastgele atayabilir) ve sonuçları ölçebilir.

Tedavinin türü bağımsız değişken (örn. akupunktura kıyasla fizyoterapi) ve sonuç (örn. sırt ağrısı düzeyi) bağımlı değişken olacaktır. Alternatif olarak, araştırmacı, örneğin bir ilacın dozajı gibi tedavi seviyesini manipüle edebilir ve uygulanan dozaja bağlı olarak sonuçları karşılaştırabilir.

Bu gibi durumlarda, bağımsız ve bağımlı değişkenler arasındaki ilişki hakkında bir tahminde bulunan deneysel bir hipotez formüle edebiliriz, örneğin:

Hipotez: akupunktur, sırt ağrısı düzeyinde fizyoterapiden daha fazla azalmaya yol açacaktır.

Ve deneysel bir hipotez önerdikten sonra, bağımsız değişken ile bağımlı değişken arasında bir ilişkinin olmadığını belirten “boş hipotez” olarak adlandırılan şeyi de formüle etmeliyiz, örneğin:

Sıfır Hipotezi: Akupunktur ve fizyoterapi arasında hastaların yaşadığı sırt ağrısının düzeyi açısından bir fark olmayacaktır.
Deneyimizin sonuçları, sıfır hipotezini korumamızı veya reddetmemizi sağlayacaktır. Dolayısıyla, akupunkturun gerçekten de ağrı düzeyinde daha fazla azalmaya yol açtığını bulursak, sıfır hipotezinin reddedildiği sonucuna varırız. Fark yoksa, sıfır hipotezinin reddedilmediği sonucuna varırız.

Kafa Karıştırıcı Değişkenler

Dikkate almamız gereken bir diğer faktör, yabancı veya kafa karıştırıcı değişkenlerin potansiyel rolüdür. Bunlar, bağımlı değişken üzerindeki sonuçları etkilemiş olabilecek bağımsız değişken dışındaki değişkenlerdir.

Örneğin, akupunkturun sırt ağrısını azaltmada fizyoterapiden daha iyi olduğunu bulursak, bu sonuca katkıda bulunan başka faktörler olabilir: belki akupunktur uzmanı hastalarla daha fazla seans yaptı; belki de akupunkturcuyu gören hastalar daha az kronik sorunları olan ve tedaviye daha uygun olan daha gençtiler. Bunlar gibi konular, deneylerin tasarımında koşulların kontrol edilmesinin önemini vurgulamaktadır, bu varsayımsal örnekte, en azından aynı miktarın sağlanması seans sayısı ve karşılaştırılabilir bir hasta örneğidir.

İki danışman için memnuniyet puanlarının karşılaştırılması

İki danışmanın memnuniyet derecelerini karşılaştırmak için öncelikle uygun istatistiksel testi seçmemiz gerekiyor. İki örnek arasındaki puanları karşılaştıran istatistiksel testler (çalışmamızda John için memnuniyet derecelendirmeleri ile Jane için memnuniyet derecelendirmeleri) elimizdeki veri türüne bağlı olarak iki kategoriye ayrılır. Uygun istatistiksel testi seçmek için karar sürecini göstermektedir.

Bağımsızlar veya ilgili örnekler

Bilmemiz gereken ilk şey, verilerimizin iki bağımsız örnekten mi yoksa iki ilişkili örnekten mi geldiğidir. İlgili örnekler, aynı kişilerin iki puan seti sağladığı örneklerdir. Örneğin, verilerimizde doktor hastalardan danışmanlık öncesi ve sonrasında kaygı düzeylerini ölçen bir akıl sağlığı anketi doldurmalarını istemiş olabilir; Buradaki fikir, danışmanlığın puanlar üzerinde herhangi bir etkisi olup olmadığını görmektir – umarım kaygı/depresyon düzeylerini azaltır.

Hipotez testleri örnekleri pdf
Hipotez testi Aşamaları
H0 H1 hipotez örnekleri
Tek örneklem hipotez testi
Hipotez testleri örnek sorular
Excel hipotez testi
İstatiksel hipotez örnekleri
Tek ve çift yönlü hipotez örnekleri

O zaman, iki danışman için hasta memnuniyet derecelerini karşılaştıran verilerimizin birbiriyle ilişkili olmadığı açık olmalıdır. Bunun yerine, her danışman için memnuniyet derecelendirmeleri iki bağımsız insan grubundan gelecektir: John’u gören hastalar ve Jane’i gören hastalar.

Parametrik olan veya parametrik olmayan test

Oku bağımsız örneklere kadar takip ettikten sonra, şimdi parametrik veya parametrik olmayan veriler için bir test kullanıp kullanmamaya karar vermemiz gerekiyor.

Parametrik testler, örneğin alındığı popülasyonun belirli özelliklerini (parametrelerini) varsayar. Genel olarak parametrik testler yalnızca aşağıdaki koşullar geçerli olduğunda kullanılmalıdır:

1 Ölçüm düzeyi aralık veya orandır (sıradan fazla).
2 Puanlar normal bir dağılıma yakındır.
3 Her iki grup içindeki varyans (puanların dağılımı) nispeten benzerdir (varyansın homojenliği).

Parametrik olmayan testler bu varsayımlara bağlı değildir. Mümkünse parametrik testi seçmelisiniz çünkü daha güçlüdür. Bu, iki puandaki anlamlı farklılıkları ayırt etmede parametrik olmayan testten daha duyarlı olduğu anlamına gelir.

Dolayısıyla, verilerimizin bağımsız örneklerden olduğunu biliyoruz ve bunun aralık (memnuniyet derecelendirmeleri) olduğunu da biliyoruz, bir sonraki bulmamız gereken, verilerin normal dağılıp dağılmadığıdır. Bunu yapmanın en basit yolu, verilerin normal bir dağılıma yakın gibi görünüp görünmediğini görmek için histogramlar üretmektir.

Normal dağılımları kontrol etmek için histogramlar üretmek

1 Ekranın üst kısmındaki menüden Grafikler’e ve ardından Grafik Oluşturucu’ya tıklayın.
2 Galeriden Histogram’ı seçin ve ilk (Basit) Histogramı önizleme alanına sürükleyin.
3 Değişken memnuniyetini X eksenine sürükleyin.
4 Gruplar/Nokta Kimliği’ni tıklayın ve Satırlar paneli kimliği onay kutusunu işaretleyin.
5 Bu, önizleme alanının sağında bir Panel kutusu oluşturacaktır. Değişken danışmanını Panel kutusuna sürükleyin.
6 Son olarak, Eleman Özellikleri bölümünde ekranınızın sağında, Normal eğriyi görüntüle’nin yanındaki kutuyu işaretleyin ve ardından Uygula’yı tıklayın.
7 Tamam’ı tıklayın.

Bu, verilerin nispeten normal dağıldığını gösteren çizgilerle aşağıdaki iki histogramı üretmelidir, puanların çoğu ortada, her iki uçta da sona erer.

Şimdi, birçok araştırmacı, verilerin normal bir dağılıma yaklaştığını görmek için histogramlardan gelen verileri görsel olarak incelemekten ve onu bu şekilde bırakmaktan oldukça mutlu olacaktır. Unutmayın, test “ılımlı sapmalar” için sağlam olduğu için normal bir dağılıma yaklaşık olması gerekir. Ancak Field’ın (2005) işaret ettiği gibi, bu oldukça öznel ve suistimale açık olabilir (“Eh, bana normal görünüyordu”). Bu nedenle, bir dağılımın normal olup olmadığının daha objektif bir ölçümü için iki ilave teste başvurabiliriz: Kolmogorov-Smirnov ve Shapiro-Wilk. Bu testlerin sonuçları istatistiksel olarak anlamlıysa, bu, dağılımın normal bir dağılımdan önemli ölçüde saptığını gösterir.

Normallik testi üretmek

1 Ekranın üst kısmındaki menüden Analiz et, ardından Tanımlayıcılar ve ardından Keşfet üzerine tıklayın.
2 Memnuniyeti Bağımlı listesine ve danışmanı Faktör listesine taşıyın.
3 Ekran altında, Grafikler’in yanında yalnızca bir onay işareti olduğundan emin olun.
4 Plots diyalog kutusunu açmak için Plots sekmesine tıklayın.
5 Kutu Grafikleri altında Hiçbiri’ni tıklayın ve Tanımlayıcı altındaki tüm onay işaretlerini kaldırın. Testlerle Normallik grafiklerine bir onay işareti koyun. Yayılma vs Düzey altında hiçbirini işaretleyin.
6 Devam’ı ve ardından Tamam’ı tıklayın.

Bu, bir dizi grafikle birlikte normallik testlerinin bir çıktı tablosunu üretecektir. Tablodaki istatistiklere odaklanacağız: Bu testlerin hiçbiri önemli sonuçlar içermediğinden (sig. sütunlarında 0,05 veya daha az), bu histogramlardan elde ettiğimiz gözlemlerimizi, başka bir deyişle, verilerimizin yeterince normal dağıldığını doğrulamaktadır.

Böylece, verilerin normal dağıldığını (tamamen) kontrol ettikten sonra, oku (parametrik) bağımsız örnekler t-testine kadar takip edebiliriz.

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