Sol panelden Model Fit seçilerek ulaşılan model uyum indeksleri gösterilir. Açıklandığı gibi, sunulan indekslerin bir alt kümesine odaklanıyoruz:

• CMINindex(ki-kare ile değerlendirilen minimum tutarsızlık) 2.094’lük istatistiksel olarak önemsiz bir değerdir ve modelin verilere uyduğunu gösterir. Bu sonucu Model için Notlar ekranında zaten görmüştük.
• GFI 0,996’dır ve mükemmel uyumu gösterir
• NFI .991’dir ve mükemmel bir uyumu gösterir (hedef .95’i aşmaktır).
• CFI .995’tir ve mükemmel uyumu gösterir (hedef .95’i aşmaktır).
• RMSEA .067’dir ve oldukça iyi bir uyuma işaret etmektedir (çok iyi bir uyuma işaret eden .06 ölçütünü aştık, ancak yeterli bir uyuma işaret eden .08’in altında bir değer elde etmeyi başardık).

Çıktı panelinde Tahminler’i seçmek, ekranı, ilk ekran görüntüsü gösterilen bir dizi tabloya değiştirir. En üstteki tablo, standartlaştırılmamış regresyon katsayılarını (Regresyon Ağırlıkları olarak etiketlenir), katsayılarla ilişkili standart hatayı (S.E.) ve kritik oranı (C.R.) sunar. CR, standart hataya bölünen katsayıdır ve 0,05 alfa düzeyine dayalı istatistiksel anlamlılığı gösteren 1,96 veya daha yüksek mutlak değerlerle bir z istatistiği olarak çalışır.

Her katsayı istatistiksel anlamlılık için test edilir (P etiketli sütun altında rapor edilir). Üçlü yıldız (***) p<.001 olasılık seviyesini temsil eder. Dört regresyon katsayısından üçü istatistiksel anlamlılığa ulaştı (p<.001); istisna, yaştan yaşam kalitesine giden ve istatistiksel anlamlılığa doğru bir eğilim (p = .071) sağlayan, ancak .05’lik bir alfa seviyesinin gerisinde kalan yoldu.

Maksimum olabilirlik tahminiyle üretilen bu standartlaştırılmamış regresyon katsayılarının, kısmen çok büyük örneklem büyüklüğümüze dayalı modelin kararlılığı sayesinde, sıradan en küçük kareler çoklu regresyon prosedürüyle üretilenlerle aynı değerlere ulaştığını belirtmekte fayda var. 

Şekil 42.26’nın orta tablosu standartlaştırılmış regresyon katsayılarını göstermektedir. Standartlaştırılmamış katsayıların eşleşmesi göz önüne alındığında, bunların da çoklu regresyon analizleriyle elde edilen değerlerle eşleşmesi şaşırtıcı değildir. Aşağıdaki tablo yaş ve SES arasındaki kovaryansı göstermektedir. Kovaryans, korelasyonu ifade etmenin farklı bir yoludur; ±1.00 arasında değerler (genellikle raporlama korelasyonlarında gördüğümüz) üretmek için standart hale getirilmek yerine, hesaplamadaki orijinal ölçüm birimlerine dayanır.

Tahminler ekranının sonraki bölümünü sunar. En üstteki tablo, yaş ile SES arasındaki ilişkiyi gösterir ve kovaryansın standartlaştırılmış forma çevirisidir. −.29 korelasyonu, çoklu regresyon analizinde elde ettiğimiz şeydir. Öngörücü değişkenlerin varyansları ortadaki tabloda, iyimserlik ve yaşam kalitesi için R2 (Kare Çoklu Korelasyonlar) değerleri ise aşağıdaki tabloda gösterilmiştir.

Yaşam kalitesi için 0,337 olan R2 değeri, çoklu regresyon analizinden elde edilenle tam olarak eşleşir; iyimserlik için .356 olan R2 değeri, çoklu regresyon analizinden elde ettiğimiz değere yakındır, ancak tam olarak aynı değildir.

Dolaylı etkiler için hesaplamaların sonuçlarını gösterir. Alttaki tablo standartlaştırılmış sonuçları sunar; İyimserlik yoluyla SES için .227 ve iyimserlik yoluyla yaş için −.161 değerleri, çoklu regresyon analizlerinden (elle) hesaplanan değerlere eşdeğerdir.

Spss Nedir
Spss Modeler Nedir
SPSS Modeler Eğitimi
SPSS Kullanma Kılavuzu
IBM SPSS
SPSS Clementine indir
SPSS Kullanma Kılavuzu pdf indir
SPSS Kullanma Kılavuzu SPSS ile Adım Adım Veri Analizi

SEM analizine dayanan önemli sonuç, çoklu regresyon analizi serisinden elde edilenden değişmedi, ancak modelin verilere mükemmel bir şekilde uyduğunu bize bildiren uygun ölçümler elde edebildik. Böyle bir sonuç, istatistiksel anlamlılığın .05 düzeyine ulaşmayan, yaşam kalitesini öngören varsayımsal nedensel yaş yolunun olası bir istisnası dışında, araştırmacılar tarafından varsayımda bulunulan değişkenlerin yapısını güçlü bir şekilde desteklemektedir.

Aynı değerlerle uğraştığımız ve dolayısıyla aynı sonuçları alacağımız için burada hesaplamaları tekrar etmeyecek olsak da, model sonuçlarını açıklamamızda bu noktada aşağıdaki işlemlere girmek uygun olacaktır:

• Dolaylı etkilerin istatistiksel önemini değerlendirmek için Aroian testlerini yapmak isteriz.
• Yalnızca yaşa göre yaşam kalitesini öngören bir model oluşturarak aracılık olasılığını incelemek isteriz.
• Yaşın yaşam kalitesini öngördüğünü belirledikten sonra, aracısız modelde ve aracılı modellerde yaştan yaşam kalitesine giden yolların göreli güçlerini karşılaştırmak için Freedman–Schatzkin testini yapmak isteriz.

Geriye kalan konu, yaş ile yaşam kalitesi arasındaki önemsiz yolun nasıl ele alınacağıdır. Teorik olarak savunulabilir olduğuna inandıkları takdirde araştırmacılara açık olan bir seçenek, yaş ile yaşam kalitesi arasındaki yolu kaldırmayı düşünmektir. Çoklu regresyon yaklaşımında, araştırmacıların, istatistiksel olarak anlamlı bir sonuç elde etmedeki başarısızlığından daha fazla bilgiye dayanmayan yolu kaldırma konusunda bir karar vermesi gerekecekti.

SEM bağlamında, araştırmacıların kendilerine açık olan ek bir araştırma yolu daha vardır: yaş ve yaşam kalitesi arasındaki yolu dışlayarak, bu yolun atlanmasıyla model uyumunun ne kadar değiştiğini belirlemek için yeni bir analiz gerçekleştirebilirler. Burada o seçeneği seçiyoruz.

 DEĞİŞTİRİLMİŞ MODEL ÇIKTI

Ekran görüntülerini göstermeden çıktı panelinin üst kısmındaki View the output path diagram simgesinin hemen solundaki simgeyi seçerek yol çizimine döndük, Erase işlevini etkinleştirip tıklayarak age ile kalite_yaşam arasındaki yolu kaldırdık. yolda ve orijinalin kurulumunu yansıtan yeni bir analiz gerçekleştirdi. Değiştirilmiş modelin sonuçları (keşif analizi olarak ele alınmalıdır) aşağıda kısaca özetlenmiştir.

Uygunluk ile ilgili Model Uyum ekranları sunulur. Modifiye edilmiş 5.343 modeli için ki-kare değerinin, istatistiksel olarak hala anlamlı olmamasına rağmen (p = .069), orijinal analizde elde edilen 2.094 değerinden büyük olması ilginçtir. Bu modelin ilk modelden istatistiksel olarak daha zayıf bir uyumu temsil edip etmediğini belirlemek için bir ki-kare fark testi yapılabilir. Ki-kare fark testi yapmak için, daha büyük ki-kare değerinden küçük ki-kare değerini çıkarmamız yeterlidir. Bu ki-kare farkı, iki model arasındaki serbestlik dereceleri farkına eşit serbestlik dereceleri ile değerlendirilir.

Bu örnekte, ki-kare farkı 3.249’dur (5.343−2.094=3.249). Orijinal ve değiştirilmiş modeller için serbestlik dereceleri sırasıyla 1 ve 2 idi ve bize bir serbestlik derecesi farkı verdi. Ek A’daki ki-kare kritik değerler tablosuna dayanarak, bir serbestlik derecesi için .05 alfa düzeyinde istatistiksel olarak anlamlı olması için 3.841’lik bir ki-kare değeri gerekir (alfa düzeyini karşılamak için 2.706 değeri gerekir). 

Bu nedenle, değiştirilmiş modelimizin, .05 alfa düzeyine dayalı orijinal modelden istatistiksel olarak daha kötü bir uyumu temsil etmediği görülmektedir. Bununla birlikte, bu kırpılmış model için elde edilen ki-kare değeri, orijinal model için elde ettiğimizden biraz daha zayıf bir uyum önermektedir.

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