Tanımlayıcı İstatistikler ve örnek boyutları gösterilir. Çok büyük örneklem büyüklüğümüzün bize grup farklılıklarının analizi için normalden daha fazla istatistiksel güç sağladığını belirtmekte fayda var. Bu nedenle, istatistiksel olarak anlamlı olması için bir etkinin özellikle güçlü olması gerekmez.

Box testinin ve Bartlett testinin sonuçlarını gösterir. Box’ın Kovaryans Matrislerinin Eşitliği Testinden elde edilen sonuçlar, eşit bağımlı değişken kovaryans matrislerinin varsayımının açıkça karşılanmadığını göstermektedir (Box’s M = 154.479, p < .001).

Bununla birlikte, Box’s M istatistiği, örneklem boyutu büyük olduğunda oldukça fazla istatistiksel güce sahiptir ve bu nedenle sonuçlarımızı yine de değerlendireceğiz (Pillai’s Trace kullanarak), ancak dikkatli olacağız. Barlett’in Küresellik Testinin istatistiksel olarak anlamlı sonucu, korelasyonların analizimiz için yeterli olduğunu göstermektedir (yaklaşık ki-kare = 240.982, p < .001).

Dört çok değişkenli istatistiksel anlamlılık testinin sonuçlarını görüntüler; Pillai’s Trace (ve diğer çok değişkenli testler) üç çok değişkenli etkinin tümünü istatistiksel olarak anlamlı olarak verdi (p < .001). Wilks’ lambda, etki tarafından açıklanmayan çok değişkenli varyans miktarını temsil eder ve bu değerin 1.00’den çıkarılması, her çok değişkenli etkinin gücü hakkında bir fikir verir.

İş_döngüsü, kuruluş_yapısı ve iş_döngüsü*organizasyon_yapısı için çıkarma sırasıyla .614, .104 ve .078 verir. Business_cycle’ın güçlü etkisine rağmen, business_cycle’ın ana etkisi daha zengin bir bilgi düzeyinde hala belirgin olacağından, etkileşimi değerlendirmeye hala değer.

Levene’nin sunulan varyans homojenliği testi, üç bağımlı değişkenin tümü için istatistiksel olarak anlamlı sonuçlar verdi. Böylece, tek değişkenli etkileri değerlendirirken revize edilmiş alfa seviyemizin katılığını Bonferroni seviyesinin üzerine çıkaracağız.

Tam model çözümünü gösteren tek değişkenli ANOVA’lar için özet tablo görülebilir. Genel Doğrusal Model modülünü kullandığımız için, tam genel doğrusal modelin sonuçlarını elde ederiz. İndirgenmiş modelle ilgileniyoruz ve bu nedenle iş_döngüsü, kuruluş_yapısı, iş_döngüsü*organizasyon_yapısı, Hata ve Düzeltilmiş Toplam satırlarına odaklanıyoruz. Her bağımlı değişkene, özet tablosunun bu bölümlerinin her birinde, üç ayrı tek değişkenli ANOVA’nın sonuçlarını temsil eden kendi satırı verilir.

TANIMLAYICI istatistik PDF
Tanimlayici istatistik tablosu
TANIMLAYICI istatistik tablosu YORUMLAMA
TANIMLAYICI istatistik örnekleri
Tanımlayıcı istatistik konuları
Tanımlayıcı istatistik Soruları
SPSS TANIMLAYICI İstatistikler
Tanımlayıcı veri nedir

Nominal .05 alfa seviyemize Bonferroni düzeltmesini uygulamayı seçiyoruz. .05’i 3’e (bağımlı değişken sayısı) bölmek, düzeltilmiş alfa seviyemizi .017’ye getirir. Her üç bağımlı değişken de homojenlik varsayımını ihlal ettiğinden, alfa seviyesini daha da katı hale getirmeliyiz; bu örnekte .005’lik bir alfa seviyesi kullanacağız.

Sıkı .005 alfa seviyemize karşı tek değişkenli etkileşim etkilerini ilk incelediğimizde, bu durumun istatistiksel olarak anlamlı olduğunu (p < .001) ancak neoextra ve neoopen’in olmadığını belirledik (sırasıyla p = .012 ve .034). Bu nedenle, olay örgüsünü ve basit etkileri göz önünde bulundurarak inceliyoruz ve ardından neoextra ve neoopen için ana etkileri inceliyoruz. Eta kare değerleri, Düzeltilmiş Toplam referans alınarak hesaplanır. Bununla ilgili olarak, etkileşim karelerinin toplamını (1166.410) Düzeltilmiş Toplamına (86421.142) bölüyoruz. Sonuç .014’tür.

Etkileşimin grafiği gösterilir. Özsaygı, iflastan çok durağan durum için daha büyük ve hızlı genişleme için de durağan durumdan daha büyük görünüyor (bu, iş döngüsünün gösterilmesinin ana etkisidir), ancak işleri daha yüksek özsaygıya sahip görünen hiyerarşik organizasyonların çalışanları iflas veya istikrarlı durum döngüsünde olanlar, hızlı genişlemede olan işletmelerde bu avantajı kaybediyor gibi görünmektedir (bu geçiş, etkileşim etkisini açıklar).

Basit efekt testleri, görsel incelememize ince ayar yapabilir ve bunlar çıktının iki ayrı bölümünde bulunur. İkili Karşılaştırmaları sunar.

Buradaki tahmini marjinal ortalama farklar, toplanabilen gözlemlenen ortalama farklara eşittir. Örneğin, İkili Karşılaştırmalar tablosunda gösterilen ilk ortalama fark değeri -13.429’dur ve hiyerarşik yapılar için iflas ve durağan durum arasındaki farkı temsil eder. Bu iki grup için sırasıyla 40.12 ve 53.55’tir ve ikinciyi birinciden çıkarmak bize -13.43 değerini verir.

Bu İkili Karşılaştırmalardan, her iki organizasyon yapısı türü için üç iş döngüsü grubunun tümü arasında istatistiksel olarak önemli farklılıklar olduğunu öğreniyoruz. Olay örgüsüne çevrildiğinde, hem hiyerarşik (düz çizgi) hem de eşitlikçi (kesik noktalı çizgi) organizasyonlardaki çalışanlar, hızlı genişleme döngüsünde en yüksek özsaygı düzeyini, istikrarlı durum döngüsünde bir sonraki en yüksek özsaygı düzeyini sergilediler ve iflas döngüsündeki en düşük özsaygı düzeyi.

Basit efekt sonuçlarının diğer yarısı gösterilir. Burada, her bir iş_döngüsü türü için iki organizasyon_yapı düzeyi için İkili Karşılaştırmalara sahibiz. Olasılık (Sig.) seviyelerinin raporlanmasında Bonferroni düzeltmesi dikkate alınsa da, varyanslar homojen değildir ve muhtemelen alfa seviyesini daha da sıkı hale getirmeliyiz. Değerlendirmemiz için .01 kullanacağız.

Bu İkili Karşılaştırmalardan, iflas ve durağan durumda hiyerarşik ve eşitlikçi organizasyonlar arasında istatistiksel olarak önemli farklılıklar olduğunu, ancak hızlı genişleme döngüleri altında olmadığını öğreniyoruz. Konuya çevrilecek olursak, hem hiyerarşik (düz çizgi) organizasyonlardaki çalışanlar, iflas ve istikrarlı durum döngüleri altında daha yüksek düzeyde özsaygı sergilediler, ancak (eşitlikçi çalışanların daha yüksek bir ortalama puana sahip gibi görünseler de) kendi duygulanımlarında önemli ölçüde farklı değildi. hızlı genişleme altında olan işletmelerde özsaygı.

İlgili etkileşim etkisini bitirdikten sonra, diğer iki bağımlı değişken için ana etkilere bakabiliriz (gösterilen özet tablosunda). 0,005’lik katı alfa seviyemize karşı, yalnızca neoextra, iş döngüsünün istatistiksel olarak anlamlı bir ana etkisini verir. Bu etkiyle ilişkili eta karesi, kareler toplamının (5272.344) Düzeltilmiş Toplamına (100119.778) bölünmesiyle hesaplanır, bu da .053’tür. neoextra için R-E-G-W-Q post hoc testlerinin sonuçları sunulmaktadır. Tüm gruplar birbirinden önemli ölçüde farklı görünmektedir.

Organizasyon_yapısının ana etkisi için, etkileşime dahil edilmeyen iki bağımlı değişkenden sadece biri (neoextra) istatistiksel olarak anlamlı bir etki verdi. Yalnızca iki organizasyon_yapı düzeyi ile ortalama farkı doğrudan yorumlayabiliriz.

Gösterilen Tanımlayıcı İstatistikler tablosu, tablonun neoextra’sında (üstteki üçüncü) Toplam etiketli dördüncü ana satırda bu iki aracı sağlar. Ortalama olarak, hiyerarşik yapılardaki (Ort. = 57.2991, SS = 10.47856) çalışanlar, eşitlikçi yapılardakilerden (Ort. = 52.8115, SS = 12.63648) daha yüksek düzeyde özsaygı sergilediler.

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

Bu oturumda aşağıdakileri yapmayı öğreneceksiniz:

• Bir birim için merkezi eğilim ve dağılım ölçülerini hesaplayın.
değişken
• Tek bir değişken için bir kutu ve bıyık grafiği oluşturun

• Bir değişkenin tüm değerleri için z puanlarını hesaplayın

Bir Değişken İçin Bir Özet Ölçü Hesaplama

Tek bir değişken için çeşitli merkezi eğilim (ortalama, medyan ve mod) ve dağılım (aralık, varyans, standart sapma, vb.) ölçüleri vardır. Bu önlemleri hesaplamak için SPSS kullanabilirsiniz. Sıralı bir değişkenin moduyla başlayacağız.

Student adlı veri dosyasını açın. Bu dosyadaki değişkenler, öğrencilerin sınıfın ilk günü anketine verdikleri yanıtlardır.

Dosyadaki bir değişkene Drive adı verilir. Bu değişken, öğrencilerin “Bir sürücü olarak kendinizi nasıl değerlendirirsiniz?” sorusuna verdikleri yanıtları temsil eder. Cevap kodları aşağıdaki gibidir:

1 = Ortalamanın altında
2 = Ortalama
3 = Ortalamanın Üzerinde

Bir frekans dağılımı oluşturarak başlayacağız:

Tanımlayıcı İstatistik Frekanslarını Analiz Edin… Değişkenler listesini aşağı doğru kaydırarak, sürüşünüzü nasıl değerlendiriyorsunuz? [sürmek]. Değişkeni seçin ve Tamam’a tıklayın. Sonuçlara bakın. Modal tepki neydi? Bu frekans dağılımı hakkında sizi etkileyen nedir? “Ortada” kaç öğrenci var? Bu öğrencilerin “ortalama”ya bakışında tuhaf bir şey var mı?

Drive, üç olası değere sahip nitel bir değişkendir. Bazı kategorik değişkenlerin yalnızca iki değeri vardır ve bunlar ikili değişkenler olarak bilinir. Örneğin, cinsiyet ikilidir. Bu veri setinde bir öğrencinin cinsiyetini temsil eden iki değişken bulunmaktadır. Daha önceki oturumlarda gördüğünüz birincisi Cinsiyet olarak adlandırılır ve F ve M değerlerini alır.

İkincisi, Kadın kukla değişkeni [kadın] olarak adlandırılır ve erkekler için 0, kadınlar için 1’e eşit bir sayısal değişkendir. Kategorileri temsil etmek için yapay olarak bir sayı kullandığından, böyle bir değişkene kukla değişken diyoruz. Örneklemdeki kadınların oranını bilmek istiyorsak, her iki değişkeni de hesaplayabiliriz. Alternatif olarak, Kadının ortalamasını hesaplayabiliriz. Tüm 0’ları ve 1’leri toplayarak kadınların sayısını buluruz; n’ye bölmek örnek oranını verir.

Tanımlayıcı İstatistikleri Tanımlayıcıları Analiz Et… Bu iletişim kutusunda aşağı kaydırın ve Kadın kukla değişkeni [dişi]’yi seçin ve Tamam’ı tıklayın.

Tek değişkenli analiz Nedir
Tanımlayıcı istatistik Nedir
Tek Değişkenli Analiz Ders notları
Tek değişkenli analiz SPSS
TANIMLAYICI istatistik örnekleri
TANIMLAYICI istatistik tablosu yorumlama
TANIMLAYICI istatistik tablosu
TANIMLAYICI istatistik PDF

Tanımlayıcılar çıktısına göre, bu öğrencilerin %44’ü kızdı. Şimdi nicel bir değişkene geçelim: öğrencinin sahip olduğu erkek ve kız kardeş sayısı. Değişkene kardeş denir. Tanımlayıcı İstatistik Frekanslarını Analiz Et… Kardeş sayısı [kardeş] değişkenini seçin. İstatistikler’e tıklayın ve Çeyrekler, Ortalama, Medyan ve Mod’u seçin. Devam’ı ve ardından Tamam’ı tıklayın.

Bu seçeneklerin istenmesi, sonraki sayfada gösterilen çıktıyı oluşturur. Muhtemelen ortalama, medyan ve modu biliyorsunuzdur. Çeyrekler verileri dört eşit gruba ayırır. Gözlemlerin yüzde yirmi beşi birinci çeyreğin altına ve yüzde 25’i üçüncü çeyreğin üstüne düşüyor. İkinci çeyrek, medyanla aynıdır.

Ortalama, medyan ve modu karşılaştırın. Veri kümesinin “merkezinin” özetleri olarak, bu üç önlemin göreli değerleri nelerdir? 218 öğrencinin cevaplarını özetlemeniz gerekseydi, üçünden hangisi en uygun olurdu? Açıklamak.
Ortalamayı, verilerin dağılımı hakkında bazı ek bilgiler sağlayan Tanımlayıcılar komutuyla da hesaplayabiliriz.

Tanımlayıcı İstatistik Tanımlayıcıları Analiz Edin… Daha önce kadın için yaptığınız gibi, kardeşin ortalamasını bulun.

Şimdi Görüntüleyici penceresine bakın ve öğrenci başına ortalama kardeş sayısını göreceksiniz. Şimdi örnek standart sapmayı, minimumu ve maksimumu da gördüğünüzü unutmayın.

Ek Özet Önlemlerin Hesaplanması

Tanımlayıcılar komutu varsayılan olarak örnek boyutu, minimum, maksimum, ortalama ve standart sapmayı sağlar. Ya başka bir özet tanımlayıcı istatistikle ilgilenseydiniz? Tanımlayıcılar iletişim kutusundaki Seçenekler düğmesine tıklayabilir ve diğer birkaç mevcut istatistik bulabilirsiniz (şimdi deneyin).

Alternatif olarak, verilerinizin çeşitli açıklayıcı ölçümlerini oluşturmak için Keşfet komutunu kullanabilirsiniz. Örneklemek için, bu öğrencilerin boylarını ve ağırlıklarını keşfedeceğiz.

Tanımlayıcı İstatistikleri Analiz Edin Keşfedin… Aşağıdaki iletişim kutusunda gösterildiği gibi İnç [ht] cinsinden Yükseklik ve pound [wt] cinsinden Ağırlık değişkenlerini seçin. Bunlar şimdilik bağımlı değişkenler olacak1. Keşfet komutu, açıklayıcı istatistikleri hesaplayabilir ve ayrıca birazdan göreceğimiz grafikler oluşturabilir. Şimdilik dikkatimizi istatistiklerle sınırlayalım; iletişim kutusunun Görüntüle bölümünde İstatistikler’i seçin ve Tamam’a tıklayın.

Aşağıda, göreceğiniz çıktının bir kısmı bulunmaktadır (ağırlık için tam açıklayıcı bilgileri atladık). Çıktı, iki değişkenin her biri için çeşitli farklı tanımlayıcı istatistikler sağlar.

Bir kez daha, bir Vaka İşleme Özeti ile başlıyoruz. Burada örneğin boyutunu ve varsa eksik vakalarla ilgili bilgileri buluyoruz. Dört öğrenci boyları, kiloları veya her ikisi hakkında bilgi vermemiştir. Bu, “listwise” eksik verilerin muhasebeleştirilmesine bir örnektir.

Dört öğrenci için bu iki değişken listesi eksiktir. Aslında boy bildirmeyen bir öğrenci ve kilo vermeyen üç öğrenci vardı. Boy ve kilo ile ilgili verileri karşılaştırmak istersek, tam bilgi vermedikleri için dört öğrenciyi de atlamak zorunda kalırdık.

Tanımlayıcı tablo, çeşitli istatistikler için istatistikleri ve standart hataları gösterir. Kursunuzun ilerleyen bölümlerinde standart hatalar üzerinde çalışacaksınız. Bu noktada istatistiklere odaklanalım. Spesifik olarak SPSS, karşılıklı sayfada listelenen özet ölçüleri hesaplar.

Görüntüleyici pencerenizde, iki değişken için ortalama, medyan ve kırpılmış ortalamayı karşılaştırın. İkisinden birinin dağılımı çarpıtan bazı aykırı değerler var gibi görünüyor mu? Sonucunuzu çarpıklık istatistiğiyle uzlaştırın.

Keşfet komutu, özet istatistikleri önceki laboratuvarlarda çalıştığınız grafiklerle ilişkilendiren birkaç grafik seçeneği sunar. Örneğin, yüksekliklere daha yakından bakalım.
Keşfet iletişim kutusuna dönün ve Görüntü alanında Grafikler’i seçin. Tamam’ı tıklayın.

Varsayılan olarak, bu bir gövde ve yaprak görüntüsü ve bir kutu ve bıyık grafiği oluşturacaktır. Yükseklikler için gövde ve yaprak ekranına bakın: Aykırı değerlerin varlığı veya yokluğu hakkındaki kararınızı doğruluyor mu?

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