Veri analizinin ilk aşamasında, değişkenleri ve anket özelliklerini tek tek veya tek değişkenli olarak nasıl inceleyeceğimizi öğrendik. Bu bölümde, iki değişkenli analizler olarak bilinen yöntemleri kullanarak iki değişken arasındaki ilişkiyi nasıl değerlendireceğimizi öğreneceğiz. İstatistiklerin teorik olduğu kadar pratik olarak da ilginçleşmeye başladığı yer burasıdır. Bunun nedeni, tek değişkenli analizin gerçek hayatta nadiren tatmin edici olmasıdır. İnsanlar bir ilişkinin gücü gibi şeyleri bilmek isterler.

• Reklam maliyetleri ile ürün satışları arasında,
• Faiz oranı ile hisse fiyatları arasında,
• Ücretler ve çalışan memnuniyeti arasında veya
• Belirli vergi beyannamesi soruları ve vergi dolandırıcılığı arasında.

Bunun gibi sorular çok önemlidir, ancak bunları yanıtlamak şu ana kadar kullandığımızdan çok daha karmaşık yöntemler gerektirir. Tek değişkenli analizde olduğu gibi, iki değişkenli analiz yöntemleri, gözlenen özelliklerin veya değişkenlerin ölçeğine bağlıdır. Ölçek kombinasyonlarını, izin verilen iki değişkenli ilişki ölçümlerini ve göründükleri bölümleri özetlemektedir.

İki Nominal Değişken Arasındaki İlişki

İhtimal tabloları

İki nominal olarak ölçeklendirilmiş değişkenin ilişkisini temsil etmenin yaygın bir biçimi, beklenmedik durum tablosu veya çapraz tablodur. İki değişkenli olasılık tablosu, tek değişkenli sıklık tablosunu bir adım daha ileri götürür: değer çiftlerinin sıklığını kaydeder.

Uygun ilişki ölçüsü, ölçeklerin kesiştiği noktada kutuda belirtilmiştir. Örneğin, bir değişken nominal ve ikili ve diğeri sıralı olarak ölçeklenmişse, bu durumda ilişki iki seri sıra korelasyonu veya Cramer’s V ile ölçülebilir. Her iki değişken de sıralıysa, o zaman Spearman’s rho veya Kendall’s tau kullanılabilir.

Tablonun sağ ve alt kenarları marjinal frekansları gösterir. Tablonun sağ kenarındaki değerler, 850 katılımcının 441’inin (%51,9) erkek ve 409’unun (%48,1) kadın olduğunu göstermektedir. Cinsiyet değişkeni için tek değişkenli bir sıklık tablosu hesaplamış olsaydık bu bilgiyi de elde edebilirdik. Aynı durum, beklenmedik durum tablosunun alt kenarındaki değişken seçim derecesinin frekansları için de geçerlidir.

850 katılımcıdan 391’i (%46,0) seçimi zayıf, 266’sı (%31,3) orta vb. buluyor. Acil durum tablosunun içinde ek bilgiler buluyoruz. Örneğin, 198 katılımcı (%23.3) erkekti ve seçimi yetersiz buldu.

Mutlak frekansların ve toplam katılımcı sayısına göre ifade edilen frekansların yanı sıra koşullu göreli frekansları da belirleyebiliriz. Örneğin, seçimi zayıf olarak değerlendiren katılımcı grubundaki kadınların göreceli sıklığı ne kadar büyük? İlk önce, zayıf olarak işaretleyen yanıtlayanların alt grubuna bakın. Bu 391 kişiden 193’ü kadın, yani cevap %49.4 olmalıdır. Bu koşullu bağıl frekansların resmi temsili aşağıdaki gibidir.

Sınırlama koşulu, söz konusu değerin arkasındaki dikey çizgiden sonra görünür. “Kadın katılımcıların yüzde kaçı seçimi iyi olarak değerlendirdi?” kadın katılımcıları 409 ile sınırlayacaktır. Bu, aşağıdaki koşullu sıklık ile sonuçlanır.

f(x 1⁄4 1| y 1⁄4 0) formülü, yalnızca y 1⁄4 0 değerine sahip gözlemler dikkate alındığında, x değişkeni için 1 değerinin göreli frekansını tanımlar.

Alt boyutlu ölçek örnekleri
Ölçek geliştirme aşamaları pdf
Ölçeğin alt boyutları nedir
SPSS ölçek alt boyutları
Geçerlik güvenirlik çalışması nasıl yapılır
Ölçek geliştirme araştırma modeli
Ölçek maddesi nasıl yazılır
Ölçek GELİŞTİRME Kuram ve Uygulamalar pdf

Ki-Kare Hesaplamaları

Olasılık tablosu, iki nominal veya sıralı değişken arasındaki ilişkinin gücü hakkında bize bazı başlangıç ​​göstergeleri verir. Acil durum tablolarını düşünün. İki iş anketinin sonuçlarını gösterirler. Her ankette n 1⁄4 22 katılımcı vardır. Alttaki çapraz tablo, 10 erkek katılımcıdan hiçbirinin ve 12 kadın katılımcının tamamının satın alma yapmadığını göstermektedir.

Buradan, tüm kadınların bir satın alma yaptığı ve tüm erkeklerin yapmadığı ve tüm alıcıların kadın ve tüm alıcı olmayanların erkek olduğu sonucuna varabiliriz. Bir değişkenin (cinsiyet) değerinden ikincisinin (satın alma) değerini çıkarabiliriz. Buna karşın, üstteki beklenmedik durum tablosu bu sonuca izin vermemektedir. Erkek katılımcıların %50’si alıcı ve %50’si alıcı değildir. Aynı durum kadın cevaplayıcılar için de geçerlidir.

Bu tablolar ilişkilendirmenin uç noktalarını ifade etmektedir: üst tabloda cinsiyet ve satın alma değişkenleri arasında bir ilişki yoktur, alt tabloda ise bunlar arasında mükemmel bir ilişki bulunmaktadır. Çağrışım gücünün uç noktaları, yalnızca tabloların yakından incelenmesiyle fark edilebilir. Ancak, ilişkileri daha az aşırı olan beklenmedik durum tabloları nasıl karşılaştırılabilir? Örneğin, ikinci olasılık tablosuna kıyasla beklenmedik durum tablosundaki ilişki ne kadar zayıftır.

Tablolar daha karmaşık hale geldikçe, ilişki tahminleri de öyle. Bir beklenmedik durum tablosunda ne kadar çok sütun ve satır varsa, ilişkileri tanımak ve tablolar arasındaki ilişki güçlerini karşılaştırmak o kadar zor olur. Çözüm, 0’dan (ilişki yok) 1’e (mükemmel ilişkilendirme) kadar bir ölçekte ilişkilendirmeyi ifade eden bir parametre hesaplamaktır.

Bu parametreyi hesaplamak için, öncelikle her hücre için beklenen frekansları (beklenen sayımlar olarak da bilinir) belirlememiz gerekir. Bunlar, değişkenler arasında bir ilişki olmadığı varsayıldığında elde edilecek mutlak değerlerdir. Başka bir deyişle, istatistiksel bağımsızlık varsayımı altında beklenen mutlak frekanslar hesaplanır.

Değişkenler (cinsiyet ve satın alma) arasında ilişki yoksa, kadınların %50’si ve erkeklerin %50’si satın alma yapmak zorundadır. Buna göre, bağımsızlık altında kadın alımlarının beklenen göreli sıklığı olacaktır.

Her satır veya sütundaki beklenen sayıların toplamı, satır veya sütunun mutlak frekanslarına eşit olmalıdır. Buradaki fikir, istatistiksel bir ilişkinin farklı marjinal frekanslarla değil, sütunlar veya satırlar boyunca marjinal frekansların toplamlarının farklı dağılımlarıyla gösterildiğidir.

Beklenen niej sayılarını gerçek mutlak frekanslar nij ile karşılaştırarak ve bunların farkını (nij niej) göz önünde bulundurarak, gerçek verilerin istatistiksel bağımsızlıktan sapmasına dair bir ilk izlenim elde ederiz. Fark ne kadar büyük olursa, değişkenler istatistiksel olarak o kadar fazla bağımlı olma eğilimindedir.

Tek tek satırların sapmalarını toplamak için cazip gelebilir. Pozitif ve negatif farklar birbirini yok ettiği için tablolarda sonuç her zaman 0’dır. Bu, her acil durum tablosunda olur. Bu nedenle, her hücredeki farkı kareye almalı ve sonra bunu beklenen sayıya bölmeliyiz. Yukarıdaki tablonun 1. bölümündeki kadın alıcılar için aşağıdaki değere sahibiz.

Ki-kare, seçilen değişken kodundan bağımsız, pozitif ve negatif sapmaların birbirini iptal etmediği bir değerdir. Ki-kare 0 değerine sahipse, beklenen sayılardan bağımsız olarak bir fark yoktur. Bu nedenle gözlenen değişkenler birbirinden bağımsızdır. Örneğimizde bu, cinsiyetin satın alma davranışı üzerinde hiçbir etkisi olmadığı anlamına gelir.

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