Bu bölümde, olasılık dağılımlarından rastgele örnekler çizmeyi simüle etmek için SPSS kullanıyoruz. Ayrıca toplam ve ortalamanın örnekleme dağılımlarının bazı özelliklerini ve Merkezi Limit Teoremi’ni de inceliyoruz.

Popülasyondan Örnekleme

Aklınıza gelmemiş olsa da, SPSS’yi 10 kez yazı tura attığımızda, aslında Bernoulli olasılık dağılımından rastgele bir örnek alıyoruz. Şimdi bu prosedürü tekrar edeceğiz, ancak standart bir normal dağılımdan 50 maddelik bir örneklemle. Prosedür Bölüm 7 ve 8’de açıklananlara çok benzer olduğundan, aşağıdaki talimatlar kısaltılmıştır.

(1) Yeni bir Veri penceresi açın
(2) İlk sütunun ilk 50 durumu için “1” girin.
(3) Menü çubuğundan Dönüştür’e tıklayın.
(4) Açılır menüden Hesapla’ya tıklayın.
(5) Hesapla iletişim kutusunda, Hedef Değişkeni “örnek” olarak adlandırın.
(6) Fonksiyonlar kutusundaki “RV.NORMAL(mean,stddev)” fonksiyonunu vurgulayın ve yukarı ok düğmesine tıklayarak Sayısal İfade kutusuna taşıyın.
(7) Birinci ve ikinci soru işaretlerini sırasıyla o ve 1 ile değiştirerek standart bir normal dağılım seçin.
(8) Tamam’a tıklayın.

Şimdi “örnek” değişkenin bir histogramını oluşturun (histogram oluşturmaya ilişkin ayrıntılar için Bölüm 2.3.1’e bakın). Standart bir normal dağılıma benzemelidir, ancak bir örnek olduğu için biraz farklılık gösterecektir. Şekil 9.1 olası bir histogramı göstermektedir. Bu histogram, daha fazla sayıda örnek alsaydık veya histogramı daha az sayıda aralıkla oluştursaydık daha normal görünürdü. Rastgele örneğiniz farklı olduğu için histogramınız biraz değişecektir. Örneğin, bu örneğin ortalamasının 0’ın ortalamasına yakın olan .11 olduğuna ve bu rastgele örneğin standart sapmasının (.90) 1’e yakın olduğuna dikkat edin.

Bir Toplamın ve Ortalamanın Örnekleme Dağılımı

Bu bölümde, minimum 1 ve maksimum 6 olan ayrı bir düzgün dağılımdan iki değişken toplamının örnekleme dağılımını elde ederiz. Bu, iki zarın atılmasından kaynaklanan örnekleme dağılımının oluşturulmasına benzer.

Bu zarları birer birer toplam 50 çift rulo için SPSS’ye yönlendireceğiz. Daha sonra, her bir rulonun toplamını hesaplayacağız (örneğin, birinci kalıp için ilk rulo + ikinci kalıp için ilk rulo, vb.) ve ardından bu yeni değişkenin frekans dağılımını inceleyeceğiz.

(1) Yeni bir Veri penceresi açın ve ilk sütunun ilk 50 satırına “1” yazın.
(2) Menü çubuğundan Dönüştür’e tıklayın.
(3) Açılır menüden Hesapla’ya tıklayın.
(4) Hedef değişkeni “örnek” olarak adlandırın.
(5) Sayısal İfade kutusunda, “RND(RV.UNIFORM(1,6».” ifadesini oluşturun.
(6) Aynı şekilde başka bir değişkeni hesaplayın. “Örnek2” olarak etiketleyin.
(7) İki örnek değişkenin toplamı olan bir “toplam” değişkeni hesaplayın. Bunu, “sample1” değişkenine tıklayarak ve sağ ok tuşu ile Sayısal İfade kutusuna taşıyarak, hesap makinesi panelinden + işaretine tıklayarak ve ardından “sample2” değişkenini sağ ok ile Sayısal İfade kutusuna taşıyarak yapın. buton.
(8) “toplam” değişkenin histogramını elde edin.

İki (veya daha fazla) değişkenin ortalamasının örnekleme dağılımını da benzer şekilde elde edebilirsiniz.

kolmogorov-smirnov testi hesaplama
Kolmogorov-Smirnov normallik testi
Normal dağılım testleri
SPSS normallik testi yorumlama
Normallik testi yorumlama
Normallik testi pdf
Kolmogorov-Smirnov testi yorumlama
Normallik varsayımı

Örnek Ortalamaların Normal Dağılımı

Merkezi Limit Teoremi

Merkezi Limit Teoremini (CLT) göstermek için SPSS kullanmak da mümkündür. Süreç basit değildir, ancak CLT çıkarımsal istatistiklerin en önemli ilkelerinden biri olduğundan, bu örnek üzerinden çalışmak kavramları daha tam olarak anlamanıza yardımcı olabilir.

Merkezi limit teoremi, belirli sayıda gözlemin örnek ortalamasının dağılımının normal bir dağılıma benzeyeceğini iddia eder. Bu, örneklerin alındığı ana dağıtımdan bağımsız olarak doğrudur.

Bu teoremi açıklamak için, önce belirli bir dağılımdan (örn., ayrık tekdüze(1,lO») n boyutunda (örn., 50) rastgele bir örnek almamız, ardından bu işlemi birçok kez tekrarlamamız (örn., 100), hesaplamak zorunda kalacağız. rastgele numunelerin her biri için ortalama ve son olarak numune araçlarının frekans dağılımını ve histogramını inceleyin.

Belirli bir dağılımdan rastgele bir örnek elde etmek için kullanılan prosedürler Bölüm 7’de verilmiştir. Bu sürecin sıkıcı kısmı, örneklemenin 100 kez tekrar edilmesini içerir. Bu adımı sizin için tamamladık ve sonuçlar “clt.sav” veri dosyasına kaydedildi. Bu dosyayı alın. İlk değişkenin adının “marker” olduğunu fark edeceksiniz. Bu sadece istenen örneklem büyüklüğünü 50 elde etmek için kullanılan bir yer tutucudur. ul’den ul00’a kadar 100 değişken daha vardır, bunlar SPSS’nin 50 büyüklüğünde rastgele bir örneklem aldığının 100 katını temsil eder. Bu nedenle, şu anda elimizde bir [50] var. x 100] matrisi [örnek boyutu x örnek sayısı].

Ortalamaların histogramını elde etmek için önce 100 örneğin her birinin ortalamasını hesaplamamız gerekir. SPSS’yi “u” değişkenlerinin her birinin ortalamasını ayrı ayrı hesaplamaya yönlendirebiliriz, ancak daha sonra bu araçların her birini başka bir sütuna manuel olarak girmemiz gerekir. Daha az zaman alan bir yöntem, matrisi SPSS’nin araçları takip etmesini sağlayacak şekilde dönüştürmektir. Bunu yapmak için, matrisi transpoze etmeliyiz — satırları ve sütunları değiştirmeliyiz — ve sonra ortalamaları hesaplamalıyız.

“clt.sav” veri dosyasını açın ve ardından:

(1) Menü çubuğundan Veri’ye tıklayın.
(2) Açılır menüden Aktar’a tıklayın.
(3) “İşaretleyici” dışındaki tüm değişken adlarını vurgulayın (u l üzerine tıklayın, fare düğmesini basılı tutun ve listedeki son değişkenin adına sürükleyin).
(4) Sağ üst ok düğmesine tıklayarak değişken isimlerini Değişken(ler) kutusuna taşıyın.
(5) Tamam’a tıklayın.
(6) Devir komutuna tüm değişkenleri dahil etmediğinizi ve dahil edilmeyen tüm değişkenlerin kaybolacağını belirten bir mesaj alacaksınız. Bu, “marker” değişkenine atıfta bulunur. Tamam’a tıklayın.

Şimdi [100 x 50] matrisli (ilk sütun hariç) transpoze edilmiş bir veri dosyanız olmalıdır. Şimdi sıralar, çekilen 100 örneği temsil ediyor ve sütunlar, her örnekte seçilen 50 rastgele değişkeni temsil ediyor.

Artık her satırın ortalamasını hesaplayabiliriz. Bunu yapmak için:

(1) Menü çubuğundan Dönüştür’e tıklayın.
(2) Açılır menüden Hesapla’ya tıklayın.
(3) Hedef Değişken kutusuna “ortalama” girin.
(4) Sayısal İfade kutusunda şu ifadeyi oluşturun: “mean(varOOl – var050).” (Bunu yapmanın en kolay yolu, kutuya yazmaktır.)
(5) Tamam’a tıklayın.

Bu, 100 örneğin ortalamalarını içeren yeni bir “ortalama” değişkeni oluşturmalıdır. Bu yeni değişkenin histogramını oluşturun. Bu grafiği göstermektedir. Ortalamaların dağılımı tam olarak normal olmasa da, kabaca normaldir. Ana dağılım daha normale benzerse veya 100’den fazla örnek çizmiş olsaydık normallik iyileşirdi.

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

Pencerenin üst kısmına yakın Konular İçinde Değişkenler altında (renk, oyuncak türü) ifadesini gördüğümüze dikkat edin. Bu, denek içi faktörlerimizi belirlediğimiz sıradır ve boşlukları doldurmamız için bize rehberlik eder. Rengin en yavaş arttığını ve ilk olarak tanımlandığını hatırlayın. Paneldeki kodlar, aşağı doğru okunduğunda, ilk kodun en yavaş değişmesine sahiptir. Bu ilk kod renge karşılık gelir ve ilk iki yuva 1 olarak kodlanan renk yani sarı için ayrılmıştır.

İlk yuva 1,1 kodlu değişken için ayrılmıştır. İlk değerin sarı anlamına geldiğini biliyoruz. İkinci değer, oyuncak türü kodudur ve 1 kodu, uygulamalı oyuncaklara atıfta bulunur. Böylece ilk slot yelhand için ayrılmıştır. Benzer bir şekilde, ikinci yarık yelpret’e atıfta bulunduğu, üçüncü yarık bluhand’e atıfta bulunduğu ve dördüncü yarık blupret’e atıfta bulunduğu anlaşılabilir. Bu değişkenler, Şekil 15.7’de gösterildiği gibi panele getirilir, burada da cinsiyetin Denekler Arası Faktör(ler) paneline sürüklendiğini görüyoruz.

Seçenekler iletişim penceresine ulaşmak için Seçenekler düğmesini seçin. Buradaki yedi etki ile, hangi etkiler için tahmini marjinal ortalama tabloları oluşturmak istediğimizi belirlemek için ANOVA sonrası testleri gerçekleştirene kadar bekleyeceğiz. Bu çok amaçlı analiz için, Tanımlayıcı istatistikler ve Homojenlik testlerini kontrol etmemiz yeterlidir. Bu, Şekil 15.8’de gösterilmektedir. Ana iletişim penceresine dönmek için Devam’ı tıklayın.

Plots iletişim penceresinde, Toytype’ı Horizontal Axis paneline, cinsiyeti de Separate Lines paneline tıklayın. Ayrı Plots için panele renk yerleştirin; bu, sarı oyuncaklar için bir arsa ve mavi oyuncaklar için ikinci bir arsa ile sonuçlanacaktır. Bunu Şekil 15.9’da gösterdik. Grafiğinizi SPSS’ye kaydetmek için Ekle’ye tıklayın, sonucu Şekil 15.10’da Plots etiketli alt panelde gösterilir. Belirtimin genel yapısının Yatay Eksen∗Ayrı Çizgiler∗Ayrı Grafikler olduğuna dikkat edin. Ana iletişim penceresine dönmek için Devam’ı tıklayın. Ardından çok amaçlı analiz yapmak için Tamam’a tıklayın.

OMNIBUS ANALİZİ SPSS ÇIKTI

Şekil 15.11’de gösterilen Box testinin sonuçları istatistiksel olarak anlamlı değildir; bu, kovaryans matrislerinin eşitliği varsayımının reddedilemeyeceğini gösterir. Sonuçları Şekil 15.12’de gösterilen Mauchly’nin Küresellik Testi, denek içi değişkenin sadece iki seviyesi ile gerçekleştirilemez. Levene’nin hata varyans eşitliği testi, denek içi faktörlerin hiçbiri için istatistiksel olarak anlamlı değildi; bu nedenle, tekrarlanan ölçümlerimiz için varyansın homojenliği varsayımını reddedemeyiz.

Konu içi özet tablosu Şekil 15.14’te sunulmaktadır. Bu tablodan rengin ana etkilerinin, Cinsiyet∗Oyuncak Tipinin iki yönlü etkileşimi ve Cinsiyet∗Renk∗ Oyuncak Tipinin üç yönlü etkileşiminin istatistiksel olarak anlamlı olduğunu görüyoruz. En yüksek dereceli etkileşimin (üç yollu) önemli olması nedeniyle, basit etki analizlerimizin bu seviyeye odaklanması gerekir.

Konular arası özet tablosunu Şekil 15.15’te sunuyoruz. Bu tablodan cinsiyetin temel etkisinin istatistiksel olarak anlamlı olmadığını görüyoruz.

Normallik testi SPSS
Normallik testleri
Kolmogorov-Smirnov testi normal dağılım
Veriler normal dağılım göstermiyorsa
SPSS normallik testi yorumlama
Normallik testi yorumlama
Verilerin normal dağılımı ne demek
Normallik testi hipotezi

ANOVA SONRASI ANALİZİN SPSS’DE YAPILMASI

Analizi omnibus ANOVA için yaptığınız gibi yapılandırın, ancak şimdi Seçenekler iletişim penceresinde Şekil 15.16’da gösterildiği gibi üç yönlü etkileşim terimine tıklayacağız. Ayrıca, analizimizin tanımlayıcı, homojenlik ve çizim kısımlarını zaten çalıştırdığımız için bunları çalıştırmaya gerek yoktur.

Bu kısa işlemin sonunda Tamam’a tıklamak yerine Yapıştır düğmesine tıklayın. Temel sözdizimi daha sonra bir sözdizimi penceresine yerleştirilecektir; o pencereyi masaüstünüzde bulun ve tıklayarak aktif hale getirin. Bu pencere Şekil 15.17’de gösterilmiştir.

Basit etki analizleri, Şekil 15.3’te gösterdiğimiz grafiklere göre ayarlanacaktır. Her çizim, belirli bir oyuncak rengi için sonuçları gösterir ve bu nedenle, faktörlerin en genel bölümlerini temsil eder. Bu en genel dökümün, faktörlerin üç yönlü etkileşimi içeren /EMMEANS=TABLES alt komutunda belirtildiği sıraya karşılık gelmesi gerekir.

En genel kırılma, alt komutta en yavaş artan değişken, yani parantez içinde sola doğru en uzak olan değişken olacaktır. Bu nedenle, bu örnekte, /EMMEANS = TABLES alt komutunda parantez içindeki ilk değişken olarak renge ihtiyacımız var. Şekil 15.17’de rengin ilk adlandırılmış değişkenden ziyade ikinci olduğunu not ediyoruz; bu, değişkenleri gerekli sıraya sürükleyerek (veya silerek ve yazarak) değiştirilebilir. Bu değişikliği Şekil 15.18’deki sıralamada gösteriyoruz.

Üç yönlü etkileşimimizin revize edilmiş sıralamasını içeren /EMMEANS = TABLES alt komutunu çoğaltarak Şekil 15.19’da gösterildiği gibi basit efekt sözdizimimizi ekledik. Yinelenen satırlarımızın sırasıyla birinci ve ikincisine oyuncak türü ve cinsiyete odaklanan karşılaştırma sözdizimimizi ekledik. Şimdi ana menüden Run ➜ All seçeneğini seçiyoruz.

SPSS’DE ANOVA SONRASI ANALİZ ÇIKTI

Basit efektler çıktısı en iyi Şekil 15.3’teki sonuçların grafiğine bakıldığında görülür. Bu şekilde, istatistiksel sonuçları, araçların görsel bir tasviri ile ilişkilendirebilirsiniz. Şekil 15.20, oyuncak tipi düzeylerini karşılaştıran ilk basit efekt grubunun sonuçlarını sunar.

Bu nedenle, çocukların uygulamalı oyuncaklarla oynayarak geçirdikleri süre ile hayali oyuncaklarla oynayarak geçirdikleri süreyi karşılaştırıyoruz. Bu karşılaştırma önce sarı oyuncaklar daha sonra da mavi oyuncaklar için önce kadın, sonra erkekler için ayrı ayrı yapılır; Şekil 15.3’e göre, her bir çizginin x eksenine göre önemli ölçüde eğimli olup olmadığını belirliyoruz.

Sonuçlarımız, yalnızca bir çift ortalamanın önemli ölçüde farklı olduğunu göstermektedir. Renk 1 (sarı) için cinsiyet 1 (kızlar) için uygulamalı ve taklit oyuncaklar arasında oyun süresinde bir fark vardı. Şekil 15.3’teki karşılaştırmaları tek tek incelediğimizde şu özeti çıkarabiliriz:

• Sarı oyuncaklar için, kızlar el yapımı oyuncaklarla oynamaktan daha çok hayali oyuncaklarla oynamışlardır; erkek çocuklar her iki tür oyuncakla da benzer bir süre oynadılar.
• Mavi oyuncaklar için, cinsiyetlerden hiçbiri her iki tür oyuncak için de bir tercih göstermedi.

Şekil 15.21, cinsiyet düzeylerini karşılaştıran basit etkilerin sonuçlarını sunmaktadır. Bu nedenle, el yapımı oyuncaklarla oynamak için harcanan zaman için kadınları erkeklerle karşılaştırıyoruz ve taklit oyuncaklarla oynamak için harcanan zaman için kadınları erkeklerle karşılaştırıyoruz; Şekil 15.3’e göre, her çizim için, uygulamalı iki veri noktasının önemli ölçüde farklılık gösterip göstermediğini belirliyoruz ve taklitteki iki veri noktasının önemli ölçüde farklı olup olmadığını belirliyoruz.

Sonuçlarımız, sarı taklit oyuncaklar için kadın-erkek karşılaştırması dışında, veri noktası çiftlerinin çoğunun farklı olduğunu göstermektedir. Şekil 15.3’teki karşılaştırmaları tek tek incelediğimizde şu özeti çıkarabiliriz:

• Sarı oyuncaklar için, erkekler kızlara göre daha çok el yapımı oyuncaklarla oynamışlardır; kızların ve erkeklerin hayali oyuncaklarla oynayarak geçirdikleri süre arasında hiçbir fark yoktu.
• Mavi oyuncaklar için, erkekler kızlara göre hem uygulamalı hem de taklit oyuncaklarla daha fazla zaman geçirdiler.

The post Box 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).

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).