Deney tasarımının tam olarak iki seviyeli yalnızca bir bağımsız değişkene sahip olduğu nadir durumda, istatistiksel olarak anlamlı bir F oranı bize iki koşulun ortalamalarının güvenilir bir şekilde farklı olduğunu bildirir. Bunun nedeni, analizde sadece iki grubun bulunmasıdır; bu nedenle, karşılaştırılmakta olan yalnızca bir çift araç vardır ve istatistiksel olarak anlamlı F oranı, bu tek ikili karşılaştırmaya aittir.

Analizde üç veya daha fazla grup olduğunda durum genellikle belirsizdir. Evet, istatistiksel olarak anlamlı bir F oranıyla, farklı olan bir çift ortalama olduğunu varsayabiliriz; Soru, birkaç alternatif olduğu için hangi çifttir.

Örneğin üç gruplu bir çalışmada, birinci ve ikinci gruplar farklı olabilir, birinci ve üçüncü gruplar farklı olabilir ve/veya ikinci ve üçüncü gruplar farklı olabilir. Bu koşullar altında, istatistiksel olarak anlamlı ortalama farklılıkların hangi araçlar arasında olduğunu belirlemek için daha fazla analiz yapmak gereklidir.

Böyle bir süreç, önemli ölçüde farklı olup olmadıklarını belirlemek için araç çiftlerini inceler. Çok amaçlı analizin “küresel”, “makroskopik”, “genel” veya “genel” bir analizi yansıttığını düşünün; o zaman ANOVA sonrası araç çiftlerine bakma prosedürü “daha ​​ince taneli, “mikroskobik” veya “basitleştirici” bir analiz seviyesi olarak düşünülebilir. Veri setini bir bütün olarak analiz etmek yerine, veri setinin ayrı kısımlarını analiz etmemiz anlamında basitleştiricidir.

Mevcut örnekte, beş grubumuz var. İstatistiksel olarak anlamlı bir F oranı elde ettik, ancak hangi ortalamaların birbirinden önemli ölçüde farklı olduğunu otomatik olarak bilmiyoruz. Bu nedenle, araç çiftlerini incelemek için veriler üzerinde ek bir basitleştirme prosedürü uygulamak gereklidir.

Burada sahip olduğumuz gibi tek bir bağımsız değişkenin etkisi durumunda bu basitleştirme prosedürü, genel olarak çoklu karşılaştırma prosedürü olarak bilinir. Ancak, bu tür çoklu karşılaştırmaları gerçekleştirmek için yeterince farklı yaklaşımlar vardır ki, SAT çalışma süresine ilişkin sayısal örneğimizi kullanarak Bölüm 7’nin tamamını bu konuya ayıracağız.

BU TASARIMDA İLGİ ETKİSİ

Tasarımda sadece bir bağımsız değişken varken, omnibus analizinde bizi ilgilendiren bağımsız değişkenle ilişkili F oranını ilgilendiren tek bir F oranı vardır. Özet tablosundan, F oranının .05’lik bir alfa düzeyine göre istatistiksel olarak anlamlı olduğunu görebiliriz.

Eta karesi büyük bir 853’tür ve tedavi değişkeninin verilerdeki toplam varyansın yaklaşık yüzde 85’ini oluşturduğunu gösterir. Bu oldukça göz alıcı bulgu, sayısal örneğimizden en iyi şekilde yararlanmak için varsayımsal çalışmamızdaki az sayıdaki puanları tasarlamanın sonucudur. Yapıyor olabileceğiniz normal deneysel araştırma sürecinde, η2 ≤ .10 değerleri o kadar da nadir değildir.

Serbestlik derecesi formül
Serbestlik derecesi Nedir
SPSS
SPSS tablo yorumlama örnekleri
SPSS APA tablosu
SPSS tablo YORUMLAMA
Serbestlik derecesi hesaplama online
Serbestlik derecesi kimya

OMNIBUS ANALİZİNİN EL İLE HESAPLANMASI

Çok amaçlı analizin bu genel bakışı yerindeyken, şimdi çeşitli kareler toplamlarının, serbestlik derecelerinin, ortalama karelerin ve F değerinin hesaplanmasında yer alan özel hesaplamaları inceleyebiliriz.

Birçoğunuz araştırmanızda topladığınız verileri rutin olarak analiz etmek için SPSS veya SAS gibi istatistiksel bir yazılım uygulaması kullanacaksınız ve bu programları nasıl çalıştıracağınızı bölümün sonunda göstereceğiz. Böyle bir uygulamayı çağırmak, verilerinizi analiz etmenin verimli ve kullanışlı bir yoludur, ancak gerçek aritmetik işlemlerden geçmek, bir ANOVA’nın hesaplanmasında nelerin dahil olduğunu netleştirebilir.

Bir ANOVA için hesaplama süreci, birkaç anahtar değerle sonuçlanır. Hesaplamalarla elde ettiğimizde bu değerlerin etrafına bir kutu yerleştireceğiz.

TERMİNOLOJİ VE NOTASYON

Bir lise son sınıf öğrencisi üzerinde aylarca süren eğitim-hazırlık süresinin müteakip SAT performansı üzerindeki etkileri üzerine önceki çalışmayı düşünün. Puanlar (bir bireyin SAT’nin Sözel ve Sayısal bölümlerinin ortalaması) bağımlı değişkeni oluşturur ve Tablo 6.1’de gösterildiği gibi düzenlenebilir.

Hazırlık süresi gibi tek bir bağımsız değişkenin genel terimlerle Faktör A olarak adlandırılabileceğini belirterek başlıyoruz. Araştırma tasarımında ek bağımsız değişkenler varsa (Bölüm 8-15’te göreceğimiz gibi), bunlara Faktör B, C ve benzerleri olarak değineceğiz (ancak bu çalışmada üçten fazla faktörlü tasarımları tartışmayacağız).

Bağımsız değişkenlerin iki veya daha fazla düzeyi veya sınıflandırma grubu olmalıdır. Mevcut örnekte, hazırlık süresinin beş seviyesi (sıfır, iki, dört, altı ve sekiz ay) küçük bir harf a ile ve beş tedavi koşulundan hangisinin dikkate alındığını belirtmek için bir alt sayı ile belirtilmiştir. Böylece, elimizde a1, a2, a3 vb. var ve bunlar sırasıyla “küçük ‘a’ bir”, “küçük ‘a’ iki” ve “küçük ‘a’ üç” vb. olarak okunur.

Bağımlı değişken – bağımlı ölçümdeki puanlar – Y harfi ile gösterilir. Daha önce Bölüm 3’te belirttiğimiz gibi, her vakanın veya katılımcının sıralı konumunu ve tedavi grubu veya seviyesini belirtmek için alt simgeli i ve j harflerini ekleriz, sırasıyla. Her tedavi koşulundaki bu puanlar (􏰉Yi1, 􏰉Yi2, 􏰉Yi3, 􏰉Yi4, 􏰉Yi5) veya daha basit bir şekilde (􏰉Y1, 􏰉Y2, 􏰉Y3, 􏰉Y4, 􏰉Y5) olarak toplanabilir. Bu toplamları büyük A harfi ve A1, A2, A3 ve benzerlerini veren sayısal bir alt simgeyle de daha basit bir şekilde temsil edebiliriz (“büyük ‘A’ bir”, “büyük ‘A’ iki”, “büyük” olarak okunur).

Bu toplamlar, tek bir tedavi koşulundaki tüm katılımcılar arasında toplu toplam puanı temsil eder. Bu beş toplamı toplayarak (A1 + A2 + A3 + A4 + A5) veya tüm katılımcıların puanlarını toplayarak (􏰉Yi j ) T ile temsil edilen genel toplamı elde ederiz.

Bireysel (Yij veya basitçe Y) puanlarını belirlemeye ek olarak, onları toplamak ve genel bir toplam oluşturmak için ayrıca bir
her tedavi grubu için kare puanların toplamı; bu, 􏰉Ya2j veya daha basit olarak􏰉Y2 ,􏰉Y2 ,􏰉Y2 ,􏰉Y2 , ve􏰉Y2 olarak adlandırılır. Bu yeni toplamlar a1 a2 a3 a4 a5 her tedavi için ayrı Y puanlarının karesi alınarak ve sonra toplanarak hesaplanır.

Kareli puanların toplamları daha sonra,􏰉Ya2j veya basitçe,􏰉Y2 olarak adlandırılan toplamkarelerskorların toplamını üretmek için bir araya getirilir. Belirli bir tedavi grubundaki gözlemlerin sayısını belirtmek için, küçük bir n harfi ve bir alt sayı (“küçük ‘n’ bir” veya “küçük ‘n’ iki” olarak okuyun) kullanılır. Toplam gözlem veya vaka sayısı büyük N ile gösterilir (“büyük N” olarak okuyun).

Eşit grup boyutlarına sahip denekler arası tek yönlü bir tasarım için, grup sayısı her grupta bulunan vaka sayısıyla çarpılarak N elde edilebilir; böylece N = (a)(n). Bu metindeki tüm ANOVA örneklerinde, hesaplama prosedürlerini ve formülleri olabildiğince açık tutmak için örneklem büyüklüğü (n), bağımsız değişken grupları arasında her zaman eşit olacaktır.

Daha önce belirttiğimiz gibi, tedavi grubu ortalamaları, tedavi toplamının A1’in n1’e ve A2’nin n2’ye ve benzerlerine bölünmesiyle hesaplanır ve bir abone numarasıyla Y olarak gösterilir (“Y çubuğunu okuyun”). Büyük bir ortalama YT (“YbarT” olarak okunur) ayrıca toplam puan sayısının çalışmadaki toplam gözlem sayısına bölünmesiyle de hesaplanabilir.

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