Dört gizli değişkeni ve bunların göstergelerini çizmek istediğimiz için, yapısal modeli tam olarak tarif edilen şekilde çizmeye başlıyoruz. Kısaca, istatistik başarı veri dosyasını açıyoruz, ana menüden Analiz ➔ IBM SPSS Amos’u seçiyoruz, ana menüden Görünüm ➔ Arayüz özellikleri’ni seçiyoruz, yatay yönlendirmeye geçmek için Kağıt Boyutu altında Yatay-Yasal’ı seçiyoruz ve simgeyi ( kareler ve daha fazla daire içeren daire) simge araç çubuğu menüsünden bir gizli değişken çizin veya bir gizli değişkene bir gösterge ekleyin. Faktörleri ve bunların gösterge değişkenlerini gösterildiği gibi iki sıralı iki sütunlu bir dizide yapılandırın.

Ekranımızda, ikinci sıradaki çizimler ilk sıradaki çizimlere müdahale ediyor, ancak olmasalar bile (daha büyük bir monitörde), ikinci sıradaki gösterge değişkenlerinin yukarı değil aşağı bakacak şekilde (estetik nedenlerle) olmasını isteriz. Bunu gerçekleştirmek için imleci ikinci sıradaki ovallerden birinin içine yerleştirin ve sağ tıklayın. Açılır menüden Döndür’ü seçin.

İmleç artık döndürme kelimesini içeriyor. İki kez tıklayın. Bu, gösterge değişkenlerinin yönünü değiştirir. Döndür işlevi hala yürürlükteyken, gösterilen sonucu elde etmek için işlemi bir sonraki gizli değişken için tekrarlayın. İmleci boş bir alana yerleştirin ve Döndür işlevini sonlandırmak için sağ tıklayın.

Yapısal modelin ayrıntılarının çizilmesi, açıklanan prosedürlerin aynısını kullanır. Gösterildiği gibi simge araç çubuğundan Yolları çiz’i (tek başlı ok) seçin. Bu araç etkinleştirildiğinde, yapının bunu yansıtması için modeldeki yolların her birini çizin.

Daha sonra, iki dışsal gizli değişken arasındaki korelasyonu (kovaryans) çizeriz. Simge araç çubuğundan, gösterildiği gibi Beraber varyansları (çift başlı ok) seçin. Bu işlev etkinleştirildiğinde, imleci sol alt gizli değişkenin sol sınırına yerleştirin ve gösterildiği gibi üst gizli değişkene tıklayıp sürükleyin.

Her içsel değişkenin bir hata terimi ile ilişkilendirilmesi gerekir. Simge araç çubuğundan, gösterildiği gibi Varolan bir değişkene benzersiz bir değişken ekle seçeneğini seçiyoruz. Bu araç etkinleştirildiğinde, imleci ikinci sütundaki gizli değişkenlerden birinin içine yerleştirin ve üç kez tıklayın (benzersiz değişkeni oluşturmak için bir kez ve yoldan çıkarmak için iki kez daha tıklayın). Aynısını diğer içsel gizli değişken için yapmak, gösterilen konfigürasyonu üretir.

Bir sonraki görevimiz, ölçülen her değişkeni veri dosyasındaki uygun değişkenle ilişkilendirmektir. Ana menüden, View ➔ Variables in Dataset’i seçin. Bu, Veri Kümesindeki Değişkenler penceresini açar. Her bir değişkeni sırayla seçin ve uygun şekle sürükleyin, böylece tüm gözlenen değişkenler düzgün olarak adlandırılır. Bittiğinde, Veri Kümesindeki Değişkenler penceresini kapatın.

Faktörleri her birinin içine çift tıklayarak isimlendiriyoruz. Bu, Nesne Özellikleri penceresini etkinleştirir. Her ismi sırayla yazdıktan sonra gösterilen sonucu elde ederiz.

Benzersiz değişkenlerin isimlendirilmesi, modelin çizilmesindeki son adımdır. Ana menüden Eklentiler ➔ Gözlenmeyen Değişkenleri Adlandır seçilerek yapılır. Bu komut seçildiğinde, benzersiz değişkenlere gösterildiği gibi e1 ila e10 arasında ardışık sayılar verilecektir.

Yol analizi nedir
Path Analizi nedir
Path modeli nedir
Yapısal Eşitlik Modeli
Amos nedir
AMOS Programı
AMOS ile Yapısal Eşitlik MODELLEMESİ
Amos SPSS

YAPISAL MODELİN DEĞERLENDİRİLMESİ: ANALİZ KURULUMU

Ana menüden Görünüm ➔ Analiz Özellikleri’ni seçerek, gösterildiği gibi Analiz Özellikleri penceresini açıyoruz. Çıktı sekmesini seçin ve Standartlaştırılmış tahminler, Kare çoklu korelasyonlar, Modifikasyon endeksleri ve Dolaylı, doğrudan ve toplam etkileri kontrol edin. Analizi yürütmek için ana menüden Analiz Et ➔ Tahminleri Hesapla ve Gerektiğinde Kaydet’i seçin.

IBM SPSS Amos’un analizi gerçekleştirebilmesi için modelin tanımlanmış olması gerekir. Kısaca, tahmin edilecek parametrelerden (ör., örtük değişkenlerin varyansları, örtük değişkenden gösterge değişkenlere örüntü/yapı katsayıları) ziyade daha fazla bilinen veya gereksiz unsurlar (ör., ölçülen değişkenlerin kovaryansları ve varyansları) olmalıdır. 

Bilinen eleman sayısından tahmin edilecek parametre sayısının çıkarılması, modelin serbestlik derecesini verir. Amaç, modelin aşırı tanımlanması, yani serbestlik derecesinin sıfırdan büyük olması gerekir (yani pozitif bir değere sahip olması).

Model gerektiği gibi tanımlanmazsa, IBM SPSS Amos, bir veya daha fazla ek yolun sınırlandırılmasını isteyecektir (böylece tahmin edilecek parametre sayısı azaltılacaktır). Araştırmacılar böyle bir mesaj alırlarsa, hangi yolu sınırlamak istediklerini belirlemeli, imleci bu yola yerleştirmeli, Nesne Özellikleri açılır penceresini oluşturmak için çift tıklamalı, Parametreler sekmesini seçmeli ve Regresyon ağırlığı panelinde değeri 1. Son olarak, iletişim açılır penceresini kapatın ve analizi yeniden yürütmeyi deneyin.

YAPISAL MODELİN DEĞERLENDİRİLMESİ: ANALİZ ÇIKTI

Analizin sonuçlarına erişmek için, gösterildiği gibi çizim alanının hemen solundaki üst çıktı panelindeki Çıktı yolu diyagramını görüntüle simgesini (sağdaki) seçin. Görüntülenen, Standartlaştırılmamış tahminlere sahip yol diyagramıdır.

Çıktıyı tablo şeklinde elde etmek için Görünüm ➔ Metin Çıktısı ana menüsünden seçim yapın. Bu eylem, Şekil 43.35’te gösterilen Model için Notlar ekranını açar. Model uyumu çıktısı ölçüm modelini ele aldığından, bu ekranda gösterilen ki-kare sonuçları doğrulayıcı faktör analizinde elde edilenlerle aynıdır. Diğer uygunluk indekslerini gösteriyoruz (doğrulayıcı faktör analizi sonuçlarımızı kopyalıyorlar; yapısal modelin ölçüm modelinin bütünlüğüne bağlı olduğunu açıklığa kavuşturmak için iki ayrı analiz gerçekleştirdik).

Sol panelde Tahminlerin seçilmesi standartlaştırılmamış regresyon katsayılarını (Regresyon Ağırlıkları olarak etiketlenir), katsayılarla ilişkili SE’yi (S.E.) ve gösterildiği gibi C.R.’yi sunar. Kritik oran, SE’ye bölünen katsayıdır ve 1,96 veya daha yüksek mutlak değerlerle bir z istatistiği olarak çalışır ve .05’lik bir alfa düzeyine dayalı istatistiksel anlamlılığı gösterir. Standartlaştırılmış regresyon katsayıları gösterilmektedir.

Her katsayı istatistiksel anlamlılık açısından test edilir. Üçlü yıldız (***) p < .001 olasılık seviyesini temsil eder. Hem standartlaştırılmamış hem de standartlaştırılmış tablolardaki daha düşük katsayılar, doğrulayıcı analizde elde ettiğimizi çoğaltır.

Mevcut analizde yeni olan, gizil değişkenleri birbiriyle ilişkilendiren üst katsayılar kümesidir. Uyum indeksleri, ki-kare hariç, iyi bir ölçüm modeli uyumu önerse de, hipotezlenen beş yoldan sadece ikisi, ikisi de kaygı içermeyen istatistiksel olarak anlamlı katsayılarla ilişkilendirildi.

• Etkinlikten bilime giden yol, standartlaştırılmamış .425 katsayı ve .276 standart katsayı (p = .001) verdi.
• Bilimden istatistiğe giden yol, standartlaştırılmamış .499 katsayı ve .317 standart katsayı verdi (p = .003).

Anksiyete ve etkililiğin iki dışsal gizli değişkeni arasındaki Kovaryans ve Korelasyonu sunar. İkisi −.371 ile ilişkilendirildi.

Tüm endojen değişkenler için Kare Çoklu Korelasyonları sunar. İlk iki satırda gösterilen iki gizli değişken, bilim ve istatistik, alaka düzeyidir. Model, bu iki değişkenin varyansının sırasıyla yaklaşık %7 ve %15’ini açıklayabilmektedir.

Standartlaştırılmış katsayılara dayalı dolaylı etkiler için hesaplamaların sonuçlarını gösterir. Yollar kümesinin istatistiksel önemi göz önüne alındığında, ilgili tek dolaylı yol, etkinlikten bilime ve istatistiğe giden yoldur.

Bu değerin elle hesaplanması (iki yol katsayısının çarpılması) .276 * .317 veya .087 (el hesaplayıcımızda) verir. .088’in daha kesin değeri tabloda etkinlik ve istatistik koordinatlarında bulunur (ikinci satırdaki ilk giriş).

Modifikasyon Endeksleri gösterilir. Modele yapılan bu eklemelerin hiçbiri teorik olarak doğrulanabilir görünmüyor ve bu nedenle onlar üzerinde hareket etmeyeceğiz.

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

Aroian testinin denklemi, hesaplamaların bir özeti ile birlikte sunulmaktadır. Sobel değerlendirmelerini içeren üç testin tümü benzer şekilde hesaplanır ve yalnızca denklemin paydasındaki karekök ifadesinin sonundaki (SEd2 * SEe2) ifadesinin nasıl ele alındığı konusunda farklılık gösterir:

• Aroian testi, ifadeyi paydadaki karekök işaretinin altındaki diğer terimlere ekler.
• Goodman testi, ifadeyi paydadaki karekök işaretinin altındaki diğer terimlerden çıkarır.
• Sobel testi paydada karekök işaretinin altındaki ifadeyi içermez.

Gösterilen denklemde, harfler, gösterilen yollarla ilişkili standartlaştırılmamış regresyon katsayılarını temsil eder ve standartlaştırılmamış regresyon ağırlıklarının SE değerleri, referans katsayısını gösteren alt simgelerle gösterilir.

Denklemin sonucu, 1,96 veya daha iyi bir değerle gösterilen alfa düzeyi 0,05 olan bir z değeridir. Burada bir el hesap makinesi ile yaklaşık olarak 5,79 değerinde bir değer elde ettik. Aynı yaklaşık değeri veren Kristopher J. Preacher’ın http://quantpsy.org/sobel/sobel.htm web sitesinde bulunan hesap makinesini kullanmak da mümkündür. 5.79 değeri, dolaylı yolun sıfırdan farklı olmadığı boş hipotezini reddetmek için yeterlidir; bunun yerine, beckdep’in olumsuzluk üzerindeki dolaylı etkisinin istatistiksel olarak anlamlı olduğu sonucuna varıyoruz.

İSTATİSTİKSEL ÖNEMİN TEST EDİLMESİ

Aracısız Modellerde Doğrudan Yollar Arasındaki Farkın İncelenmesi

Freedman-Schatzkin testi, aracısız modelde aracılı modelde bağımsız değişkenden sonuç değişkenine giden yolların göreli güçlerini karşılaştırır. Denklem, hesaplamaların bir özeti ile birlikte gösterilir; N − 2 serbestlik dereceli Student t dağılımına karşı test edilen bir t değeri üretir.

Burada bir el hesap makinesi ile yaklaşık 6,66 değerinde bir değer elde ettik. 419 serbestlik derecesiyle (N’miz 421’di), katsayıların önemli ölçüde farklı olmadığı sıfır hipotezini reddetmek yeterlidir (p < .001). Bu nedenle, aracılı yol katsayısının aracısız yol katsayısından önemli ölçüde düşük olduğu sonucuna varıyoruz, bu da kısmi bir aracılık etkisi elde ettiğimizi gösteriyor.

ARACILI ETKİNİN GÖRSEL GÜCÜNÜN BELİRLENMESİ

Şimdi, aracılık modelimizdeki yollarla ilişkili beta katsayılarını kullanarak aracılı etkinin göreli gücünü hesaplıyoruz. Bu, dolaylı etkinin gücünün doğrudan etkinin gücüne oranı olarak hesaplanır ve aşağıdaki gibi hesaplanır:

• Dolaylı etkinin gücü, aracılı modeldeki olumsuzluğu (d ve e yolları) dikkate almak ve dikkate almak için beckdep yolları ile ilişkili beta katsayılarının ürünüdür. Burada (−.539) * (−.312) veya .168’e eşittir.
• Yalıtılmış doğrudan etkinin gücü, aracısız modeldeki beta katsayısıdır (.515 değeriyle), burada beckdep, olumsuzluğun tek tahmincisidir. Ayrıca dolaylı etkinin toplamı ve aracılı modelde (f yolu) beckdep’in olumsuzluğu öngörmesi için beta katsayısı olarak da hesaplanabilir: .168 + .347 veya .515.
• Aracılı etkinin nispi gücü, dolaylı etkinin doğrudan etkiye bölünmesine eşittir. Burada .168/.515 veya .326’ya eşittir.

Bundan sonra, beckdep’in olumsuzluk üzerindeki etkisinin yaklaşık üçte birinin (%32.6) dikkate aracılığıyla aracılık edildiği sonucuna varabiliriz.

Yol analizi nedir
Yol analizi nasıl yorumlanır
Gözlenen değişkenlerle yol analizi
AMOS yol analizi
Path modeli nedir
Path diyagramı
Yol analizi Mimari
Path Analizi nedir

Çoklu Regresyon Kullanarak Yol Analizi

Çoklu regresyon analizinde, yalnızca tahmin edicilerin bağımlı değişken üzerindeki doğrudan etkilerini değerlendiririz. Bununla birlikte, değişkenler bir sonuç üzerinde doğrudan bir etkiye sahip olmanın yanı sıra veya bunun yerine dolaylı (aracılı) bir etkiye sahip olabilir ve çoğu zaman da böyledir. Dolaylı veya aracılı etkiler, değişkenleri bir yol yapısında yapılandırarak analiz edilebilir. BAçıklanan basit aracılık, yol analizinin en basit şeklidir. Bu bölümdeki tedaviyi biraz daha karmaşık bir örnekle genişletiyoruz.

Sewall Wright (1920), filogenetik modellerin incelenmesi bağlamında yol analizini tanıttı. Prosedür, 1960’larda sosyoloji alanında popülerlik kazandı, ancak o zamandan beri araştırma uygulamalarında istikrarlı bir şekilde kazandı. Bazen nedensel modelleme olarak da adlandırılan yol analizi, tipik olarak üçten fazla değişkeni içerir ve bu nedenle basit dolayımlamada gördüğümüzden daha fazla karşılıklı ilişkiyi kapsar.

Yol diyagramı, araştırmacıların, sonuç değişkeninin varyansını açıklamak için ölçülen değişkenleri teorik veya ampirik olarak anlamlı bir şekilde bir araya getirdiğini varsaydıkları modeli temsil eder. Bu nedenle, yol analizi, çoklu regresyonda (değişkenlerin istatistiksel olarak tahmini en üst düzeye çıkarmak için doğrusal veya “düz” bir konfigürasyonda ağırlıklandırıldığı) olduğu gibi keşfedici bir tarzdan ziyade araştırmacılar tarafından varsayılan yapıyı değerlendirmek için doğrulayıcı bir şekilde kullanılır. 

Değişkenler arasında daha fazla bağlantı olduğundan ve bazı değişkenler her iki rolü de üstlendiğinden (analizin farklı bölümlerinde), çoklu regresyonda kullanıldığı şekliyle “bağımsız değişken” ve “bağımlı değişken” terimleri daha az kesindir. Bu ikili rol olasılığı, diyagramı çizilen yol modeli dikkate alınarak gösterilmiştir.

Değişkenler, gözlemlenen veya ölçülen değişkenler olduklarını belirtmek için dikdörtgenlerle temsil edilir (daireler veya ovallerle temsil edilen gizli değişkenlerin aksine). Oklar, nedensel veya açıklayıcı akışı göstermek için kullanılır ve yollar olarak adlandırılır.

Yaş ve sosyoekonomik statüde (SES) iyimserliğin aracı değişkenini öngördüğü varsayılır ve yaşla birlikte iyimserliğin yaşam kalitesini öngördüğü öne sürülür. Dolayısıyla iyimserlik, analizin bir bölümünde bağımlı değişken rolü üstlenirken (yaş ve SES ile yordanmaktadır), yaşam kalitesinin yordayıcılarından biri olduğunda, analizin başka bir bölümünde bağımsız değişken rolü üstlenmektedir. 

Yol analizi bağlamında değişkenlerin rollerini daha iyi karakterize etmek için kullanılan terimler şunlardır:

• Dışsal değişkenler, asla bağımlı değişkenler olarak hizmet etmeyen özel tahmin edicilerdir. Bu değişkenler, modelin açıklama yeteneğinin arkasındaki birincil veya birinci dereceden tahmin edicilerdir, çünkü modelde bunlara “neden olduğu” veya onları etkilediği varsayılan hiçbir değişken yoktur; yani, yol yapısı bağlamında dışsal değişkenleri açıklamak için hiçbir girişimde bulunulmaz. Yol diyagramında, nedensel oklar her zaman dışsal değişkenlerden kaynaklanır ancak hiçbir zaman onları işaret etmez. Çift oklu eğri bir çizgi, dışsal değişkenler arasındaki korelasyonu gösterir. Yaş ve SES, gösterilen modelde dışsal değişkenlerdir.

• İçsel değişkenler diğer değişkenler tarafından tahmin edilir (açıklanır). Açıklayıcı değişkenler ya dışsal değişkenler (örn., iyimserliğin içsel değişkeninin yaş ve SES gibi dışsal değişkenler tarafından açıklandığı varsayılır) ya da diğer içsel değişkenler (örn. iyimserliğin içsel değişkeniyle kısmen açıklanmaktadır).

Yol diyagramında oklar her zaman içsel değişkenleri gösterecektir; okların içsel değişkenlerden çıkması da mümkündür. İyimserlik ve yaşam kalitesi içsel değişkenlerdir. Her içsel değişken, ayrı bir regresyon analizinde bağımlı değişken olarak hizmet edecektir.

•Sonuç değişkeni, modelin tahmin etmek için varsayıldığı şeyin nihai odak noktasıdır. Her zaman içsel bir değişkendir.

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