SAYISAL ÖRNEK

Örneğimiz için kullandığımız veriler, 425 üniversite öğrencisi üzerinde yapılan bir kişilik değişkenleri çalışmasından alınmıştır. Veriler, Kişilik adlı veri dosyasında bulunur. Bu bölümde iki kişilik değişkenine odaklanıyoruz: depresyonun bir ölçüsü olarak beckdep ve bir özsaygı ölçüsü olarak saygı.

ANALİZ KURULUMU: DOĞRUSALLIK KONTROLÜ

Pearson r, bir çift değişkenin lineer olarak ilişkili olma derecesini değerlendirdiği için, Pearson r’yi hesaplamadan önce ilişkinin lineer olma derecesini kabaca belirlemek yararlıdır. Bu, iki değişkenin dağılım grafiği incelenerek gerçekleştirilebilir.

Scatterplot elde etmek için Personality adlı veri dosyasını açıyoruz ve ana menüden Graphs ➔ Legacy Dialogs ➔ Scatter/Dot’u seçerek gösterilen pencereyi oluşturuyoruz. Simple Scatter’ı seçiyoruz ve sunulan Simple Scatter diyalog ekranını açmak için Define’a tıklıyoruz. Beckdep’i keyfi olarak Y Ekseni paneline yerleştireceğiz ve X Ekseni panelinde dikkate alacağız. Tamam’ı tıklatmak dağılım grafiğini üretir

ANALİZ ÇIKTI: DOĞRUSALLIK KONTROLÜ

beckdep ve saygının dağılım grafiği sunulmaktadır. Görsel inceleme, iki değişkenin doğrusal olarak ilişkili olduğunu gösterir. Aynı zamanda, en iyi uyum çizgisinin sol üstten sağ alta doğru açılı olduğu ve negatif (ters) bir ilişkiye işaret ettiği görülüyor.

ANALİZ KURULUMU: TEK BİR DEĞİŞKEN ÇİFT İLİŞKİLENDİRME

Doğrusallığın ortaya çıkmasıyla, beckdep ve saygı arasındaki Pearson korelasyonunu güvenle oluşturabiliriz. Ana menüden Analiz Et ➔ Korelasyon ➔ İki Değişkenli’yi seçin. Bu, gösterilen ana İki Değişkenli Korelasyonlar penceresini açar. Değişkenler paneline beckdep’i ve saygıyı taşıdık. Korelasyon Katsayıları alanında yalnızca Pearson istemek, Önem Testi altında İki Kuyruklu istemek ve IBM SPSS® Flag’den anlamlı korelasyonlar istemek (istatistiksel anlamlılığı göstermek için yıldız işaretlerini kullanacaktır) varsayılan özelliklerini koruyoruz.

Seçenekler düğmesinin seçilmesi, analizdeki değişkenlerin Ortalamalarını ve standart sapmalarını elde etmemizi sağlar. Hariç Tutma durumlarının Eksik Değerler belirtimini ikili olarak koruruz. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

ANALİZ ÇIKTI: TEK BİR DEĞİŞKEN ÇİFT İLİŞKİLENDİRME

Analizin çıktısı sunulur. Tanımlayıcı istatistikler üstteki tabloda, korelasyonlar ise alttaki tabloda gösterilmektedir. Korelasyon sonuçları, köşegen üzerinde 1.00 değeri olan bir “kare” matrisinde sunulur. Hücre(ler)in içindeki beckdep ve Regard’ın kesişimini gösteren üç giriş, aşağıdaki bilgileri aşağıdaki sırayla sağlar:

1. İki değişken arasındaki Pearson korelasyonu −.539’dur.
2. 421’lik bir N ile (serbestlik derecesi = N − 2 veya 419) bu korelasyon değerinin tesadüfen meydana gelme olasılığı, boş hipotezin doğru olması durumunda, .001’den küçüktür (çıktıda .000 olarak gösterilmiştir). ancak p<.001 olarak rapor edildi). Çıktı tablosunda .000’e çift tıklayarak kesin olasılığı görebiliriz.
3. Her iki değişkende de geçerli değerlere sahip 421 vaka vardı.

Korelasyon türlerine örnekler
Kısmi korelasyon örnekleri
Korelasyon formülü
Yüksek korelasyon Nedir
Pearson korelasyon nedir
Pozitif korelasyon
Pearson Korelasyon Tablosu yorumlama
Korelasyon Örnekleri

BİRÇOK DEĞİŞKEN ÇİFTLERİNİN İLİŞKİLENDİRİLMESİ

Birkaç değişken çifti için korelasyon çıktısını göstermek için, değişkenler kümesine neoneuro (nevrotiklik), posafect (pozitif duygulanım) ve neoconsc (özenlilik) ekledik, ancak aksi takdirde analizi açıklandığı gibi belirledik. Korelasyon matrisini gösteriyoruz.

Matrisin köşegeni, sol üstten sağa doğru açılı olarak kolayca görülebilir. Bir kare matriste, köşegenin üstündeki ve altındaki değerler gereksizdir. .05’lik bir alfa düzeyi göz önüne alındığında, tüm korelasyonlar istatistiksel olarak anlamlıdır.

Bu korelasyonlar, Seçenekler iletişim penceresindeki Vakaları ikili olarak hariç tut özelliği nedeniyle 419 ile 422 arasında değişen örnek boyutlarına dayanmaktadır. İkili dışlamada, bir korelasyon hesaplamasında yer alan iki değişkenden birinde değeri eksik olan (ve dolayısıyla bu hesaplamadan hariç tutulan) vakalar, eğer bu iki değişken üzerinde geçerli değerlere sahiplerse, başka bir hesaplamaya dahil edilmeye uygundur.

Spearman Rho ve Kendall Tau-b Sıra-Sıra Korelasyonları

Pearson korelasyonunun altında yatan varsayımlar karşılanamadığında, alternatif olarak uygulanabilecek parametrik olmayan korelasyon prosedürleri vardır. Genel olarak, parametrik olmayan prosedürler bir örnek parametresini (örn. örnek ortalaması) bir popülasyon parametresi (örn. popülasyon ortalaması) ile karşılaştırmaz ve dağılım hakkında daha az varsayımda bulunur (örn., normal bir dağılım gerektirmezler).

Ayrıca, parametrik olmayan prosedürler, kategorik (örneğin sıklık) veya sıralı ölçüm ölçeklerinde değerlendirilen değişkenlere uygulanabilir. Pearson korelasyonuna en sık kullanılan alternatiflerden ikisi, IBM SPSS®’deki İki Değişkenli Korelasyon prosedürüne dahil edilmiştir: Spearman rho ve Kendall tau-b korelasyonları. Her ikisi de sıralı ölçeklerde ölçülen değişkenlere uygulanabilir ve yalnızca ilişkinin monotonluğunu varsayar.

Sıralı ölçüm, yalnızca bilgiden daha fazlasını veya daha azını iletir ve sıralanmış verilerle temsil edilir. Spearman rho veya Kendall tau-b korelasyonlarını uygularken, X ve Y değişkenlerinin değerleri ilk önce bağımsız olarak sıralanır (her ne kadar Kendall tau-b ham verilere de uygulanabilirse de).

Sıralar daha sonra her bir puan çifti için ham puan değerleriyle değiştirilir ve daha sonra her biri için hesaplama yapılır. Dolayısıyla hiçbir korelasyon, verilerin yaklaşık aralık ölçümü olmasını gerektirmez ve hiçbir korelasyon da değişkenlerin yaklaşık olarak normal dağılmasını gerektirmez. Yalnızca sıralı bilgilerden yararlanılarak, Pearson r’yi ciddi ve olumsuz etkileyebilecek aykırı değerlerin etkisi, Spearman rho ve Kendall tau-b tarafından bertaraf edilir.

İki değişken arasında monoton bir ilişki, bir değişkenin daha yüksek değerleri diğerinin daha yüksek değerleriyle tutarlı bir şekilde ilişkilendirildiğinde veya bir değişkenin daha yüksek değerleri sürekli olarak diğerinin daha düşük değerleriyle ilişkilendirildiğinde ortaya çıkar. Pearson r tarafından değerlendirildiği üzere doğrusal bir ilişki, monotonik bir ilişkinin özel bir durumudur, ancak bazı diğer doğrusal olmayan ilişkiler (örneğin, eğik bir J şekilli fonksiyon) da monotondur ve bu nedenle Spearman rho ve Kendall tau tarafından değerlendirilebilir. 

Monotonluğun anahtarı, ilişkinin süreklilik boyunca bir yerde bir tersine dönüş göstermemesidir (örneğin, daha yüksek X değerleri, bir noktaya kadar Y üzerindeki daha yüksek değerlerle ilişkilendirilir ve daha sonra hala daha yüksek X değerleri, daha düşük Y değerleri ile ilişkilendirilir).

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

Çeyrekler arası aralık, birinci ve üçüncü çeyrekler arasındaki fark, aralıktan daha uç puanlardan daha az etkilenir. Çünkü SPSS her zaman çeyrekleri hesaplamaz. doğru bir şekilde, çeyrekler arası aralığı hesaplamak için ona güvenmemelisiniz. Birinci ve üçüncü çeyrekleri belirlemek için frekans dağılımını kullanarak ve ardından çeyrekler arası aralığı elde etmek için çıkararak bunu elle hesaplamanız gerekir.

Ortalama Sapma

Ortalama sapma, puanların ortalamadan sapmalarının ortalama mutlak değeridir. Windows için SPSS, ortalama sapmayı doğrudan hesaplamaz, ancak bu, alternatif prosedürler kullanılarak gerçekleştirilebilir.

Örnek olarak, metindeki bebek ağırlığı verilerini kullanarak ortalama sapmayı hesaplıyoruz. “Weigh” değişkenini adlandırarak, beş ağırlıkla yeni bir veri dosyası oluşturun. İlk adım, ortalama ağırlığı hesaplamaktır. Bunu, Bölüm 4.1’deki 1-4 adımlarında özetlendiği gibi Tanımlayıcılar prosedürüyle yapın. Varsayılan olarak, Tanımlayıcılar size bu örnekte 7 pound’a eşit olan ağırlık değişkeninin ortalamasını verecektir. Ortalamayı öğrendikten sonra, Hesaplama prosedürünü kullanarak sapmaların mutlak değerini hesaplayabilirsiniz.

(1) Menü çubuğunda Dönüştür’e tıklayın ve ardından açılır menüden Hesapla’ya tıklayın.
(2) Hesaplamak istediğiniz yeni değişkenin adını yazın (buna “dev” adını verin). (3) İfadenin mutlak değerini hesaplamak için ABS(numexpr) üzerine tıklayın.
(4) “Ağırlık” değişkenine ve ardından sağ ok düğmesine tıklayın.
(5) Hesap makinesi panelindeki eksi işaretine tıklayın ve ardından 7’ye (ortalama) tıklayın.
(6) Tamam’a tıklayın.

Bu, veri dosyanızda farkın mutlak değeri olarak elde edilen “dev” adında yeni bir değişken yaratacaktır, “ağırlık” eksi ortalama.
Ortalama sapmayı hesaplamak için şimdi “dev” değişkeninin ortalamasını hesaplamanız gerekir. Bu, yine Tanımlayıcılar prosedürü ile gerçekleştirilir. “Dev” değişkenine tıklayın ve ortalama çıktıda otomatik olarak görünecektir. Ortalama 1,2, yani mutlak sapma 1, 1, 0, 2, 2’nin ortalaması olmalıdır.

Standart Sapma

Standart sapma, Tanımlayıcılar prosedürü kullanılarak SPSS tarafından kolayca hesaplanır.

(1) Menü çubuğunda İstatistikler’e tıklayın.
(2) Açılır menüden Özetle’ye tıklayın.
(3) Tanımlayıcılar iletişim kutusunu açmak için Tanımlayıcılar’a tıklayın.
(4) İncelemek istediğiniz değişken adına tıklayın.

Varsayılan olarak çıktı, ortalama, standart sapma, minimum ve maksimum değerleri içerecektir. Örneğin, “gastax” değişkeni için varsayılan özet istatistikleri içerir.

İki değişken arasındaki ilişkinin yönü ve şiddetini belirleyen araştırma
Korelasyon nedir
Korelasyon analizi yorumlama
Bağımlı ve bağımsız değişken arasındaki ilişkiye ne denir
Korelasyon türlerine örnekler
Korelasyon Tablosu
Nokta Çift Serili Korelasyon
Araştırmanın sonucunu etkileyen değişken

Varyansı, standart sapmanın karesini elde etmek için, standart sapma için yukarıdaki 1-4 arasındaki adımları izleyin ve ardından:

(1) Seçenekler’e tıklayın.
(2) Dağılım kutusunda Varyans’a tıklayın.
(3) Devam’a ve ardından Tamam’a tıklayın.

Çıktınızda varyansın standart sapmanın karesi olduğuna dikkat edin.Veriler, varyans 4.592 = 21.07’dir.

Konum ve Dağılım Ölçülerinin Birlikte Bazı Kullanımları

Standart Puanlar

Standart puanlar (z-puanları), numunedeki herhangi bir gözlemin göreli konumunu, yani ortalamanın üstünde veya altında standart sapma sayısını gösterir. Ortalamanın üzerindeki değerler için z-skoru pozitif olacaktır; ortalamanın altındaki değerler negatif z puanlarına sahiptir; ve ortalamaya eşit bir değer, o’nun bir z-skoru ile sonuçlanır. Z-puanları, Tanımlayıcı prosedürü kullanılarak hesaplanır.

10 ailedeki çocuk sayısına ilişkin verileri kullanarak örneklendireceğiz. “kids.sav” veri dosyasını açarak başlayın. O zamanlar:

(1) Menü çubuğunda İstatistikler’e tıklayın.
(2) Tanımlayıcılar iletişim kutusunu açmak için Özetle ve ardından Tanımlayıcılar’a tıklayın.
(3) Standartlaştırmak istediğiniz değişken adına (“nurn_chld”) tıklayın ve ardından sağ ok düğmesine tıklayın.
(4) Standartlaştırılmış değerleri değişkenler olarak kaydet kutusuna tıklayın.

Bu, SPSS’nin yeni bir z-skoru değişkeni oluşturmasına neden olur. Varsayılan olarak, yeni değişken, orijinal değişkenin ilk yedi harfinin önüne z harfi getirilerek adlandırılır. Örneğin, “num-chId”, “znurn-chI” olur. Veri dosyasında z-skorlarını inceleyebilirsiniz.

Sırasıyla ortalamanın üstünde ve altında olan puanları gösteren bazı değerlerin pozitif ve bazılarının negatif olduğuna dikkat edin. Ayrıca çoğu z puanının -2.0 ile +2.0 arasında olduğuna dikkat edin. Standart puanların ortalamasını ve standart sapmasını hesaplarsanız (Descriptives prosedürünü kullanarak), ortalamanın 0 ve standart sapmanın 1 olduğunu göreceksiniz.

Kutu Grafikleri

Kutu ve bıyık grafikleri, bir dağılımın medyanı, çeyrekler arası aralığı ve uç noktalarını gösterir. Windows için SPSS, Keşfet prosedürünü kullanarak bu grafikleri oluşturur. Bu prosedürü örneklemek için, önce ders kitabında Bölüm 3.2’de listelenen 8 yaşlının yaşlarını (bunlar 60.5, 61, 62, 64, 65, 66, 67 ve 69) girerek yeni bir veri dosyası oluşturun. O zamanlar:

(1) Menü çubuğunda İstatistikler’e tıklayın.
(2) Açılır menüden Özetle’ye tıklayın.
(3) Keşfet iletişim kutusunu açmak için Keşfet’e tıklayın.
(4) Çizmek istediğiniz değişkene tıklayın ve ardından en üstteki sağ ok düğmesine tıklayın.
(5) Keşfet: Çizimler iletişim kutusunu açmak için Çizimler’e tıklayın.
(6) Kutu grafikleri kutusundaki Faktör seviyelerine birlikte tıklayın (bu varsayılandır).
(7) Devam’a tıklayın.
(8) Tamam’a tıklayın.

SPSSkutu ve bıyık grafiğiniGrafikCarouselpenceresini yerleştirir. Bu pencereyi açmak ve grafiği incelemek için ekranın sol alt köşesindeki Chart Carousel simgesine çift tıklayın. Kutu ve bıyık grafiği Şekil 4.2’de gösterildiği gibi görünecektir.

Dağılımın medyanı, kutunun ortasındaki yatay çizgi ile gösterilir; burada, 64.5. Ayrıca bıyıkların uçlarıyla gösterilen minimum ve maksimum değerleri de bulabilirsiniz. Örneğin, üstteki yatay çizgi 69’da (en yüksek) biter ve alt çizgi 60,5’te (minimum) biter.

ÇOK DEĞİŞKENLİ VERİLERİN ÖZETİ: SAYISAL DEĞİŞKENLER ARASINDAKİ İLİŞKİ

İki Sayısal Değişkenin İlişkilendirilmesi

Dağılım grafikleri için SPSS kullanımını göstermek için ders kitabının Şekil 5.1’deki grafiği yeniden oluşturalım. Dil ve dil dışı IQ puanlarına ilişkin 23 gözlemin verileri “IQ.sav” dosyasında yer almaktadır.

Bir dağılım grafiği elde etmek için aşağıdakileri yapın:

(1) Menü çubuğundan Grafikler’e tıklayın.
(2) Açılır menüden Dağılım’a tıklayın.
(3) Bu, dört farklı çizim türü sunan dağılım grafiği iletişim kutusunu açar1• Varsayılan olan basit grafiği istiyoruz. Bu nedenle, Tanımla’ya tıklayın. Bu, Şekil 5.1’de gösterilen Basit Dağılım Grafiği iletişim kutusunu açar.
(4) “nonlang” adlı değişkene tıklayın ve en üstteki sağ ok düğmesine tıklayarak Y Ekseni kutusuna taşıyın.
(5) “lang” adlı değişkene tıklayın ve sağ ok düğmesine tıklayarak X Ekseni kutusuna taşıyın.
(6) Bu iletişim kutusunu kapatmak ve dağılım grafiğini oluşturmak için Tamam’a tıklayın.

Çıktı penceresinde başka bir bilgi olmadığından Chart Carousel penceresi otomatik olarak açılır. Grafiğiniz ders kitabının Şekil 5.1’deki ve aşağıdaki Şekil 5.2’dekine benzemelidir. Dil IQ’su ile dil dışı IQ arasında açıkça pozitif bir ilişki vardır; Dil IQ puanları yüksek olan bireylerin dil dışı IQ puanları da yüksek olma eğilimindedir ve bir ölçekte düşük puan alanlar diğerinde düşük puan alma eğilimindedir.

“lunch.sav.” içindeki verileri kullanarak başka bir dağılım grafiği oluşturacağız. Bu, bireyin öğle yemeğinde tükettiği kalori sayısı ve bireyin ziyareti sırasında restoranın ortalama sıcaklığı hakkında bilgi içeren hayali bir veri setidir.

Sıcaklığı x ekseninde, kalorileri y ekseninde olan bir dağılım grafiği oluşturalım. Aşağıdaki 1-6 adımları,gösterilen sonuçları üretecektir. Bu grafikte, bu iki değişken arasında neredeyse hiçbir ilişki yok gibi görünüyor. Restoranın sıcaklığının düşük, orta veya yüksek aralıklarda olmasına bakılmaksızın, insanlar öğle yemeğinde az, orta ve çok sayıda kalori tüketirler.

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