İstatistiksel varsayımlar karşılanmadığında alternatif stratejiler ve p değerlerini çevreleyen devam eden tartışmalar

Sık kullananlar ve Bayesçiler, gelenekçiler ve veri madencileri, p değerlerinin savunucuları ve etki büyüklüklerinin savunucuları arasındaki tartışmalar büyüleyici olabilir, ama aynı zamanda sinir bozucu da olabilir. Bir yaklaşımda ustalaştıysanız, ancak alternatifte ustalaşmadıysanız, sinir bozucu olabilir. Diğer seçenekleri araştırıyorsanız, ancak meslektaşlarınız cesaret verici değilse, bu da sinir bozucu olabilir.

Bu çalışma bu tartışmalarla ilgili değil, seçeneklerle ilgili. Seçenekler hakkındaki tartışmalar bazen mücadeleye girdiğimizi gösterecek. Ancak çoğunlukla, SPSS’nin henüz hakim olmadığınız alternatifler sunabileceğini size göstermek istiyoruz. Spesifik olarak, varsayımları karşılamadığınız için geleneksel yaklaşımın başarısız olabileceğini düşündüğümüzde, keşfedilecek en az üç seçenek daha vardır:

■ Farklı varsayımlara sahip bir teknik kullanın.
■ Klasik varsayımları olmayan bir teknik kullanın.
■ Ek veya alternatif raporlama kriterleri kullanın.

Geleneksel yaklaşımları o kadar fazla incelemeyeceğiz ve büyük ölçüde onları varsayıyoruz. Tamamen yeni yollar açmaya çalışıyoruz. Örneğin Bayesci yaklaşımları tartışmıyorken Bootstrapping ve Monte Carlo Simülasyonunu tanıtarak yeni yaklaşımlara kapı açmaya çalışıyoruz.

Ayrıca, Predictive Analytics bölümü, sizi hipotez testi yaptığımızda ne yaptığımızı bir dereceye kadar yeniden incelemeye zorlayacaktır. Bu tartışmalar etrafında koca bir literatür var ve bu konuları daha da ilerletmek için metindeki kitaplardan zaman zaman bahsedeceğiz.

SPSS İstatistiklerinde veri görselleştirme araç setini genişletmek, etkili görselleştirmenin ne olduğu fikrini genişletmek

SPSS kullanıcıları, SPSS’de “analiz” yapmakla, ancak daha sonra başka yerlerde, genellikle Excel’de raporlama ve grafik oluşturma konusunda biraz ünlüdür. Her gün SPSS kullananlarımız açıkçası bu konuda biraz şaşkınız. SPSS her sürümde daha da iyiye gidiyor ve 90’larda bu tür patchwork yaklaşımından vazgeçtik.

Ancak bizler de eğitmeniz. Çok sayıda son kullanıcı görüyoruz ve bunun neden iyi bir fikir gibi göründüğünü anlıyoruz ve daha nadiren SPSS’deki bir şeyin bir müşteri için gerçekten yolunda gitmediği durumları görüyoruz. SPSS’nin daha kapsamlı kullanımını teşvik etmek bizim tarafımızdan yerinden edilmiş sadakat değildir. Sıklıkla kesip yapıştırarak sürekli ileri geri hareket etmenin boşa harcanan çabasının dehşetini gördük.

ANOVA tablosu oluşturma
ANOVA testi
ANOVA testi örnekleri
Tek yönlü varyans analizinde nitel değişken
ANOVA açılımı
Varyans analizi örnek
Anova Nasıl hesaplanır
TEK YÖNLÜ varyans analizi örnek

Bu, yazı dizisinin bu kadar büyük bir bölümünü görselleştirmeye ayırmak için büyük bir motivasyondu. SPSS, birçoğunun henüz keşfetmediği muazzam bir güce sahiptir. Ayrıca, görselleştirmenin sadece renkler ve şekillerle ilgili olmadığına kesinlikle inanıyoruz. Verilerin görselleştirmeyi destekleyecek şekilde hazırlanması gerekir ve bu genellikle görselleştirilebilmesi için kalıpların özlerine kadar damıtılmasını gerektirir.

Bu nedenle, görselleştirmeyi destekleyen tüm güçlü analiz örneklerinin bu kitaba ve özellikle görselleştirme bölümüne ait olduğuna inanıyoruz. Uyumluluk Analizi, Çok Boyutlu Ölçekleme, Uzamsal-Zamansal Tahmin ve Genelleştirilmiş Uzamsal Birliktelik Kuralları (tümü bu üç bölümde ele alınmıştır) zorlayıcı görselleştirmeler üretir, ancak bunu girdi verilerini güçlü yollarla parçalayarak yaparlar.

SPSS Statistics’te tahmine dayalı analitiği keşfetme ve tahmine dayalı analitik görevlerini gerçekleştirme

Veri madenciliği, bir tabir olarak, bu günlerde biraz modası geçmiş görünüyor, ancak deyimin temsil ettiği tekniklerin toplanması artıyor. Bununla birlikte, “veri madenciliği” muhtemelen kendisi ile geleneksel istatistik teknikleri arasındaki potansiyel karşıtlığı en belirgin kılan ifadedir. Benzerlikler oldukça açıktır ve bazıları için farklılıklar endişe yaratabilir.

Veri madenciliği ile neyi “kanıtlıyoruz”? sorabilirler. Bu küçük bir soru değil. Beş bölümden oluşan “Tahmini Analitik” bölümünün tamamını bu temaya ayırdık. Ayrıca, bölümün girişi tartışmanın bir parçasıdır. Birlikte ele alındığında, bu bölümler bir çalışma içinde bir kitap oluşturmaya en yakın olanlardır.

SPSS İstatistiklerinin mekaniği ile artan karmaşıklık

SPSS’nin ileri düzey kullanıcılarının tümü, en azından ara sıra SPSS Sözdizimini kullanır. 90’lı yıllarda, baş yazarlar gerçekten SPSS’ye başlarken, Sözdizimi kullananlar ile yalnızca GUI kullananlar arasında biraz gerilim vardı. Jason Verlen’in bu kitaba yazdığı önsözde belirttiği gibi, 1995, SPSS için kritik ve heyecan verici bir geçiş dönemiydi. GUI, her zamankinden daha zengin özelliklere sahip hale geliyordu.

Bununla birlikte, zaten çok fazla deneyime sahip olanlar, GUI’nin yalnızca yetiştiğini, bazen onlara değerinden daha fazla sorun olduğunu ve kısaca SPSS topluluğunun iki topluluk haline geleceği gibi göründüğünü fark etti. Bu hiç olmadı. Herkes GUI’yi kullanır ve haklı olarak öyle. Güçlü ve zariftir. Kullanmadığını hayal etmek zor. Peki ya Sözdizimi? Eh, SPSS artık bu alanda yetkinliği eskisi kadar zorlamıyor. Ancak uzman kullanıcı için, bunun kesinlikle en iyi seçim olduğu zamanlar vardır.

SPSS’nin bazı yeni veya yeterince takdir edilmeyen tekniklerini deneyimlemek

Modül (ve paket) özellikler sistemi, yalnızca SPSS Base’e odaklanan geniş bir üçüncü taraf SPSS eğitim kılavuzları koleksiyonu oluşturma eğiliminde olmuştur. Tahmin ettiğimiz gibi korku, bu kitapların yazarlarının bazı okuyucuların erişemeyeceği herhangi bir şeyi ele almak istememeleridir.

Gerçekten çokturlar ve çok sayıda kitap temelleri kapsar. SPSS topluluğunun kariyer boyu süren üyeleri ve SPSS eğitmenleri olarak, daha gelişmiş tekniklere ilişkin kaynakların azaldığını ve ilgili kursların nadiren sunulduğunu gördük. Bunlar gerçekten güçlü teknikler ve daha geniş bir kitleyi hak ediyorlar. Daha ileri düzey kullanıcıların da bir destek sistemine ihtiyacı olduğunu düşünüyoruz.

Bu eğilimi, bir kitabın başarabileceği küçük bir dereceye kadar tersine çevirmek istiyoruz. Paket sistemi, bu modüllerin çoğunu daha kolay erişilebilir hale getirir. Öyle ki, sahip olduklarını bilmedikleri modüllere sahip müşterilerle sık sık karşılaşıyoruz.

Bölümlerin beşi, SPSS Base’den başka bir şey gerektirmeyen materyal içerir. Ancak çoğu öyle. Bölümlerin, modüllerin, demetlerin ve tekniklerin hizalanması bir sonraki bölümde özetlenmiştir. Bu nedenle okuyucu, evde ve ofiste neye erişebileceklerini araştırmak konusunda uyarılmalıysa da, daha geniş bir kullanıcı kitlesini SPSS’nin yapabileceklerinin tüm yelpazesine aşina olmaya çağırıyoruz.

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

Tanımlayıcı istatistikler ve Levene testinin sonuçları gösterilmektedir. Levene İstatistiği .795 olarak hesaplandı ve 3 ve 52 serbestlik derecesi ile istatistiksel olarak anlamlı değildi (p = .502). Böylece varyans varsayımının homojenliği ile d karşılaştığımız görülmektedir.

ANOVA özet tablosunu görüntüler. Gruplar Arası (birleşik) varyans kaynağı, bağımsız değişkenin etkisini, mağazaların stokladığı şarap imalathanelerinin sayısını temsil eder. Belirtir (birleştirilir), çünkü bu bir bütün olarak bağımsız değişkenin de etkisidir (polinom bileşenlerini dikkate almadan).

F oranı 37.232 olup, 3 (grup sayısı – 1) ve 52 serbestlik derecesi ile istatistiksel olarak da anlamlıdır (p < .001). Bu etki ile ilişkili eta kare değeri, gruplar arası varyansın karelerinin toplamının toplam varyansa (2118.054/3104.125) bölünmesiyle veya .68 olarak hesaplanabilir; böylece gruplar arasındaki farklar bağımlı değişkenin varyansının yaklaşık %68’ini de açıklamaktadır.

Grup farklılıklarının değerlendirilmesi görülür. Ryan–Enoit–Gabriel–Welsch Studentized Range testinin sonuçları bize (araçların büyüklüğüne göre) mağazalarda 20 veya 40 farklı şarap imalathanesi stokladığında güvenilir bir şarap satış farkı olmadığını, ancak 80 farklı şarap imalathanesi stokladığını bildirir. 20-40 şaraphane seviyesinden daha yüksek bir satış hacmi üretti ve 60 farklı şarap imalathanesinin stoklanması tüm gruplar arasında en yüksek satış hacmini de üretti.

Buraya kadar sıradan bir tek yönlü ANOVA’nın sonucunu da tanımladık. Ancak bu bir polinom eğilim analiziydi ve şimdi analizin bu kısmına da değinebiliriz.

Özet tablosunda polinom sonuçlarına sahibiz. Gruplar Arası (birleştirilmiş) satırının altında, gruplar arası varyansın polinom bileşenlerini belgeleyen bir dizi satır bulunur. Her birine sırayla da davranıyoruz.

Bir polinom eğilim analizi, görsel bir analitik girişim kadar istatistikseldir ve varyansın her bir polinom bileşenini tartışırken araçların grafiğini görüntülemek de yararlıdır. Araçlar çizilir. Genel olarak, işlevin 20’den 40 şarap imalathanesine belirli bir ölçüde arttığı, keskin bir şekilde 60 şarap imalathanesine yükseldiği ve daha sonra keskin bir şekilde 80 şarap imalathanesine düştüğü de görülmektedir.

Özet tablosunda, Doğrusal Terim etiketli satırın iki bölümü de vardır: Kontrast etiketli satır ve Sapma etiketli satır. Kontrast satırı, doğrusal bileşeni değerlendirir. Kareler Toplamı 1100.089’dur ve 58.013 F oranı istatistiksel olarak anlamlıdır. Bu, Şekil 48.8’de gösterilen araçların grafiğinde görülebilir. İşlevin 20’den 80’e çıkması yönünde genel bir eğilim var, oldukça “engebeli” olsa da; fonksiyondaki bu genel artış, 20’den 80’e doğru açı yapacak olan veri noktalarından geçen düz bir çizgiye sığdırabileceğimiz şey de doğrusal bileşendir.

ANOVA testi
Varyans analizi örnek
ANOVA tablosu
ANOVA testi örnekleri
ANOVA hesaplayıcı
ANOVA analizi
Tek yönlü varyans analizi örnek
Tek yönlü varyans analizi PDF

Özet tablosunda Doğrusal Kontrast altındaki Sapma satırı, kalan doğrusal olmayan bileşenleri değerlendirir—varyansın doğrusal bileşeni açıklandıktan sonra kalanlar (bu örnekte ikinci dereceden ve kübik bileşenlerin birleşimidir). ). Kareler Toplamı 1017.964’tür ve 26.841’lik F oranı istatistiksel olarak da anlamlıdır.

Bu nedenle, ortalamaların istatistiksel olarak anlamlı doğrusal olmayan bir bileşeni vardır. Bu, doğrusal bileşen tarafından açıklanmayan fonksiyondaki “tümseklik” olduğu gösterilen araçların grafiğinde görülebilir. Doğrusal Kontrast (1100.089) ve Doğrusal Sapmanın (1017.964) Kareler Toplamının, Gruplar Arası (birleşik) Kareler Toplamı (2118.054) toplamına eşit olduğuna da dikkat edin.

Lineer bileşenle (veya herhangi bir polinom bileşeniyle) ilişkili eta kare değerini, denekler arası varyansa veya toplam varyansa göre hesaplayabiliriz. Denekler arası varyansa göre, eta karesi 1100.089/2118.054 veya yaklaşık .519 olacaktır; toplam varyansa göre, eta karesi 1100.089/3104.125 veya yaklaşık .354 olacaktır. Böylece, doğrusal bileşen, denekler arası varyansın yaklaşık %52’sini ve toplam varyansın yaklaşık %35’ini de açıklamıştır.

Özet tablosunda İkinci Dereceden Terim etiketli satırda ayrıca iki bölüm vardır: Kontrast etiketli satır ve Sapma etiketli satır. Kontrast satırı, ikinci dereceden bileşeni değerlendirir. Kareler Toplamı 212.161’dir ve 11.188’lik F oranı istatistiksel olarak anlamlıdır. Böylece, ortalamaların istatistiksel olarak anlamlı bir ikinci dereceden bileşeni vardır; gruplar arası etkiye göre eta karesi yaklaşık %10’dur (212.161/2118.054) ve toplam varyansa göre yaklaşık %7’dir (212.161/3104.125).

Bu, gösterilen araçların grafiğinde görülebilir. Simetrik olmaktan uzak olmasına rağmen (eta kare değeri doğrusal bileşenle ilişkilendirilen değerden çok daha azdır), fonksiyon bir şekilde ikinci dereceden bir ilişkinin göstergesi olan ters çevrilmiş bir “V”ye benziyor gibi de görünmektedir.

Özet tablosundaki Kuadratik Kontrast altındaki Sapma satırı, varyansın doğrusal ve ikinci dereceden bileşenleri açıklandığında kalan bileşeni değerlendirir. Kareler Toplamı 805.804’tür ve F oranı 42.494 istatistiksel olarak anlamlıdır. Bu nedenle, kalan polinom bileşen(ler)i tarafından henüz açıklanacak istatistiksel olarak önemli miktarda varyans vardır; mevcut örnekte, bu tür yalnızca bir bileşen kalmıştır ve o da kübik bileşendir.

Özet tablosunda Kübik Terim etiketli satır, dört gruplu örneğimizde değerlendirilmesi mümkün olan son polinom bileşeni olduğu için sadece bir kısmı vardır. Kareler Toplamı 805.804’tür ve F oranı 42.494 istatistiksel olarak da anlamlıdır. Bu, yalnızca ikinci dereceden bileşen değerlendirildikten sonra kalan kübik kontrast olması bakımından, üstündeki satıra da eşdeğerdir.

Bu nedenle, araçlarda istatistiksel olarak anlamlı bir kübik bileşen vardır; gruplar arası etkiye göre eta karesi yaklaşık %38’dir (805.804/2118.054) ve toplam varyansa göre yaklaşık %26’dır (805.80/3104.125). Bu, Şekil 48.8’de gösterilen araçların grafiğinde görülebilir. Fonksiyonda biri 40’ta ve diğeri 60’ta olmak üzere iki farklı bükülme noktası var gibi görünüyor ve kübik bileşeni harekete geçiren büyük olasılıkla bu eğim değişiklikleri de söz konusudur.

Genel olarak, sonuçlarda daha fazla şarap imalathanesinin stoklanmasının daha fazla satış hacmi ile ilişkili olduğunu öne süren önemli bir doğrusal bileşen olmasına rağmen, post hoc test sonuçlarıyla birleştirilen kübik fonksiyon, İyi tarafından taşınan en uygun şarap imalathaneleri seviyesinin olduğunu göstermektedir. Gıda Pazarı 60 gibi de görünüyor. Raflarındaki şarap imalathanelerinin sayısını bu optimal seviyenin üzerine çıkarmak aslında şarap satışlarını olumsuz etkiliyor gibi de görünüyor.

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