Olağandışı veriler her zaman endişe nedeni değildir. Bazen olağandışı durumlar verilerde hatalar olabilir. Örneğin, bir okul öğretmeninin 1.000.000 $’lık kayıtlı maaşı, büyük olasılıkla veri girişi sırasında eklenen fazladan bir sıfırdan kaynaklanmaktadır. Bazen olağandışı durumlar aşırı puanlar olabilir; örneğin, geçen ay 5.000 hoparlör satın alan bir müşteri, burada genellikle aylık siparişler ayda 100 ila 1.000 hoparlör arasında değişir.

Bazen olağandışı durumlar ilginç durumlar olabilir; örneğin, bu hastalık için yaşam beklentisinin 30’ların ortalarında olduğu 52 yaşında kistik fibrozlu bir hastadır.

Ayrıca bazen olağandışı durumlar değerli olabilir. Örneğin, cep telefonlarını çok kullanan küçük bir müşteri grubu olabilir ve bu nedenle bu grup müşteriler olarak değerlidir, ancak tipik müşterilerin bulgularını bozmamaları için verilerini ayrı ayrı analiz etmek isteyebiliriz. Veya bazen olağandışı durumlar, örneğin sigorta dolandırıcılığını araştırırken olduğu gibi gerçek bir endişe nedeni olabilir.

Onlara ne derseniz deyin, aykırı değerler, olağandışı durumlar veya anormallikler istatistiksel teknikler için sorunlu olabilir. Tanım olarak aykırı değer, diğer veri değerlerinden farklı olarak bir veri değeridir. Birisi tek bir değişkende aykırı değer olabilir veya bir değişken kombinasyonunda aykırı olabilir. Aykırı değer tespiti, tek bir değişken üzerinde aykırı değerleri tespit etmek için bir dizi grafik veya frekans çalıştırmak kadar basit olabilir.

Aynı zamanda, iki veya belki üç değişkenin bir kombinasyonundaki aykırı değerleri belirlemek nispeten basittir – çoğu zaman bir dağılım grafiği gibi bir grafik bu durumları tespit edebilir. Bununla birlikte, birçok değişkenin bir kombinasyonu üzerinde olağandışı durumları tespit etmek, manuel olarak yapmak neredeyse imkansızdır ve düşük boyutlu hata tespiti bile zaman alıcı olabilir.

IBM SPSS Statistics, birçok değişkenin bir kombinasyonu üzerinde Olağandışı Durumları otomatik olarak Tanımlama becerisini içerir. Bu teknik, daha fazla analiz için aday olması gereken olağandışı vakaların hızlı tespiti için tasarlanmış bir keşif yöntemidir.

Bu prosedür, TwoStep kümeleme algoritmasını temel alır ve herhangi bir uygulamaya özel olmayan genel anomali tespiti için tasarlanmıştır. Temel fikir, küme analizinin benzer durumlardan oluşan gruplar oluşturmak için kullanılmasıdır.

Vakalar daha sonra grup normlarıyla karşılaştırılır ve vakalara bir anomali puanı verilir. Daha büyük anomali puanları, bir vakanın küme veya gruptan daha sapkın (anormal) olduğunu gösterir. Anormallik skorları veya indeks değerleri ikiden büyük olan vakalar, sapma ortalamanın en az iki katı olduğu için iyi anomali adayları olabilir. Ek olarak, bu teknik yalnızca hangi durumların en sıra dışı olduğunu belirlemekle kalmaz, aynı zamanda hangi değişkenlerin en sıra dışı olduğunu da belirler.

Durum çalışması Aşamaları
Durum çalışması örnekleri
Durum çalışması tez örnekleri
Durum çalışması Makale
Olağandışı durumlarda sağlık Hizmetleri ppt
Durum çalışması ve fenomenoloji farkı
Durum araştırması örnekleri
Olağanüstü durumlarda iletişim slayt

Olağandışı Vakaları Tanımla İletişim Kutusu

Bu örnekte Electronics.sav dosyasını kullanacağız. Electronics.sav dosyasının birkaç değişkeni vardır ve tüm değişkenlerin kombinasyonunda olağandışı durumları aramak için Olağandışı Durumları Tanımla prosedürünü kullanacağız:

1. Veri menüsünü seçin ve ardından gösterildiği gibi Olağandışı Durumları Tanımla’yı seçin. Olağandışı Durumları Tanımla: Değişkenler iletişim kutusu, analizde kullanılacak değişkenleri belirtmenize olanak tanır. Vaka Tanımlayıcı Değişken kutusuna isteğe bağlı olarak etiketleme çıktısında kullanmak üzere bir vaka tanımlama değişkeni yerleştirebilirsiniz ve Analiz Değişkenleri kutusuna en az bir değişken yerleştirmelisiniz. Tipik olarak, modellerinizde kullanacağınız tüm değişkenleri Analiz Değişkenleri kutusuna yerleştirirsiniz.
2. Değişken kimliğini Vaka Tanımlayıcı Değişken kutusuna yerleştirin.
3. Diğer tüm değişkenleri Analiz Değişkenleri kutusuna yerleştirin.
Bu prosedür hem sürekli hem de kategorik değişkenlerle çalışır ve tüm değişkenlerin bağımsız olduğunu varsayar. Her sürekli değişkenin normal bir dağılıma sahip olduğu varsayılır ve her kategorik değişkenin çok terimli bir dağılıma sahip olduğu varsayılır, ancak bu teknik hem bağımsızlık varsayımının hem de dağılım varsayımlarının ihlallerine karşı oldukça sağlamdır.

Not: Ölçüm seviyesi, bu prosedür için sonuçların hesaplanmasını etkiler, bu nedenle tüm değişkenlerin doğru tanımlanmış bir ölçüm seviyesine sahip olması gerekir.

4. Çıktılar sekmesine tıklayın.

■ Olağandışı durumlar listesi ve bunların olağandışı olarak değerlendirilmesinin nedenleri seçeneği, olağandışı durumları ve karşılık gelen akran gruplarıyla ilgili bilgileri gösteren üç tablo oluşturur. Olağandışı olarak tanımlanan durumlar için anormallik indeks değerleri de görüntülenir ve bir vakanın anormal olmasının nedeni (değişkeni) de görüntülenir.
■ Akran grubu normları seçeneği, sürekli ve kategorik değişkenler için akran grubu normları üretir.
■ Anormallik indeksleri seçeneği, olağandışı olarak tanımlanan durumlar için akran grubu normlarından sapmalara dayalı olarak anormallik indeksi puanları üretir.
■ Değişken analizine göre ortaya çıkma nedeni seçeneği, olağandışı olarak kabul edilen bir duruma en fazla katkıda bulunan değişkenler için değişken etki değerleri üretir.
■ İşlenen vakalar seçeneği, her bir eş grubu için sayılar ve yüzdeler üretir.

5. Gösterildiği gibi bu seçeneklerin tümünü seçin,böylece bunları tartışabiliriz.
6. Kaydet sekmesine tıklayın.

Olağandışı Durumları Tanımla: Kaydet iletişim kutusu, model değişkenlerini etkin veri kümesine kaydetmenize olanak tanır. Ayrıca, kaydedilecek değişkenlerle isimleri çakışan mevcut değişkenleri değiştirmeyi de seçebilirsiniz.

■ Anormallik dizini seçeneği, her biri için anomali dizin değerini kaydeder.
durum.
■ Eş grupları seçeneği, eş grup kimliğini, vaka sayısını ve boyutunu her vaka için değişkenlere yüzde olarak kaydeder.
■ Nedenler seçeneği, akıl yürütme değişkenleri kümelerini kaydeder. Bir dizi akıl yürütme değişkeni, neden olarak değişkenin adından, değişken etki ölçüsünden, kendi değerinden ve norm değerinden oluşur. Set sayısı, Seçenekler sekmesinde istenen nedenlerin sayısına bağlıdır.
■ Bu prosedür tekrarlanırken Mevcut değişkenleri değiştir onay kutusu kullanılır.
■ Model Dosyasını Dışa Aktar seçeneği, modeli XML biçiminde kaydetmenize olanak tanır.

Gösterildiği gibi, bunları tartışabilmemiz için tekrar tüm bu seçenekleri seçin.

7. Eksik Değerler sekmesine tıklayın.

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