Bu örnekte, altı psikoloji alt disiplini için veriler üzerinde metrik olmayan çok boyutlu bir ölçekleme analizi yapıyoruz. Bu çalışmanın amacı, psikolojinin alt disiplinlerinin birbirleriyle nasıl ilişki kurduğunu betimlemektir. Veriler, her bir değerin bir çift alt disiplin arasındaki mesafeyi temsil ettiği bir farklılık matrisi biçimindedir (düşük değerler alt disiplinlerin birbirine daha çok benzediğini gösterir). Bu verilere erişmek için Psychology.sav veri setini açın.

İçindeki veriler bir yakınlık matrisi biçimindedir (özellikle, daha büyük değerlerin daha büyük mesafeleri gösterdiği benzerlikler) ve tek bir grup söz konusudur. Örneğin, psikometri ve sosyal psikolojinin birbirinden çok farklı olduğunu görebiliriz (çünkü en büyük uzaklık değerine sahiptirler, 4.20), buna karşın bilişsel ve nöropsikoloji en çok benzerdir.

Bu bölümde kullanacağımız veri seti çok boyutlu ölçekleme için özel olarak toplanmış olsa da verilerinizi yakınlık matrisi şeklinde almanıza gerek olmadığını belirtmek isterim. Aslında, Likert tipi derecelendirme ölçekleri (anket araştırmalarında en yaygın olarak kullanılan yanıt ölçekleri) veya herhangi bir veri türü üzerinde çok boyutlu ölçeklendirme yapmak çok kolaydır. Örneğin, dondurma tercihlerine ilişkin verileri göstermektedir. Burada katılımcılardan farklı dondurma aromalarını sevdiklerini (1 değeri) veya beğenmediklerini (0 değeri) belirtmeleri istendi.

Bu veriler daha sonra çok boyutlu ölçekleme prosedüründe kullanılır ve dahili olarak çok boyutlu ölçeklendirme, bu istatistiksel rutini çalıştırmak için bir yakınlık matrisi oluşturur.

Bu bölümün açılış paragrafında “analistlerin verilerini biraz daha derine inmek için zaman ayırması halinde bu tekniğin pek çok şekilde uygulanabileceğini” belirtmemin nedeni budur. Esasen MDS, her tür veriyi alır ve verileri dahili olarak MDS’nin analizler için kullandığı bir yakınlık matrisine dönüştürür.

Çok Boyutlu Ölçeklendirme İletişim Seçenekleri

Artık elimizde veriler olduğuna göre, çok boyutlu ölçekleme gerçekleştirmek için Analiz menüsünü seçin ve ardından seçenekleri görüntülemek için Ölçekle’yi seçin. Çok boyutlu ölçekleme yapmak için iki seçenek vardır: SPSS İstatistik Tabanı sisteminin bir parçası olan ALSCAL ve SPSS Kategoriler modülünün bir parçası olan PROXSCAL. Her ikisi de çok çeşitli çok boyutlu ölçekleme seçeneklerini destekler; ancak, PROXSCAL bazı ek gelişmiş özelliklere sahiptir. Bizim durumumuzda analizi çalıştırmak için her iki prosedürü de kullanabiliriz; ek seçenekler sunduğu için PROXSCAL kullanacağız.

Çok boyutlu ölçekleme prosedürü içinde, veri kaynağının yakınlıklar mı yoksa gerçek veri değerleri mi içerdiğini belirtmemiz gerekir. Yakınlıklarınız varsa, yakınlıkların biçimi belirtilmelidir. Veri kaynağı yakınlıklar içermiyorsa, verilerden hesaplanacaktır. Kaynak Sayısı bölümü, bireysel farklılıklar mı yoksa çoklu grup analizi mi (Çoklu matris kaynakları) mı yoksa tek grup analizi mi (Tek matris kaynağı) oluşturacağımızla ilgilidir.

Not: Çok boyutlu ölçekleme, grup ve bireysel farklılıklara izin veren modelleri de içerir. Bireysel farklılıklar veya ağırlıklı çok boyutlu ölçekleme (INDSCAL), genellikle adlandırıldığı gibi, kaynakların (veya bireylerin) bir konfigürasyonu tanımlamak veya inşa etmek için kullandıkları özelliklere ve/veya bir sistem içindeki her bir boyuta verdikleri öneme göre farklılık gösterdiğini varsayar. verilen konfigürasyon. Bu önemli ayrımın yanı sıra, ağırlıklı MDS, ağırlıksız MDS ile benzer şekilde çalışır.

Nominal ölçek örnekleri
Nominal ölçek Nedir
Oransal ölçek örnekleri
Likert tipi ölçek
Eşit aralıklı ölçek türüne örnek
Ordinal ölçek örnekleri
Oransal ölçek nedir
Sürekli ölçek nedir

Bir yakınlık matrisi, veri sütunları (bizim durumumuz) boyunca bir matris biçiminde veya satır ve sütun tanımlayıcılarıyla satır başına bir veri öğesi olarak okunabilir. Bizim durumumuzda veriler yakınlıktır, yani:

1. Gösterilen Veri Biçimi grubundaki Veriler yakınlıktır seçenek düğmesine tıklayın.
2. Tanımla düğmesini tıklayın. Bu, gösterilen iletişim kutusunu açacaktır.
3. Gösterildiği gibi, altı psikoloji alt disiplinini Yakınlıklar liste kutusuna yerleştirin. Tek bir kaynak (grup) analizi çalıştırdığımız için Kaynaklar liste kutusu etkin değil.
Ağırlıklar her yakınlık değişkenine atanabilir (burada bir nesneyi temsil eder), ancak analizimizde gerekli değildir.
4. Değişkenleri klinikten sosyale Yakınlıklar liste kutusuna taşıyın.
5. Çok Boyutlu Ölçekleme: Model iletişim kutusunu açmak için sağdaki düğme grubunun üst kısmındaki Model’e tıklayın.

Tek bir veri kaynağı ile çalıştığımız için bireysel fark (grup) modelinin türüne ait seçenekler aktif değildir. Ayrıca yakınlık matrisinin formunu da belirtmemiz gerekiyor ve gördüğümüz gibi, alt üçgensel bir matrisimiz var (varsayılan olan).

6. Yakınlık Dönüşümleri alanındaki Sıra düğmesini tıklayın.
Sıralı (metrik olmayan) bir ölçeklendirme modeli talep ettik. Daha genel spline ile birlikte metrik ölçekleme seçeneklerinin (Oran, Aralık) mevcut olduğuna dikkat edin.
7. Minimum Boyutlar metin kutusuna 1 girin.
8. Maksimum Boyutlar metin kutusuna 3 girin.
Varsayılan olarak, iki boyutlu çok boyutlu bir ölçekleme çözümü uygun olacaktır. 1’den 3’e kadar boyut içeren çözümler talep ediyoruz ve modeller arasından seçim yapmak için uygun ölçüleri inceleyeceğiz.
9. Gösterilen iletişim kutusuna dönmek için Devam’ı tıklayın. Kısıtlamalar düğmesine tıklamak, Kısıtlamalar iletişim kutusunu açar; Seçenekler düğmesine tıklandığında Seçenekler iletişim kutusu açılır.

■ Kısıtlamalar iletişim kutusu, çözüm alanına kısıtlamalar girmenize olanak tanır (nesne noktalarını sabitleyerek veya çözüm alanının belirtilen değişkenlerin doğrusal bir birleşimi olmasını gerektirerek – bu seçenekleri mevcut örneğimizde kullanmayacağız).

Önceki iki iletişim kutusundaki hiçbir özelliği kullanmayacağız. Ana Çok Boyutlu Ölçekleme iletişim kutusuna dönmek için Devam veya İptal’e tıklayın.

10. Çok Boyutlu Ölçekleme: (Sütunlar Arasında Matrislerdeki Yakınlıklar) iletişim kutusundaki Grafikler’e tıklayın.

Grafikler iletişim kutusu, kullanıcıların çözümlerinin yeterliliğini belirlemesine olanak tanıyan çeşitli türlerde grafikler oluşturur. Varsayılan olarak, ortak alan (çözüm alanına yerleştirilen nesneler) çizilecektir. Gerilim seçeneği, boyutların sayısına karşı bir gerilim değerleri grafiği (biraz sonra tanımlanır) üretecektir. Bu seçim sadece bir dizi boyutsal çözüm istendiğinde (mevcut durumumuzda olduğu gibi) aktif olacaktır.

Orijinal ve dönüştürülmüş yakınlıklar grafiği seçimi, orijinal yakınlıkları ve dönüştürülmüş (burada sıralı bir işlevle, çünkü Model iletişim kutusunda sıralıyı seçtik) yakınlıkların grafiğini çizecektir. Bu grafik, dönüşümün doğası ve etkinliği (model sıralı olduğunda) hakkında fikir verir.

Dönüştürülmüş yakınlıklar ve mesafeler grafiği, modelin yakınlıkları ne kadar iyi yeniden ürettiğine ve istisnaları tanımladığına dair görsel bir fikir sağlar. Birden çok veri kaynağı (bireyler veya gruplar) analiz edildiğinde, yalnızca belirtilen veri kaynakları için bazı grafikleri (tek grafikler ve yakınlık grafikleri) görüntülemeyi seçebilirsiniz.

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

Anketlerin uygun şekilde oluşturulması için tüm kuralları sunmak bu ders kitabının kapsamını aşacaktır. Anket tasarımı hakkında daha fazla bilgi için okuyucunun diğer kaynaklara başvurması önerilir. Sonuç olarak, aşağıda belirli bir nicel değerlendirme yöntemi seçme kriterlerine odaklanıyoruz.

Bir örnekle başlayalım. Küçük bir kasabada küçük bir bakkal dükkanınız olduğunu hayal edin. Birkaç müşteri, tereyağı ve margarin seçiminizi genişletmenizi istedi. Görüntüleme ve depolama için sınırlı alanınız olduğundan, bu talebin tüm müşterilerinizin tercihlerini temsil edip etmediğini bilmek istersiniz. Böylece kısa anketi kullanarak bir anket yapmak için bir grup öğrenciyi işe alırsınız.

Bir hafta içinde öğrenciler 850 müşteriden anket topladılar. Her bireysel anket, belirli ilgili özelliklere sahip istatistiksel bir birimdir. Bu ankette ilgili özellikler cinsiyet, yaş, vücut ağırlığı, tercih edilen ekmek yayılımı ve seçim derecesidir. Ona Bay Smith diyeceğimiz bir müşteri, erkek, 67 yaşında, 74 kg, margarin ve adil karakter özelliklerine sahip. Her anket, tasarımcının önce istatistiksel birimi (kime sorulacak?), ilgili özellikleri veya değişkenleri (ne sorulacak?) ve özellik değerlerini (hangi cevaplar verilebilir?) tanımlamasını gerektirir.

Değişkenler, kesikli veya sürekli değişkenler olarak sınıflandırılabilir. Kesikli değişkenler yalnızca belirli sayıları alabilir – normalde tam sayılar olası değerler olarak. Ardışık iki sonuç arasında genellikle boşluklar vardır. Ailenin boyutu (1, 2, 3, …) ayrık değişkene bir örnektir. Sürekli değişkenler, bir sayı aralığında herhangi bir değer alabilir. Bu aralıktaki tüm sayılar mümkündür.

Örnekler, ağırlık veya boy gibi değişkenlerdir. Genel olarak konuşursak, istatistiksel birimler anketin konularıdır (veya nesneleridir). Belirli özellikler için değerleri açısından farklılık gösterirler. Gösterilen cinsiyet, seçim derecesi ve yaş özellikleri, nicel analizdeki üç ölçüm seviyesini temsil eder: sırasıyla nominal ölçek, sıralı ölçek ve ana ölçek.

En düşük ölçüm seviyesi nominal ölçektir. Bu ölçüm düzeyiyle, her olası özelliğe bir sayı atanır (örneğin, erkek için xi 1⁄4 1 veya kadın için xi 1⁄4 2). Nominal bir değişkene bazen nitel değişken veya nitelik de denir. Değerler, her bir istatistiksel birimi belirli bir gruba (ör. erkek yanıtlayanlar grubu) başka bir gruptan (ör. kadın yanıtlayanlar) ayırt etmek için atamaya yarar.

Her istatistiksel birim yalnızca bir gruba atanabilir ve aynı özellik statüsüne sahip tüm istatistiksel birimler aynı numarayı alır. Rakamlar sadece bir grubu ifade ettiğinden, daha büyük/daha küçük, daha az/daha fazla veya daha iyi/daha kötü gibi nitelikleri ifade etmezler. Yalnızca bir gruba üyeliği veya üye olmamayı belirtirler (xi1⁄4xj’ye karşı xi61⁄4xj). Cinsiyet özelliği söz konusu olduğunda, erkek için 1, kadın için 2’den daha iyi veya daha kötü değildir; veriler yalnızca erkek ve kadın katılımcılara göre bölümlere ayrılmıştır. Rütbe, meslek (örn. 11⁄4kasap; 21⁄4baker; 31⁄4baca temizleme), milliyet, sınıf yılı vb. dahil olmak üzere diğer nominal özelliklerde de rol oynamaz.

Bu bizi bir sonraki en yüksek ölçüm düzeyine, sıra ölçeğine götürür. Bu ölçüm düzeyiyle, sayılar bireysel değer özelliklerine de atanır, ancak burada bir sıralamayı ifade ederler. Tipik örnekler, örnek anketteki özellik seçimi derecelendirmesinde olduğu gibi 1’den x’e kadar olan ölçeklere dayalı yanıtlardır.

Aralıklı ölçek Nedir
Araştırma Yöntemleri ölçek türleri
Bilimsel araştırma ölçekleri
Oransal ölçek nedir
Sürekli ölçek nedir
Nominal ölçek Nedir
Nominal ölçek örnekleri
Ordinal ölçüm Nedir

Bu ölçüm düzeyi, araştırmacıların, diğer istatistiksel birimlerle karşılaştırıldığında bir istatistiksel birim için bir özellik değerinin yoğunluğunu belirlemesine olanak tanır. Bayan Peters ve Bayan Miller, seçim derecelendirmesi altındaki üçüncü kutuyu işaretlerse, her ikisinin de mağaza seçimiyle ilgili aynı algıya sahip olduğunu varsayabiliriz.

Nominal ölçekte olduğu gibi, aynı değerlere sahip istatistiksel birimler aynı sayıyı alır. Bay Martin dördüncü kutuyu işaretlerse, bu hem algısının Bayan Peters ve Bayan Miller’ınkinden farklı olduğu hem de seçimin onlardan daha iyi olduğunu düşündüğü anlamına gelir. Sıralı bir ölçekle, özellikler sıralanabilir, bu da daha büyük/daha küçük, daha az/daha fazla ve daha iyi/daha kötü (xi1⁄4xj; xi>xj; xi<xj) gibi niteliklere yol açar.

Üçüncü ve dördüncü kutular arasındaki mesafenin ne kadar büyük olduğunu söyleyemeyiz. Birinci ve ikinci kutular arasındaki mesafenin diğer komşu kutular arasındaki mesafe kadar büyük olduğunu bile varsayamayız. Sıralı bir ölçeğin günlük bir örneğini düşünün: atletik yarışmalardaki sıralamalar.

Her bir yer arasındaki fark, performansta orantılı bir fark göstermesi zorunlu değildir. Bir yüzme müsabakasında birinci ve ikincilik arasındaki zaman saniyenin binde biri olabilir, üçüncülük iki saniye sonra gelir, ancak her biri yalnızca bir sıra ayırır.

En yüksek ölçüm düzeyi metrik veya kardinal ölçektir. Yalnızca sıralı ölçeklerin bilgilerini (daha büyük/daha küçük, daha az/daha fazla, daha iyi/daha kötü (xi1⁄4xj; xi>xj; xi<xj)) değil, aynı zamanda iki istatistiksel birim tarafından tutulan değer özellikleri arasındaki mesafeyi de içerir. Yaş bir örnektir. 20 yaşındaki biri sadece 18 yaşından büyük değildir; 20 yaşındaki bir kişi, 18 yaşındaki birinden tam olarak 2 yaş büyüktür. Dahası, 20 yaşında ile 30 yaşında arasındaki mesafe, 80 yaşında ile 90 yaşında arasındaki mesafe kadar büyüktür. Kardinal ölçekteki dereceler her zaman eşit uzaklıktadır. Yaşa ek olarak, temel ölçekler için tipik örnekler para birimi, ağırlık, uzunluk ve hızdır.

Kardinal ölçekler sıklıkla mutlak ölçekler,3 oran ölçekleri,4 ve aralık ölçekleri olarak ayrılır. Bu ayrımlar akademik olma eğilimindedir ve hangi istatistiksel yöntemin uygulanacağına karar vermede nadiren çok rol oynar. Ancak bu, kardinal ve sıralı ölçek değişkenleri arasındaki ayrım için söylenemez. Sıralı yöntemlerle ilgili olarak ana ölçekler için analiz yöntemlerinin çok daha fazla çeşitliliği nedeniyle, araştırmacılar genellikle sıralı değişkenleri doğası gereği kardinal olarak görme eğilimindedir.

Örneğin, araştırmacılar, anket örneğimizde derecelendirme seçimi için kullanılan beş puanlık ölçekteki derecelendirmelerin aynı olduğunu varsayabilirler. Bu tür varsayımlara ampirik çalışmalarda sıklıkla rastlarız. Daha ciddi araştırmacılar, geçerken eşit mesafenin varsayıldığını not eder veya böyle bir eşit mesafe için gerekçe sunar.

Schmidt ve Opp, sıralı ölçekli değişkenlerin temel ölçekli değişkenler olarak ele alınabileceğine göre bir genel kural önerdiler: sıra ölçeğinin dörtten fazla olası sonucu olmalı ve anketin 100’den fazla gözlemi olmalıdır. Yine de, iki sıralı ölçek ortalaması arasındaki 0,5’lik bir farkı yorumlamak zordur ve ampirik araştırmacılar arasında birçok baş ağrısının kaynağıdır.

Bu bölümde açıklandığı gibi, hangi istatistiksel yöntemin uygulanacağını belirlediği için bir değişkenin ölçeği çok önemlidir. Meslek gibi nominal bir değişken için üç destekçi, beş kasap ve iki baca temizleyicisinin ortalama değerini belirlemek imkansızdır. Kitabın ilerleyen bölümlerinde, hangi istatistiksel yöntemin, hangi ölçüm düzeyi veya ölçüm kombinasyonları ile uyumlu olduğunu tartışacağım.

Veri analizine başlamadan önce, toplanan veriler kağıttan bir bilgisayar tarafından okunabilen ve işlenebilen bir forma aktarılmalıdır. Öğrenciler tarafından toplanan 850 anketi örnek olarak kullanmaya devam edeceğiz.

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

Bir orantıyla ilgili hipotezleri test etme adımları, bu bölümün önceki bölümünde gösterilen bir ortalamayla ilgili hipotezleri test etmeye benzer. Boş ve alternatif hipotezler, bir olasılık (p) ve varsayımsal bir değer olan p0 cinsinden ifade edilir. Hipotez, test istatistiği hesaplanarak test edilir.

SPSS’deki Binom prosedürünü kullanarak bir orantı hakkındaki hipotezleri test edebiliriz. “fire.sav” veri dosyasını kullanarak, beyaz başvuru sahiplerinin oranının yaklaşık %74 olan ulusal nüfus oranından daha az olduğu hipotezini test edelim. Hipotezler H0: p .74 ve H1: p < .74 şeklindedir.

Veri dosyasını açtıktan sonra:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Parametrik Olmayan Testler’e tıklayın.
3. Binom Testi iletişim kutusunu açmak için açılır menüden Binom’a tıklayın.
4. Üzerine tıklayın ve sağ ok düğmesini kullanarak “yarış” değişkenini Test Değişken Listesi kutusuna taşıyın.
5. Test Oranı kutusuna .74 yazın. .74, p0’ı temsil eder.
6. Prosedürü çalıştırmak için Tamam’a tıklayın.

Çıktı listesi Şekil 10.6’da gösterilmektedir. Test Oranı, Adım 5’te girdiğiniz p0’dır. Obs. Prop., veri dosyasındaki (örnekte 17) 1 değerine sahip durumların oranıdır. (SPSS’nin her zaman daha fazla vaka sayısına sahip değişkenin değerini kullanarak oranı hesapladığını unutmayın. Bu nedenle, uygun test oranını girmeye dikkat etmelisiniz.)

Yaklaşımdan standart normal dağılıma karşılık gelen P değeri P = .086’dır. Dipnotların bunun tek uçlu bir P değeri olduğunu gösterdiğine dikkat edin. .05’lik bir seviye kullanıyor olsaydık, beyaz başvuranların oranının .50’den büyük veya ona eşit olduğu sıfır hipotezini kabul ederdik.

EŞLİ ÖLÇÜMLER

İstatistikte ortaya çıkan iki ana eşleştirilmiş ölçüm türü vardır. Bunlardan biri, diyetten önce ve sonra vücut ağırlığı veya bir hazırlık sınıfından önce ve sonra bir üniversiteye giriş sınavında alınan puanlar gibi, bir gözlem biriminde iki kez iki ölçüm yapılmasını içerir.

Eşleştirilmiş örnekler, benzer özelliklere sahip ancak farklı deneysel koşullara atanmış bireyleri seçmek için de kullanılır. Bir farklar popülasyonunun ortalaması (genellikle fark puanları olarak anılır) hakkındaki hipotezleri ve ikili ölçümlerden elde edilen oranların eşitliği hakkındaki hipotezleri test etmek için SPSS’nin nasıl kullanılacağını göstereceğiz.

Bir Farklılık Popülasyonunun Ortalaması Hakkında Hipotezleri Test Etme

SPSS, fark puanları popülasyonunun ortalamasının 0’a eşit olup olmadığını test eder. Bunu “reading.sav” veri dosyası ile gösteriyoruz. Bu dosya, ikinci sınıf öncesi ve sonrasında uygulanan aynı testten elde edilen 30 öğrencinin okuma puanlarını içermektedir. İkinci sınıf boyunca okuma becerisinin ortalama olarak artıp artmadığını belirlemek istiyoruz. .05’lik bir seviye seçtiğimizi varsayalım.

Bağımlı grup nedir
Ordinal ölçek nedir
Nominal ölçek nedir
Sürekli ölçek nedir
Bağımlı örneklem nedir
Aralık ölçüm düzeyi
Bilimsel araştırma ölçekleri
İnterval ölçek Nedir

Veri dosyasını açtıktan sonra:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Ortalamaları Karşılaştır’a tıklayın.
3. Açılır menüden Eşleştirilmiş Örnekler T Testi’ne tıklayın. Bu, Eşleştirilmiş Örnekler T Testi iletişim kutusunu açar.
4. “önce” değişkenine tıklayın. Geçerli Seçimler kutusunda Değişken 1 olarak görünecektir.
5. “after” değişkenine tıklayın. Mevcut Seçimler kutusunda Değişken 2 olarak görünecektir.
6. Sağ ok düğmesine tıklayarak eşleştirilmiş değişkenleri Eşleştirilmiş Değişkenler kutusuna taşıyın.
7. Prosedürü çalıştırmak için Tamam’a tıklayın.

Bu prosedürün çıktısını gösterir. Üst kısım, ikinci sınıftan önceki ve sonraki okuma puanlarının ortalamalarını, standart sapmalarını ve standart hatalarını listeler. Puanlar ortalama olarak 1.52’den 2.03’e yükseldi.

Orta kısım, ön test ve son test arasındaki örnek korelasyon katsayısını (.573) ve korelasyonun anlamlılık testini (P < .001) içerir. Bu, bu örnekte yürüttüğümüz hipotez testinin bir bileşeni değildir.

Çıktının en alt kısmı, ortalama farkın 0’a eşit olduğu hipotezinin testiyle ilgili bilgileri içerir. Ortalama fark, – .5100, 1.5233 – 2.0333’e eşittir. Tablo ayrıca standart sapmayı ve farkın standart hatasını da gösterir.

İki kuyruklu P değeri .0005’ten küçüktür (ve SPSS’de .000’e yuvarlanır). Ancak, okuma puanlarının artacağını tahmin ederek başladığımız için tek yönlü bir test yapıyoruz. Bu nedenle, P/2 değerini karşılaştırmalı ve numune son test ortalamasının numune ön test ortalamasından daha yüksek olduğunu doğrulamalıyız.

Bu durumda seçilen anlamlılık düzeyimizden küçük olan P/2 < .00025, .05. Ayrıca, ikinci sınıftan sonraki ortalama puan, ikinci sınıf öncesine göre daha yüksektir. Sonuç olarak, sıfır hipotezini reddediyoruz ve 2. sınıfta okuma becerilerinin arttığı sonucuna varıyoruz.

Eşit Oranlar Hipotezini Test Etme

Ayrıca, tek bir örnekten elde edilen iki oranın eşitliğini test ederek, ikili değişkenler için zaman içindeki değişiklikleri inceleyebilirsiniz. Bazı ders kitapları buna bir “devir tablosu” olarak atıfta bulunur ve SPSS bunu bağıntılı oranlar için McNemar testi olarak etiketler. SPSS kullanılarak, prosedür bir ki-kare test istatistiği üretir.

Bunu “war.sav” dosyası kullanarak göstereceğiz. Bu dosya, savaş olasılığına ilişkin tutumlardaki değişiklikleri inceleyen bir çalışmanın verilerini içerir. 1948 yılının Haziran ve Ekim aylarında, deneklerden önümüzdeki on yıl içinde bir savaş bekleyip beklemediklerini belirtmeleri istendi. “war.sav” veri dosyası, 2 “Savaş Bekliyor” ve 1 “Savaş Beklemiyor”u temsil edecek şekilde kodlanmıştır. Bunu .05 anlamlılık düzeyinde test edelim.

Eşit oranlar hipotezini test etmek için veri dosyasını açın ve:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Parametrik Olmayan Testler’e tıklayın.
3. Açılır menüden 2 İlgili Örnek’e tıklayın. Bu, İki İlişkili Örnek Testleri iletişim kutusunu açar.
4. “June” değişken adına tıklayın. Mevcut Seçimler kutusunda Değişken 1 olarak görünecektir.
5. “Ekim” değişken adına tıklayın. Mevcut Seçimler kutusunda Değişken 2 olarak görünecektir.
6. Sağ ok düğmesine tıklayarak eşleştirilmiş değişkenleri Test Çifti/Çiftleri Listesi kutusuna taşıyın.
7. Test Tipi kutusunda, Wilcoxon kutusunun işaretini kaldırın ve McNemar kutusunu tıklayın.
8. Tamam’a tıklayın.

Çıkış, verileri iki yönlü frekans tablosunda görüntüler. Haziran ayında sorgulandığında savaş olmayacağını düşünen 45 kişinin Ekim seçimleri için fikir değiştirdiğini görüyoruz. Benzer şekilde, Haziran’da savaş olacağını düşünen ama Ekim’de buna inanmayan 147 kişi vardı. Liste ayrıca ki-kare test istatistiğini (53.130) ve karşılık gelen P değerini (P < .0005) bildirir.

Bu nedenle, .0005’ten daha büyük herhangi bir düzeyde eşit orantıların sıfır hipotezini reddederiz. McNemar testinin iki kuyruklu bir test olduğunu unutmayın. Tek kuyruklu bir test yapmak için, P/2 ile karşılaştırın ve örnek oranlarının alternatif hipotez tarafından belirtilen yönde olup olmadığını kontrol edin.

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