Çoklu Uyum Analizi (MCA), birden fazla satır ve bir sütun değişkeni kullanmamıza izin verecektir. Son örnekte olduğu gibi, odak noktamız algısal bir harita oluşturmak ve SPSS İstatistikleri’ndeki bazı lojistikleri prova etmek. Tekniğin arkasındaki teoriyi, bu tek örneği desteklemek için gerekli olan en sınırlı şekilde ele alıyoruz.

Kullanacağımız veri kümesi Tea.sav, popüler bir veri kümesinin değiştirilmiş bir versiyonudur ve kitabın web sitesinde mevcuttur. Çay içenlerin çaylarını ne zaman, nerede ve nasıl içtiklerini araştıran özelliklerini ve davranışlarını temsil eden düzinelerce değişkeni vardır. Teoride, menüye üç düzine değişkeni basitçe gönderebilir ve sonuçta ortaya çıkan algısal haritaya bakarak sıralamaya çalışabiliriz. Uygulamada, bu çok verimli olmaz.

Harita okunamayacak kadar karmaşık hale gelebilir. Bununla birlikte, rastgele bir avuç değişken seçmek de harika bir strateji değil çünkü algısal bir haritayı çekici yapan şey, haritanın onları görsel olarak ortaya çıkarabileceği kadar güçlü ilişkileri görebilmektir. Değişken sayısını ikiye ayırma konusunu iki şekilde ele almaya çalışacağız: çok sayıda çapraz tablo ve ardından MCA’nın kendisinin bir özelliğidir.

Çapraz Tablolar

İlk olarak, bazı ilginç desenler bulamıyor muyuz bir bakalım. İki değişken listesini kapsamlı bir şekilde birbirine karşı çalıştırırsak, hangi ilişkilerin algısal bir harita üzerinde iletilebileceğini bulmak için gözden geçirebiliriz.

Çay içen ve içen kişinin bağlamını tanımlayan aşağıdaki 22 değişken, satır değişkenleri olarak kullanılabilir. Basit aritmetik, bunun yaklaşık 300 tablo üreteceğini doğrular. Değişken eşleştirmelerinden bazıları istatistiksel olarak anlamlıdır, güçlü ilişkiler ortaya çıkarır ve Şekil 9-18’deki gibi sezgisel anlam ifade eder, ancak tabloların çoğu bunlardan hiçbiri değildir.

Günde 2 bardaktan fazla çay içenlerin orantısız bir şekilde kahvaltıda bir bardak içtiğini öğreniyoruz. Tablo, kahvaltı ve “günde 2’den fazla” kombinasyonu için standartlaştırılmış 3,2 artık gösteriyor. Bu bariz görünse de, özellikle sadık içenlerin çay içmesinin bu yemeği içerdiği doğru görünüyor. Model, diğer öğünlerden ve günün saatlerinden daha güçlü görünüyor (gösterilmemiştir).

Zayıf bir ilişkiye iyi bir örnek, gösterildiği gibi “arkadaşlar” ile “egzotik” eşleştirilmesidir. Model, sıfır hipoteziyle (ilişki yok) o kadar tutarlıdır ki, standartlaştırılmış kalıntı sıfırdır. Güçlü ilişkiler zayıf ilişkilerle yer paylaşıyorsa, algı haritamızı okumak son derece zor olacaktır. Üst üste o kadar çok nokta ve etiket olacak ki, kalıbı göremeyeceğiz.

Bunu sistematik olarak ve biraz otomasyonla yapmanın yolları olsa da, manuel olarak gözden geçirmek oldukça emek yoğun bir iştir. Bu tekniği kısaca, keşfetmeye değer ilişkiler olduğunu doğrulamak için bölümü hazırlarken kullandık, ancak yalnızca bu yaklaşıma güvenmedik ve tüm tabloların ayrıntılı bir aramasını yapmadık.

Faktör analizi örnekleri
Faktör analizi varsayımları
Kmo değeri kaç olmalı
Faktör analizi Nedir
Faktör analizi neden yapılır
Faktör analizi SPSS
Faktör analizi yorumlama
Faktör analizi türleri

(Sonuçların daha az emek-yoğun bir şekilde aranmasına izin vermek için önemli olmayan sonuçları otomatik olarak gizlemek için SPSS İstatistiklerinde “komut dosyaları” kullanılabilir.) Bu durumda, anlamaya çalışmak için MCA’nın kendi içindeki bir özelliği kullanacağız. 

Şimdi MCA analizini tüm değişkenleri kullanarak, tek bir özel istekle, ancak aksi takdirde varsayılan ayarlarda çalıştıracağız. Önce MCA’yı bulmak için Analiz menüsüne ve ardından Boyut Azaltma alt menüsüne gidin ve ardından Optimal Scaling’i seçin. Şekil 9-20’de gösterilen alt menüyü bulacaksınız. Seçiminize bağlı olarak MCA dışında bir menüye yönlendirilebileceğinize dikkat edin. Varsayılan ayarları koruyacağız.

Tüm değişkenleri “num_” ön ekiyle kullanacağız. Orijinal dosyada, çapraz tabloların çalıştırılacağı içerik olan dize değerleri vardı, ancak MCA, etiketli sayısal değerler gerektiriyor.

Yapacağımız özel bir istek, gösterildiği gibi tüm değişkenleri kullanarak Variable Plots alt menüsünde bir Joint Category Plot talep etmektir. (Şekilde tüm değişken isimleri görünmüyor.)

Çıktının ortasına yakın bir yerde bulunan ve aynı zamanda gösterilen Ortak Kategori Grafiğine hızlı bir bakış, korkularımızı doğrular. Bu tutarsız bir karmaşa. Her iki boyutta da sıfırda boşluk için savaşan çok fazla değişken ve etiket var.

Sadece kozmetik değişiklikler yeterli olmayacak. Yapısal değişiklikler yapmamız gerekiyor, yani, altta yatan modeli en iyi temsil eden değişkenleri tanımlamamız gerekiyor. Ayrımcılık Önlemleri Planı yardımcı olacaktır. Bu gösterilir.

Bazı değişkenler, özellikle num_ageq, numprofession, num_purchase ve num_afternoon paketten ayrılıyor ve Boyut 2 veya Boyut 1 veya her ikisi üzerinde bir etki gösteriyor. Bu etkinin büyüklüğü, sol alt köşeden olan mesafe ile ölçülebilir. Yükseklerse, 2. Boyut’u etkilerler ve eğer çok sağdalarsa Boyut 1’i etkilerler. İkisi de değilse, herhangi bir Ortak Kategori Grafiğinin (algısal haritamız) merkezini çok gürültülü yapacaklardır. Bunu önlemek için sol alt köşedeki değişkenlerin kaldırılması gerekir.

Bu sonucun tablo halindeki halini de inceleyebilirsiniz. Çok fazla değişken var ama Boyut 1 ve 2 değerlerini ve ayrıca bir ortalama değeri görebiliyoruz. Bu sonuçların gözden geçirilmesi (ve kuşkusuz biraz deney), algı haritamız için umut verici bir liste olarak aşağıdaki değişkenleri seçmeme neden oldu.

İsterseniz ilginç bir numara uygulanabilir. Düzenleme modundayken, bir pivot tablodaki satırları sıralamak için bağlam menüsünü (sağ tıklayarak erişilir) kullanabilirsiniz.

Yalnızca bu değişkenleri kullanan bir deneyin sonuçlarını gösterir. (Gölgeleme manuel olarak eklendi.) Bu daha çok görmeyi umduğumuz şeye benziyor. Sağ üst köşedeki gölgeli alan, özelliklerin ve koşulların ilginç bir kümelenmesini gösterir. Bir çay salonunda, barda veya restoranda çay içmek, genç kalabalık için daha çok sosyal bir aktivite gibi görünüyor: 15-24 yaş (üniversite yaşı?) diğer yaşlara göre daha fazla ve erkeklerden daha fazla kadın.

Sol altta (gölgeli değil) uzman mağaza, açık çay ve lüks markaları içeren olası bir desen var. Bu algısal haritayı geliştirmek için, Uyum Analizi ile bölümde daha önce kullandığımız teknikleri tekrar gözden geçirelim.

The post Çoklu Yazışma 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).

Tekrarlanan Ölçüm ANOVA çıktısı birkaç bölümden oluşur. Önce Mauchly’nin küresellik testine bakalım, çünkü sonuçları hangi tip ANOVA testinin kullanılması gerektiğini belirleyecektir. Esasen, küresellik varsayımındaki sıfır hipotezi, üç diyastolik kan basıncı ölçümü arasındaki korelasyonların eşit olmasıdır. Küresellik testinin sonuçlarına bakalım.

Mauchly’nin küresellik testi için test istatistiği ki-kare istatistiğidir4 ve bu durumda 73.415 değerine ve .000 P değerine sahiptir. Bu nedenle sıfır hipotezini reddediyoruz ve küresellik varsayımını karşılamadığımız sonucuna varıyoruz. Neyse ki SPSS, tekrarlanan ölçümler ANOVA’da küresellik varsayımı ihlal edildiğinde birkaç alternatif test sunar. Konu İçi Etkilerin Testleri etiketli çıktıya bir göz atın.

Bu tablo, birkaç ek satır içeren bir ANOVA özet tablosunun (örneğin, Karelerin Toplamı, df, Ortalama Kare, F, Sig.) sütunlarına sahiptir. Faktör1’in ilk satırında “Küresellik Varsayıldı” yazıyor. Bu, küresellik varsayımı karşılanmışsa yorumlayacağınız F test çizgisi olacaktır. Bu bizim için geçerli olmadığından, bu çalışmada incelenen çeşitli zihinsel ve fiziksel stres faktörleri sırasında diyastolik kan basıncının önemli ölçüde değişip değişmediğini belirlemek için diğer satırlardan birine bakıyoruz.

Faktör1’in ikinci, üçüncü ve dördüncü satırları, küresellik ihlal edildiğinden ayarlamaların yapıldığı birkaç F testi türünü temsil eder.5 Greenhouse-Geisser ayarlı F testi yaygın olarak kullanılır, bu yüzden bunu burada yorumlayacağız.

Test istatistiğinin (F) 73.754’e eşit olduğunu ve buna karşılık gelen P değeri .000 olduğunu görebilirsiniz. Bu teste dayanarak vardığınız sonuç nedir? Bu çalışmada incelenen çeşitli zihinsel ve fiziksel stresörler sırasında diyastolik kan basıncı önemli ölçüde değişir mi?

Farklar Nerede?

Önemli bir ANOVA’nın sonunda, bağımsız ölçümler veya tekrarlanan ölçümler olsun, grupların veya koşulların ortalamalarının eşit olmadığını bildiğimizi hatırlayın. Ama farklılıkların nerede olduğunu bilmiyoruz. Post-hoc testler bu farklılıkları incelemek için tasarlanmıştır.

Ne yazık ki, amaçlarımız için SPSS, tekrarlanan ANOVA ölçümleri için post-hoc testler sunmamaktadır. Bunun nedeni muhtemelen istatistikçilerin bu testler için hata teriminin ne olması gerektiği konusunda hemfikir olmamasıdır. Önemli bir tek faktörlü tekrarlanan ölçümler ANOVA ile karşılaştığınızda nasıl ilerleyeceğiniz konusunda eğitmeninize danışın. Elle bir Tukey testi yapmayı (MSwithin yerine MSerror kullanarak) veya bir dizi eşleştirilmiş örnek t testi yapmayı önerebilir.

Bu soruları yanıtlamak için bu oturumda öğrendiğiniz teknikleri kullanın. Ne tür tek faktörlü ANOVA’nın (bağımsız ölçümler veya tekrarlanan ölçümler) uygun olduğunu belirleyin. Ardından, bu prosedür için temel varsayımları kontrol edin. Tam analizinizden ne çıkardığınızı ve nedenini açıklayın. α = .05 kullanın.

Bartlett küresellik testi yorum
Bartlett küresellik testi nedir
Bartlett testi pdf
Kmo ve Bartlett testi nasıl yapılır
Kmo testi nedir
Bartlett testi örneği
Faktör analizi varsayımları
Kmo değeri kaç olmalı

GSS2004
Bu, 2004 Genel Sosyal Araştırmasından alıntıdır.

1. Dosyadaki bir değişken, katılımcıları dört yaş kategorisinden birine gruplandırır. Ortalama televizyon saati sayısı yaş grubuna göre değişiyor mu?
2. Televizyon izleme miktarı, katılımcının öznel olarak tanımlanan sosyal sınıfına göre değişiyor mu?

Bu veri seti, bir bilim dalında uzmanlaşan üniversite son sınıf öğrencileri için Binbaşı Alan Testi (MFT) sonuçlarını, SAT puanlarını ve GPA’ları içerir. Bölüm öğretim üyeleri, lise veya üniversite performansına dayalı olarak kıdemli bir kişinin MDT performansını tahmin etmekle ilgilenmektedir. GPAQ, VerbQ ve MathQ değişkenleri, bir öğrencinin GPA, sözlü SAT ve matematik SAT puanlarının örnekleme dahil olduğu çeyreği belirtir.

3. MFT’deki ortalama toplam puanlar, GPA çeyreğine göre değişiyor mu? Bu ANOVA’nın ayırt edici özellikleri hakkında yorum yapın.
4. Toplam puan ile GPA arasındaki ilişki, MDT’nin her bir bölümü için geçerli midir?
5. MFT’deki ortalama toplam puanlar sözel SAT çeyreğine göre değişiyor mu? matematik SAT çeyrek?
6. GPA ve MFT arasında gözlemlenen ilişkilere dayanarak, bir öğretim üyesi üniversite not politikalarının gözden geçirilmesi gerektiğini öne sürüyor. Neden böyle düşünebilir ve öneri hakkında ne düşünüyorsunuz?

Milgram

Bu dosya, Dr. Stanley Milgram’ın birçok ünlü itaat çalışmasından elde edilen verileri içerir. Holokost sırasında birçok insanın yaptığı gibi, insanların neden otoriteye bu kadar sık ​​itaat ettiğini daha iyi anlamak istedi.
Her deney bir otorite figürü (Dr. Milgram), bir öğretmen (bir erkek denek) ve bir öğrenci (deneycinin bir erkek suç ortağı) içeriyordu. Dr. Milgram öğretmene, öğrenci öğretmenin kontrolünde bir şok jeneratörüne bağlanırken öğrenciye sorular soracağını söyledi.

Dr. Milgram, öğretmene, öğrenciyi yanlış bir cevap için şok etmesini ve her ardışık yanlış cevap için şok seviyesini artırmasını söyledi. Şok üreteci 15 volttan (hafif şok) 450 volta (şiddetli şok) kadar işaretlenmiştir; öğretmen deneyin başında 45 voltluk bir örnek şok aldı. Herhangi bir konu için ana ölçü, uyguladığı maksimum şoktu.

Milgram bu deneyin çeşitli varyasyonlarını gerçekleştirdi. 1. deneyde, ikisi ayrı odalarda olduğu için öğretmen öğrencinin sesini duyamadı. 2. deneyde, öğretmen ve öğrenci ayrı odalardaydı ama öğretmen öğrencinin bağırmalarını ve çığlıklarını duyabiliyordu. Deney 3’te, öğretmen ve öğrenci aynı odada, birbirlerinden sadece birkaç metre uzaktaydılar. Deney 4’te öğretmen, öğrencinin elini şok plakasında tutmak zorunda kaldı.

Lütfen dikkat: öğrenci hiçbir zaman şok almadı, ancak öğretmen bunun hiç farkında değildi. Hatta durum öğretmenlerin o kadar çok baskı yapmasına neden oldu ki, bugün Amerikan Psikoloji Derneği’nin belirlediği etik kurallar çerçevesinde bu tür bir deneye izin verilmeyecekti.

7. Bu deneyler ayrı çalışmalar olarak yürütülse de, bağımsız bir ANOVA ölçümünde bunlara dört koşul olarak bakabilir miyiz? Yani, öğrenciye yakınlığın öğretmen tarafından verilen maksimum şok miktarı üzerinde bir etkisi olup olmadığı sorusunu inceleyebilir miyiz? Bunu yapmak akıllıca olur mu? Varsayımları kontrol ederek başlayın.

Bu veri seti, çeşitli fiziksel ve zihinsel stres yaratan görevleri yerine getirirken kan basıncı ve diğer hayati belirtileri ölçülen bireylerden gelen verileri içerir.

8. Bu çalışmada incelenen üç görev sırasında sistolik kan basıncı önemli ölçüde değişir mi? Üç görev şunlardı: dinlenme (sbprest), zihinsel aritmetik yapma (sbpma) ve bir eli buzlu suya batırma (sbpcp).

Bu dosya, bir kişinin yaşadığı kaygının bir öğrenme görevindeki performansı etkileyip etkilemediğini inceleyen bir çalışmadan elde edilen verileri içerir. Farklı kaygı düzeylerine sahip denekler, bir dizi dört deneme boyunca bir öğrenme görevi gerçekleştirdi ve yapılan hataların sayısı kaydedildi.

9. Kaygı düzeyi ne olursa olsun, denekler tarafından yapılan hata sayısı öğrenme denemelerinde (deneme1, deneme2, deneme3, deneme4) önemli ölçüde değişiyor mu?

The post Küresellik 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).