1 Ekranın üst kısmındaki menüden Analiz et, ardından Ortalamaları Karşılaştır’ı ve ardından Bağımsız numuneler t-testini tıklayın.
2 Memnuniyeti Test Değişkenine taşıyın.
3 Danışmanı Gruplandırma Değişkenine taşıyın.
4 Grupları Tanımla’ya tıklayın (Gruplandırma Değişkeniniz danışman olduğundan,
her biri için sayısal bir değer belirtmek için, başka bir deyişle, John için 1, Jane için 2).
5 Grup 1’e 1 değerini (John için) ve Grup 2’ye 2 değerini (Jane için) girin.
6 Devam’ı ve ardından Tamam’ı tıklayın.
Daha sonra size aşağıdaki (oldukça korkutucu) çıktı sunulmalıdır.

Grup istatistikleri tablosu, her kategorideki öğrenci sayısını ve ortalama değerleri gösterir, bu ortalamalardan John için ortalama puanın 4.86, Jane için ise 3.50 olduğunu görebiliriz.

Tablo ayrıca bize her grup için puanların standart sapmasını sağlar. Bu, her bir puan grubu için ortalamadan ortalama sapmadır – puanların yayılmasının bir ölçüsünü sağlar. Jane için memnuniyet derecelendirmelerinin standart sapmasının John için olanlardan biraz daha büyük olduğuna dikkat edin. Bu, Jane’in derecelendirmelerinde puanların dağılımının biraz daha büyük olduğunu görebildiğimiz kutu grafiklerinde (aşağıda) grafik olarak görüntülenir.

Böylece John’u görmeye giden hastalarda memnuniyet oranlarının daha yüksek olduğunu görebiliriz, ancak bu istatistiksel olarak anlamlı bir fark mı?

Bağımsız örnekler testi çıktı tablosu ilk olarak varyansların eşitliği için Levene testini sağlar. ‘Varyans homojenliği’nin bir parametrik test kullanmak için gerekli varsayımlardan biri olduğunu hatırlayın, bu nedenle bu, her iki puan grubundaki (John ve Jane için derecelendirmeler) varyansın (puanların dağılımı) nispeten benzer olup olmadığını kontrol etmektir.

Bu testin değeri anlamlı olmadığından (0,281, 0,05 olan anlamlılık düzeyimizden daha büyüktür), bu, bu varsayımı ihlal etmediğimiz anlamına gelir ve bu tablonun ilk satırını inceleyerek devam edebiliriz – eşit varyanslar varsayılır (ihlal, alıntı yapmak anlamına gelir). tablonun biraz daha muhafazakar alt satırı).

Sütun başlı Sig. (2-kuyruklu) bize iki ortalamadaki farkın istatistiksel olarak anlamlı olup olmadığını söyler (iki ortalamadaki (1,357) fark bir sonraki sütunda verilmiştir). Bu değer 0,015 olduğundan ve dolayısıyla geleneksel anlamlılık düzeyimiz olan 0,05’ten daha küçük bir değer olduğundan, iki gruptan alınan puanlarda anlamlı bir fark olduğu sonucuna varabiliriz. Bunu bir raporda şöyle yazabiliriz:

Danışmanların her biri için memnuniyet derecelendirmelerindeki farklılıkları incelemek için bağımsız bir örneklem t-testi kullanıldı. Sonuçlar, John için verilen puanların (Ort. = 4.86; SD = 1.23) Jane’den (Ort. = 3.5; SD = 1.59) daha yüksek olduğunu gösterdi; t = 2.58, p = .015.

Tek Kuyruklu ve İki Kuyruklu Testler

İstatistiklerde 1 kuyruklu ve 2 kuyruklu anlamlılık düzeylerini seçebiliriz. ‘2 kuyruklu’ bir önem düzeyi, yönsüz bir hipotezle ilgilidir. Dolayısıyla, bu özel örnekte hipotezimiz (tahminimiz) şöyle olabilirdi: iki danışman için memnuniyet derecelendirmelerinde bir fark olacaktır. ‘2-kuyruklu’ çünkü Jane’in reytinglerinin mi yoksa John’un reytinglerinin mi daha yüksek olacağını belirtmiyoruz – sadece bir fark olacağını (her iki şekilde de) belirtmiyoruz.

Bu, sonucun yönünün belirtildiği “1 kuyruklu” bir önem düzeyinin aksinedir, örneğin: Jane için memnuniyet derecelendirmeleri John için olanlardan daha yüksek olacaktır. Genel olarak, herhangi bir tahmine rağmen sonuçtan nadiren emin olabileceğiniz için 2 uçlu önem düzeyi belirtilir.

Tek ve çift yönlü hipotez örnekleri
Tek kuyruklu hipotez örnekleri
Z Tablosu
Tek kuyruklu hipotez Nedir
Tek ve çift yönlü hipotez Nedir
Hipotez testi p değeri hesaplama
Anlamlılık düzeyi hesaplama
Hipotez testleri

Güvenilirlik aralığı

Son sütun, farkın yüzde 95 güven aralığını sağlar. Bu tablodaki güven aralıkları 0,28 ile 2,43 arasında bir değer aralığı sağlar. Esasen bu, örneklememizin yüzde 95’inde tekrarlandığında, farklılıkların bu parametreler dahilinde olması bekleneceği anlamına gelir.

Dolayısıyla, verilerimiz için ortalama fark 1,36 olmasına rağmen, güven aralıkları, bu veri toplamayı 100 kez tekrarlarsak, John ve Jane için memnuniyet derecelendirmelerinde 95’te 0.28 ile 2.43 arasında bir fark bulmayı bekleyeceğimizi gösteriyor. olayların yüzdesi. Dolayısıyla, farkın 0,28 ile 2,43 arasında olacağından yüzde 95 eminiz.

Bu parametreler öğretici olabilir. En düşük değerin 0.28 olduğuna dikkat edin. Bu, yalnızca iki danışmanın derecelendirmelerindeki farkın en az 0,28 olduğundan emin olabileceğimiz anlamına gelir, ki bu çok fazla değildir. Nispeten küçük örneklemimizin oldukça küçük anlamlı bir fark önerdiği sonucuna varabiliriz, ancak puanlardaki farkın gerçek boyutuna olan güvenimizi artırmak için daha büyük bir öğrenci örneğine ihtiyaç duyulacaktır.

Her danışman için seans sayısının karşılaştırılması

İncelemeye karar verdiğimiz bir sonraki fark, her bir danışman tarafından yürütülen danışmanlık seanslarının sayısıdır. Biri diğerinden daha fazla seans mı sunuyor? Belki bu, birinin neden daha yüksek memnuniyet dereceleri aldığını açıklamaya yardımcı olabilir?

Önceki analizde olduğu gibi, öncelikle uygun istatistiksel teste karar vermemiz gerekiyor. Şekil 6.1’e geri dönersek, iki bağımsız veri örneğiyle uğraştığımızı biliyoruz, bu nedenle bir sonraki görevimiz parametrik mi yoksa parametrik olmayan bir test mi kullanmamız gerektiğini bulmak. Normal dağılımı kontrol etmek için histogram üretme prosedürünü tekrarlayın:

1 Ekranın üst kısmındaki menüden Grafikler’e ve ardından Grafik Oluşturucu’ya tıklayın.
2 Galeriden Histogram’ı seçin ve ilk Histogramı önizleme alanına sürükleyin.
3Oturumları X eksenine sürükleyin.
4Gruplar/Nokta Kimliği’ne tıklayın ve Satırlar paneli Değişken onay kutusunu işaretleyin.
5 Değişken danışmanını Panel kutusuna sürükleyin.
6Ekranınızın sağındaki Öğe Özellikleri bölümünde, Normal eğriyi görüntüle’nin yanındaki kutuyu işaretleyin.
7 Uygula’yı ve ardından Tamam’ı tıklayın.

Bu, aşağıdaki histogramları üretmelidir (Grafik Düzenleyicide ölçeği (ve artışları) maksimum 12 olan oturum sayısına uyacak şekilde değiştirdim):

Şimdi, bu iki histogramdaki ‘normal eğri’ verilerin normal olarak dağıldığını öne sürse de, John’un oturumları için gerçek verilerin daha düşük oturum sayısına doğru çarpık göründüğünü görebiliriz. Bu, bunlar gibi grafiklerin nasıl aldatıcı olabileceğini gösterir. Bu nedenle, X eksenini Grafik Düzenleyiciyi kullanarak yalnızca gerçek oturum aralığını (1–12) içerecek şekilde değiştirirsek, biraz farklı bir resim elde ederiz.

Jane’in histogramının normal bir dağılıma yaklaştığını görebiliriz, ancak John’un seansları için histogramın, verilerin alt uca doğru çarpık olduğunu öne sürdüğünü görebiliriz. Bu nedenle, yukarıda açıklanan normallik istatistikleri testlerini kullanarak doğrulama için bir ana adayımız var:

1 Ekranın üst kısmındaki menüden Analiz et, ardından Tanımlayıcılar ve ardından Keşfet üzerine tıklayın.
2 Oturumları Bağımlı listesine ve danışmanı Faktör listesine taşıyın.
3 Ekran altında, Grafikler’in yanında yalnızca bir onay işareti olduğundan emin olun.
4 Plots diyalog kutusunu açmak için Plots sekmesine tıklayın.
5 Kutu Grafikleri altında Hiçbiri’ni tıklayın ve Tanımlayıcı altındaki tüm onay işaretlerini kaldırın. Testlerle Normallik grafiklerine bir onay işareti koyun. Yayılma vs Düzey altında hiçbirini işaretleyin.
6 Devam’ı ve ardından Tamam’ı tıklayın.

Ve gerçekten, Normallik Testlerini ürettiğimizde, Kolmogorov-Smirnov testinin gerçekten anlamlı olduğunu (0.014) buluyoruz, bu da dağılımın normal bir dağılımdan önemli ölçüde saptığını gösteriyor.

Bu durumda, bu nedenle, gösterildiği gibi Mann-Whitney testi olan parametrik olmayan veriler için testi kullanmak daha uygun olabilir.

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