ELLE YAPILAN KARŞILAŞTIRMALAR (PLANLI)

İLGİ KARŞILAŞTIRMALARININ BELİRLENMESİ

Önceki sayısal örneğimizdeki istatistiksel olarak anlamlı F’miz, beş tedavi grubu ortalaması arasında veya arasında gerçek bir fark olduğunu bize bildirir. Bir dizi planlı karşılaştırma yapmak, bu tedavi etkisini neyin “yönlendirdiğini” keşfetmemize ve ayrıca çalışmanın başında formüle etmiş olabileceğimiz belirli araştırma hipotezlerini doğrudan test etmemize izin verecektir. İlgilenen okuyucuyu, bu konuyla ilgili önceki genel tartışmamızı gözden geçirmeye teşvik ediyoruz.

Daha önce ele aldığımız denekler arası tasarımlarda, analitik karşılaştırmalar omnibus hata terimiyle (örn., MSS/A, MSS/AB) değerlendirilir. Denek içi durum içinde, denekler arası genel hata terimi (MSA×S) genellikle uygun değildir, özellikle Analizin varsayımları ihlal edilmiştir.

Bunun nedeni, genel denek içi hata teriminin tüm koşullardan bilgi almasıdır; planlı karşılaştırmalar yaptığımızda, genellikle koşulların yalnızca bir alt kümesine odaklanırız ve yalnızca bu koşulları temsil eden bir hata terimine ihtiyaç duyarız. Bu nedenle, karşılaştırmalar, yalnızca şu anda karşılaştırılmakta olan tedavilere dayanan ayrı veya benzersiz bir hata terimi ile yapılmalıdır. Bu ayrı hata terimlerini geliştirmek için bazıları Keppel ve Wickens’te (2004) gözden geçirilen çeşitli yaklaşımlar vardır.

Keppel ve diğerleri tarafından sunulan denek içi karşılaştırma yapmak için belki de en basit yaklaşımı göstereceğiz. (1992) benzersiz bir hata terimi üretir. Önceki sayısal örneğimize dayanarak, semptom yoğunluğu üzerindeki en aşırı ön etkileri ve son etkileri incelemek için a1 (bir ay önce) ve a5 (bir yıl sonra) gruplarını karşılaştırmakla ilgilendiğimizi varsayalım. Analiz, ilgilendiğimiz iki tedavi grubuna ve gerekli A ve S toplamlarına dayalı olarak Karşılaştırma Matrisi olarak adlandıracağımız şeyi oluşturarak başlar.

Görülebileceği gibi, Tablo 10.4, Tablo 10.2’nin bir özetidir, ancak sadece iki tedavi grubu vardır. Eski tedavi grubu a5’in şimdi a2 olarak adlandırıldığına dikkat edin. Bu nedenle, şimdi analizimizi yalnızca bu iki grupla yeniden hesaplamaya hazırız. Dolayısıyla, a = 2 ve n = 8. Bu ikili karşılaştırma için kareler toplamımızı, serbestlik derecemizi, ortalama karelerimizi ve F’yi hesaplamaya devam edebiliriz.

OMNIBUS ANALİZİNİN SPSS’DE YAPILMASI

VERİ DOSYASININ YAPILANDIRILMASI

Bir denek içi tasarım için veri dosyası, şimdiye kadar tanımladığımız denekler arası veri dosyalarına benzer bir şekilde yapılandırılmıştır. Beş seviyeli öntest-sontest örneğimiz için SPSS veri dosyasını gösteriyoruz.

İlk sütun her zaman olduğu gibi katılımcı kimlik numaramız için kullanılır; bu değişkeni subid olarak adlandırdık. Sonraki beş sütun, verilerin toplandığı zamansal sırayla listelenen denek içi bağımsız değişkenimizin seviyelerine ayrılmıştır. Bir denek içi bağımsız değişkenin her seviyesi, veri dosyasında kendi sütununu alır. Her seviyenin altına kaydedilen ölçümlerdir.

Örneğin, alt kimliği 1 olan hasta, ilk ön testte 12’lik bir semptom yoğunluğu ve ikinci ön testte 12’lik bir semptom yoğunluğu bildirmiştir. Bu kişinin tedaviden sonraki bir hafta, bir ay ve bir yıl için son test yoğunluk puanları sırasıyla 7, 5 ve 5’ti.

Kolmogorov-Smirnov testi Tablosu
kolmogorov-smirnov testi örneklem sayısı
Normallik varsayımı
Bağımsız örneklem t testi
Normallik testi yorumlama
Kolmogorov-Smirnov ve Shapiro-Wilk farkı
Shapiro Wilk testi örneklem sayısı
Veriler normal dağılım göstermiyorsa ne yapılır

Veri dosyasındaki her satır, farklı bir katılımcı için veri içerir. Ancak vakalar tekrar tekrar ölçüldüğü için, her vaka için veri dosyasına kaydedilen bağımlı değişken üzerinde birkaç ölçümümüz var. SPSS normalde her sütunu ayrı, bağımsız bir değişken olarak ele alır.

Ve muhtemelen bu girdilerin doğasına dair güçlü ipuçları sağlayan değişken adları kullanmış olsak da, veri dosyasına (elektronik tablo veya ızgara) yerel bir gözlemcinin bakış açısından bakarsak, pre1, pre2, post1, post2 ve post3, araştırmacılar tarafından beş seviyeli tek bir denek içi değişken oluşturmayı amaçlamıştır.

Ve SPSS gibi bilgisayar tabanlı bir veri analizi uygulamasının bakış açısından, her sütun farklı şekilde söyleninceye kadar ayrı bir değişkeni temsil eder. Bu nedenle SPSS veri analizi sürecinde karşılaşacağımız ilk diyalog pencereleri şimdiye kadar gördüklerimizden farklı olacaktır.

KONU İÇİ DEĞİŞKENLERİN TANIMLANMASI

Veri dosyanız oluşturulduktan sonra, ana SPSS menüsünden Analiz Et ➜ Genel Doğrusal Model ➜ Tekrarlanan Ölçümler öğesini seçin. Bu, Şekil 10.4’te gösterilen iletişim penceresini açacaktır.

Faktör için bir ad vererek ve bununla ilişkili düzey sayısını belirterek, çalışmadaki denek içi faktör(ler)i tanımlamanız için bir başlangıç ​​(ön) penceresi sunulacaktır. SPSS, denek içi faktör için bir ad sağlayarak, seviyelerini temsil etmek için bazı değişkenleri kabul etmeye hazır olacaktır. Kaç tane? Konu içi faktörle ilişkili seviye sayısını yazmanız yeterlidir.

Faktör1 varsayılan adını vurgulayın ve değişkeniniz için anlamlı bir ad yazın. Değişkenimize prepost adını verdik. Ardından, denek içi değişkeniniz için düzey sayısını yazın. Beş seviye içerdiğini belirtmiştik. Bu, Şekil 10.5’te gösterilmektedir. Ardından Ekle’yi tıklayın. Değişkeniniz, gösterildiği gibi Ekle düğmesinin sağındaki panelde görünecektir.

Çalışmada ikinci veya üçüncü bir denek içi değişkenimiz olsaydı (Bölüm 11 ve 12’de yapacağımız gibi), bu ilave tekrarlanan ölçümler için bu adımları tekrar ederdik. Değişkenlerimizi adlandırmayı bitirdiğinizde (bu örnek için bir değişken), ana GLM Tekrarlanan Ölçümler iletişim penceresine ulaşmak için Tanımla düğmesine tıklayın.

GLM Tekrarlanan Ölçümler için ana iletişim penceresi Şekil 10.7’de gösterilmektedir. Konu içi faktörün adı olan önyazının SPSS tarafından zaten bilindiğini ve iletişim penceresinin en üstüne yerleştirildiğini unutmayın. SPSS tarafından bizden istenen ilk iş, denek içi değişkenin yapısını tanımlamak, yani denek içi faktör seviyelerini oluşturan değişkenleri veri dosyasında belirtmektir.

Ana panelde, soru işaretli beş değişken yer tutucunun bir listesi bulunur (ilk pencerede beş seviye belirlediğimiz için beş tane vardır ve hangi değişkenlerin seviyeleri oluşturduğunu henüz belirtmediğimiz için soru işaretleri vardır), bu yuvalar için beş değişken tanımlamanız gerekir.

Konu İçi Değişkenler etiketli panele değişkenlerin üzerine tıklayın. Değişkenlerin seçilme sırası burada önemlidir. Üzerine tıkladığınız ilk değişken, ilk soru işaretinin yerini alacak şekilde ilk boşluğa yerleştirilecek, tıklanan ikinci değişken ikinci boşluğa yerleştirilecek ve bu şekilde devam edecektir. Değişkenler uygun sırayla tıklandıktan sonra Şekil 10.8’de penceremiz görülmektedir.

Değişkenler üst paneldeki yer tutuculara taşındığında, beş bağımsız değişkenin beş seviyeden oluşan tek bir denek içi değişkene dönüşümü tamamlanmıştır. Bu denek içi değişken artık yerinde olduğunda, tek yönlü denekler ANOVA’mızı yapılandırabiliriz.

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

Aykırı değerler için verileri incelemek için kutu ve bıyık grafikleri elde edebilir ve SAS’ın her gruptaki uç değerleri listelemesini sağlayabiliriz. Bunları teker teker ele alacağız. Görev Rolleri ekranına ulaşmak için ana menüden Tanımla ➜ Özet İstatistikleri seçin.

Daha önce açıklandığı gibi, GAF skorunu Özet İstatistik Rolleri panelinde Analiz değişkenleri altına ve tedaviyi Sınıflandırma değişkenleri altına yerleştirin. Ardından, Şekil 5.31’de gösterilen pencereye ulaşmak için navigasyon panelinde Plots’a tıklayın. Görüntülemek istediğimiz görüntü olarak Box ve visker seçtik. Terapiyi bir sınıflandırma değişkeni olarak belirlediğimiz için, her bir terapi grubu için ayrı grafikler elde edeceğiz. Ardından analizi gerçekleştirmek için Çalıştır’a tıklayın.

Kutu ve bıyık grafiği Şekil 5.32’de gösterilmiştir. Aslında dikey olarak görüntülenen bir dikdörtgen olan kutu, birinci çeyrekten (yirmi beşinci yüzdelik dilim) üçüncü çeyreğe (yetmiş beşinci yüzdelik dilim) kadar olan aralığı kapsar ve ortanca dikdörtgenin içindeki yatay çubukla gösterilir.

Bıyıklar, kutunun üstünden ve altından uzanan dikey çubuklardır ve normalde çeyrekler arası bir mesafeye kadar uzanır. Aykırı değerler bıyıkların ötesinde görülecekti; çok küçük veri setimizde aykırı değerlerimiz yok.

Her grup için puan dağılımındaki uç değerleri listelemek için ana menüden Analiz Et ➜ Dağılım Analizi’ni seçin. Görev Rolleri penceresinde, GAFscore’u Özet İstatistik Rolleri panelinde Analiz değişkenleri altına ve tedaviyi Sınıflandırma değişkenleri altına yerleştirin.

Ardından, sizi Şekil 5.33’te gösterilen ekrana getirmek için gezinme panelindeki Tablolar’a tıklayın. Temel güven aralıklarını kontrol edin. Tür açılır menüsünde İki taraflı’yı seçin; Güven düzeyi açılır menüsünde 95’i seçin. Bu pencereyi yapılandırmak, diğer seçeneklerde daha fazla belirtim yapmamızı sağlayacaktır.

Ardından, Şekil 5.34’te gösterildiği gibi Aşırı değerler etiketli onay kutusuna tıklayın. Bu, çıktıda kaç ekstrem değer görmek istediğimizi belirtebileceğimiz Specify n panelini etkinleştirir. Biz 2 tane belirledik (sonuçta her grupta sadece 5 vaka var) ama daha büyük veri setleri ile örneğin yaklaşık yüzde 5’ine karşılık gelen bir değer seçebilirsiniz. Çıktı ekranı, her gruptaki en düşük iki ve en yüksek iki değerden oluşacaktır. Analizi gerçekleştirmek için Çalıştır’a tıklayın.

Az önce gerçekleştirdiğimiz analizin çıktısının bir kısmı Şekil 5.35’te sunulmuştur, burada 1 olarak kodlanmış terapi grubu için sonuçları görüyoruz; diğer grupların çıktılarında benzer tablo kümeleri vardır. En üstteki tablo, ortalama, standart sapma, varyans ve yüzde 95 güven aralıklarını sunar.

Sonraki iki tablo, dağılımdaki uç değerleri göstermektedir. Orta tabloda, terapi grubu 1’deki en yüksek beş ve en düşük beş değer, veri dosyasındaki satır numarasıyla birlikte listelenir; bu, SAS Enterprise Guide’daki varsayılan çıktıdır. Grupta sadece beş vakamız olduğu için iki liste birbirinin aynısı.

En alttaki tablo, Tables penceresinde Extreme değerleri seçip 2 n olarak belirleyerek istediğimiz tablodur. tablonun sağ kısmında en yüksek iki değeri (Değer altında) ve sıra sırasını (Sıra altında) göstermiştir. En yüksek iki değer her zaman 1 ve 2 olarak sıralanacaktır. En yüksek değerlerin sıralaması grup büyüklüğüne bağlı olacaktır; grupta sadece beş değerle, en yüksek iki değer 4 ve 5 olarak sıralanır.

SAS NORMALİTE ANALİZİ

Normalliğe göre dağılımı incelemek için bir kez daha Analiz Et ➜ Dağılım Analizi’ni seçin. Görev Rolleri penceresinde, Özet İstatistik Rolleri panelinde GAF puanını Analiz değişkenleri altına ve tedaviyi Sınıflandırma değişkenleri altına yerleştirin. Ardından, sizi Şekil 5.36’da gösterilen ekrana getirmek için gezinme panelindeki Tablolar’a tıklayın. Normallik için Testleri kontrol edin ve Çalıştır’a tıklayın.

Normallik testleri
Normallik testi hipotezi
Normallik testi SPSS
Normallik testi nasıl yapılır
SPSS normallik testi yorumlama
kolmogorov-smirnov testi örneklem sayısı
Normal dağılım testi
Normallik testi yorumlama

Analizimizin sonuçları Şekil 5.37’de sunulmaktadır. Shapiro–Wilk ve Kolmogorov–Smirnov testleri, SPSS ile aynı sonuçları gösterir;diğer ikisiSPSS tarafından hesaplanmaz.

AscanbeseeinthepValue sütununda, dört testin tümü, terapi grubu 1’deki puanların dağılımının, normal olarak dağılan puanlardan beklenenden farklı olmadığını göstermiştir. Bununla birlikte, beş puan, bu tür sonuçlar için bir temel olarak kullanmak için çok az olduğundan, beş puanın normal veya başka bir şekilde dağıldığını iddia etmeye teşvik etmeyeceğiz.

VARYANS ANALİZİNİN SAS HOMOJENLİĞİ

Varyansın homojenliği varsayımını değerlendirmek için ana menüden Analiz Et ➜ ANOVA ➜ Tek Yönlü ANOVA’yı seçin. Görev Rolleri penceresinde, GAFscore’u Bağımlı değişkenler simgesine ve tedaviyi Bağımsız değişken simgesine sürükleyin. Bu, Şekil 5.38’de gösterilmektedir.

Şekil 5.39’da gösterilen ekran ile sunulacak navigasyon panelinde Testler’i seçin. Eşit varyans varsayımı reddedilirse, grup farklılıklarını (Fisher F oranı yerine) değerlendirmek için kullanmayı tercih edeceğimiz Welch’in varyans ağırlıklı ANOVA’sını seçin. SAS Enterprise Guide, üç homojenlik testi sağlar (Bartlett testi, Brown Forsyth testi ve Levene testi); üçünü de seçin ve Çalıştır’ı tıklayın.

Şekil 5.40, varyans homojenliği testlerinin sonuçlarını göstermektedir. Levene testi SPSS analizinde istatistiksel olarak anlamlıydı (p = .025) ancak burada anlamlı olmayan bir sonuç gösteriyor ( p = .0627). Bunun nedeni, SPSS’nin, hesaplamayı gerçekleştirmenin geleneksel bir yolu olan puanlar ve ortalama arasındaki mutlak farkları kullanarak ortalama etrafındaki değişkenliği hesaplamasıdır.

Tek Yönlü ANOVA prosedüründe SAS, ortalama etrafındaki sapmaların karesini kullanır ve bu biraz farklı sonuçlar verir. Diğer homojenlik testlerinin tümü, SPSS ile tutarlı istatistiksel olarak anlamlı sonuçlar verir ve bu temelde, verilerin varyansın homojenliği varsayımını karşılamadığı sonucuna varırız. Bu sonuca dayanarak, Fisher F oranı yerine Welch varyans ağırlıklı ANOVA’yı kullanırdık.

Welch sonuçları Şekil 5.40’ın alt kısmında gösterilmektedir. F değeri etiketli sütunda görüldüğü gibi, elde edilen değer 24.10’dur, SPSS tarafından verilen değerin aynısıdır. Bu değerin tesadüfen oluşma olasılığı .0019’dur. Bu sonuç istatistiksel olarak anlamlıdır (alfa seviyemiz .05’tir) ve Bölüm 6’da göreceğimiz gibi, güvenilir grup ortalama farklılıklarına sahip olduğumuzu gösterir.

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