İstatistiksel olarak anlamlı bir ortalama farkla, etkinin büyüklüğünü değerlendirmek uygundur. Böyle bir belirleme yapmak için birbiriyle ilişkili ve birbirini dışlamayan iki yol vardır:

• Etki Gücü. Bu yaklaşım oldukça geneldir ve genel doğrusal modele dayalı çoğu prosedür için geçerlidir (örneğin, t testleri, ANOVA, en küçük kareler regresyonu); indeksi, eta kare olarak bilinen kare korelasyon katsayısıdır.
• Efekt Boyutu. Bu yaklaşım, iki koşul arasındaki ortalama farkı standart sapma birimlerine dönüştürür; indeksi Cohen’in d istatistiğidir.

Etki Gücü

Etki gücü eta kare ile endekslenir ve bağımsız değişken tarafından açıklanan bağımlı değişkenin varyans miktarını temsil eder; sıradan en küçük kareler regresyonunda R2’ye benzer. Herhangi bir bağlamın yokluğunda, etkinin gücünü yorumlamak için Cohen tarafından önerilen genel kılavuz, eta kare değerlerinin sırasıyla .01, .06 ve .14 olarak küçük, orta ve büyük olarak kabul edilebileceğidir. İki gruplu t testi için eta kare aşağıdaki gibi hesaplanabilir.

Mevcut örnekte, t = -3.446, t2 = 11.875 ve serbestlik derecesi = 23; eta kare böylece .043 olarak hesaplanır. Bu nedenle, kadınların üstün performansının orta düzeyde bir etkiyi temsil ettiğini düşüneceğiz (bu farklılığın önemini çerçeveleyecek bir bağlam olmaksızın); yani, sınava girenlerin cinsiyeti, geçmiş sınav puanlarındaki varyansın yaklaşık %4’ünü açıkladı.

Efekt Boyutu

Etki boyutu, Jacob Cohen (1988) tarafından oldukça güçlü bir şekilde tanımlanan bir kavramdır ve d ile sembolize edilir. Standart sapma birimlerinde aralarındaki mesafeyi belirleyerek iki aracın ayrılmasını yorumlamak için bir kriter sağlar. Cohen’s d, ortalama farkın grupların (ağırlıklı) ortalama standart sapmasına bölünmesiyle hesaplanır. Örneğin, .50’lik bir d değeri, bize ortalamaların yarım standart sapma uzaklıkta olduğunu bildirir. Herhangi bir bağlamın yokluğunda, .20, .50 ve .80 etki büyüklükleri sırasıyla küçük, orta ve büyük olarak kabul edilir.

Mevcut örnekte, standart sapmaların ağırlıklı ortalaması şu şekilde hesaplanır: ((5.484 * 12) + (5.911 * 13)/25 = 5.706. -7.878 ortalama farkıyla Cohen’s d = -7.878/5.706 = -1.38. Böylece, erkekler kadınlardan yaklaşık bir ve üçüncü standart sapma birimi daha düşük puan aldı; genel olarak, bir standart sapmayı aşan bir ortalama fark, nispeten büyük bir etki büyüklüğü olarak kabul edilecektir.

T tablo değeri hesaplama
T değeri hesaplayıcı
İstatistik etki büyüklüğü nedir
T testi tablosu
ANOVA tablosu
Bağımsız örneklem t testi
Kritik t değeri hesaplama
T testi tablosu nasıl okunur

SAYISAL ÖRNEK

Mevcut örnek, erkek (1 olarak kodlanmış cinsiyet) ve kadın (2 olarak kodlanmış) ilkokul öğrencilerinin bilime yönelik yetenek (bilim_ yetenek) testindeki performansı ile ilgilidir. Erkekler ve kadınlar arasında güvenilir (istatistiksel olarak farklı) test puanı farklılıkları olup olmadığıyla ilgileniyoruz. Veriler adlı dosyada bulunabilir, bilim yeteneği ve veri dosyasının bir bölümünün ekran görüntüsü görülebilir.

ANALİZ KURULUMU: Varyans Varsayımının homojenliğini İhlal Etmek

Science aptitude adlı IBM SPSS dosyasını açın ve ana menüden Analyze ➔ Compare Means ➔ Independent-Samples T Test öğesini seçin. Bu, gösterilen Bağımsız-Örnekler T Testi iletişim penceresini üretir. Science_aptitude değişkenini, analizde bağımlı değişken olarak hizmet etmesi için Test Değişken(ler)i paneline taşıdık.

Cinsiyeti, bağımsız değişkenimizi temsil etmesi için Gruplama Değişkeni paneline taşırız ve iki grup kodunu 1 ve 2 sağladığımız Grupları Tanımla düğmesine tıklarız. Devam’ı tıklamak bizi ana Bağımsız-Örnekler T Testi iletişim penceresine geri getirir. Seçenekler iletişim penceresindeki herhangi bir varsayılanı değiştirmek istemediğimizden, analizi oluşturmak için Tamam’a tıklıyoruz.

ANALİZ ÇIKTI: VARYANS VARSAYININ HOMOJENLİĞİNİN İHLAL EDİLMESİ

Analizin çıktısı sunulur. Grup İstatistikleri tablosu bize yetenek değerlendirmesinde erkeklerin ve kadınların sırasıyla ortalama 510.77 ve 584.29 olduğunu gösteriyor. Bağımsız Örnekler Testi tablosu, Levene varyans eşitliği testinin sonuçlarını sağlar. Mevcut örnekte, 11.024’ün F’si .004’lük bir meydana gelme olasılığı (Sig.) vermiştir. Bu durumda, F oranı istatistiksel olarak anlamlıydı, bu da eşit varyans varsayımının ihlal edildiğini gösteriyordu.

Levene test sonuçlarının sağ tarafında tablo iki satıra ayrılmaktadır ve burada kullandığımız veri seti için eşit varyans varsayımı karşılanmadığından ikinci satırdaki çıktıyı inceliyoruz (Eşit varyanslar varsayılmamış).

-73.516 Ortalama Farkı, Grup 2’nin (584.29) ortalamasının Grup 1’in (510.77) ve Std’nin ortalamasından çıkarılmasıyla hesaplanır. Hata Farkı (33.778), t oranının paydasıdır. Farkın %95 Güven Aralığı, ortalama farka odaklanır ve Std. Hata Farkı.

Varsayılan olmayan Eşit varyanslar için temsil edilen t testi, Welch–Satterthwaite t testidir. −2.176’nın t istatistiği, 6.856’lık bir ayarlanmış serbestlik derecesi değerine dayalı olarak istatistiksel olarak anlamlı değildir (p = .067). Standart t testini kullansaydık (Eşit varyanslar varsayılırdı), -2.800 olan t değerimiz 18 serbestlik derecesine dayalı olacaktı ve .012 beklenen bir gerçekleşme olasılığı ile .05’lik bir alfa seviyesine ulaşacaktı. Standart t testini sonucumuz olarak alsaydık, muhtemelen bir Tip I hata yapmış olurduk (grup ortalamaları gerçekten farklı olmadığında bir fark olduğunu iddia etmek).

Eşleştirilmiş Örnekler t Testi

Eşleştirilmiş örnekler t testi, bir Pearson korelasyonunda veya basit regresyon tasarımında sıralanan verileri analiz etmenin biraz farklı bir yoludur. Her durum, farklı değişkenleri veya zaman içinde iki farklı noktada ölçülen aynı değişkeni temsil edebilen iki puanla ilişkilendirilir. İki ölçümün ortalamaları arasındaki farklarla ilgilendiğimizde t testini kullanırız. Böyle bir yaklaşım, her bir durum için iki ölçüm bağlantılı veya eşleştirilmiş olduğundan, eşleştirilmiş örnekler t testi kullanır.

Muhtemelen eşleştirilmiş örneklem tasarımının daha yaygın uygulaması, iki zaman periyodu arasında bağımlı değişkende meydana gelmiş olabilecek herhangi bir anlamlı değişikliği değerlendirmek için öntest-sontest tasarımıdır. Bu, tekrarlanan ölçümler veya denek içi tasarım olarak bilinir ve tek yönlü denekler içi ANOVA, bu tasarımın daha genel prosedürüdür. Eşleştirilmiş örnekler t testi, ölçümler arasındaki Pearson korelasyonunu açıkça kullanır.

SAYISAL ÖRNEK

Mevcut örneğimiz, 6 aylık ruh sağlığı tedavisinin ardından danışanların ruh sağlığındaki değişikliğin derecesini incelemektedir. Bağımlı değişken, Bölüm 44’te açıklanan GAF üzerindeki performanstır. İstemciler, girişte (ön test GAF_time1 olarak adlandırılır) ve tekrar 6 ay sonra (sontest GAF_time2 olarak adlandırılır) değerlendirildi. İlgilenilen soru, iki zaman periyodu arasında istatistiksel olarak anlamlı bir değişiklik olup olmadığıdır. Veriler GAF time1 time2 dosyasında bulunabilir. Veri dosyasının bir kısmı sunulmuştur ve görülebileceği gibi, veri yapısı bir korelasyon tasarımınınkiyle aynıdır.

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