ANOVA’nın tek faktörden bağımsız ölçümlerini yaptıktan ve sonuçların anlamlı olduğunu öğrendikten sonra, ortalamaların hepsinin aynı olmadığını biliyoruz. Ancak bu nispeten basit sonuç, aslında daha fazla soruyu gündeme getiriyor: μ1, μ2’den farklı mı? μ1 μ3’ten farklı mı? μ2, μ3’ten farklı mı? Üçünün anlamı farklı mı? Önemli bir ANOVA sonucumuz olduğunda, post-hoc testler bu sorulara cevaplar sağlar.

Hangi araçların birbirinden farklı olduğunu inceleyen birçok farklı türde post-hoc test vardır. Yaygın olarak kullanılan bir prosedür, Tukey’nin Dürüstçe Önemli Fark testidir. Tukey testi, Tip I hata yapma riskini artırmadan tüm grup ortalamalarını karşılaştırır.

Verilerimizi kullanarak bir Tukey testi yapmadan önce, çeşitli iş kategorilerinin GPA’larının nasıl göründüğü hakkında bir fikir edinmek için grubun anlamına bakalım. Varsayılan ANOVA prosedürü, grup araçlarını görüntülemez. Onları elde etmek için, yukarıda yaptığımız gibi bir seçenek olarak seçmemiz gerekiyordu. Çıktımız, Tanımlayıcılar bölümündeki grup araçlarını içerir.

Hangi grup en düşük ortalama GPA’ya sahipti? Hangi grup en yüksek ortalama GPA’ya sahipti? 3.17 ortalama GPA’nın 3.02 ortalama GPA’dan önemli ölçüde daha iyi olduğunu düşünüyor musunuz?

Öğrendiğimiz gibi, göz küresi araçları, anlamlı farklılıkların olup olmadığını bize kesin olarak söyleyemez. Kesin sonuçlara varmak için istatistiksel testlere ihtiyacımız var. Farklılıkların nerede olduğunu bulmak için verilerimiz üzerinde Tukey testi yapalım. Bunu yapmak için Tek Yönlü ANOVA iletişim kutusuna dönüyoruz:

Analiz Et Karşılaştırma Tek Yönlü ANOVA Anlamına Gelir… Değişkenler daha önce olduğu gibi yine seçilidir. Post-Hoc…’a tıklayın ve burada gösterildiği gibi sadece Tukey’i seçin.

Çıktınız, az önce tartıştığımız orijinal tek yönlü ANOVA analizinin tüm bölümlerini ve birkaç yeni tabloyu içerecektir. Bir sonraki sayfada gösterildiği gibi, dikkatimizi çoklu karşılaştırma tablosuna odaklayacağız.

Tablonun ilk satırı, hiçbiri ve bazı iş kategorileri arasındaki ortalama GPA’ların ikili karşılaştırmasını temsil eder. Ortalama fark –0.28636 olarak listelenir ve yanında bunun önemli bir farkı temsil ettiğini gösteren bir yıldız işareti (*) görüntülenir. Tanımlayıcılar bölümünde grup araçlarına baktığımızda, birkaç saat (1-19 saat) çalışan öğrencilerin, hiç çalışmayan öğrencilerden daha iyi not ortalamasına sahip oldukları sonucuna varabiliriz. Bu sonuç sizi şaşırttı mı? Niye ya?

Tablonun geri kalanını bu şekilde yorumlamayı deneyin. Her ortalamanın diğer ortalamalarla iki kez (örneğin, μ1–μ2 ve μ2–μ1) karşılaştırıldığına dikkat edin, bu nedenle sonuçlar esasen tabloda tekrarlanır. Bu Tukey testinin sonuçları aşağıdaki gibi özetlenebilir.

(1) Birkaç saat (1–19 saat) çalışan öğrenciler, hiç çalışmayan öğrencilerden daha iyi not ortalamalarına sahipti.
(2) Birkaç saat (1–19 saat) çalışan öğrenciler, birçok saat (20 + saat) çalışan öğrencilerle karşılaştırılabilir GPA’lara sahipti.
(3) Saatlerce çalışan öğrencilerin genel not ortalaması, hiç çalışmayan öğrencilerle karşılaştırılabilir

Bu sonuçları nasıl açıklarsınız? Bu sonuçlara katkıda bulunabilecek başka bir değişken düşünebiliyor musunuz?

Tekrarlı ölçümler nedir
Tekrarlayan ölçüm ANOVA Analizi yorumu
Tekrarlı ölçümlerde tek YÖNLÜ varyans analizi
Tekrarlı ölçümlerde ANOVA nedir
Tekrarlı ölçüm ANOVA
Gruplar arası tekrarlayan ölçümlerdeki fark analizi
Tekrarlı ölçümler deseni
TEK YÖNLÜ varyans analizi örnekleri

Tek Faktörlü Tekrarlanan Ölçümler ANOVA

Önceki örnek, bağımsız popülasyonlardan üç veya daha fazla örneğin karşılaştırılmasına odaklanmıştı. Bununla birlikte, aynı numuneyi üç veya daha fazla tedavi koşulunda incelemekle ilgilendiğimiz birçok durum vardır. Bu testler, aynı bireyler üzerinde birkaç ölçüm yapıldığından, tekrarlanan ölçümler varyans analizi olarak adlandırılır.

Örneğin, Dr. Christopher France gibi bizim de çeşitli stres yaratan görevler sırasında kan basıncının değişip değişmediğiyle ilgilendiğimizi varsayalım. Bu soruyu, çeşitli görev türlerindeki bireylerden oluşan bir örneklemde kan basıncı ölçümlerini karşılaştırarak inceleyebiliriz. Bu örnekteki tek faktör, karşılaştırılan farklı koşulları tanımladığı için stres etkeninin türüdür.

BP isimli bir dosyadaki verileri kullanarak bu soruyu inceleyelim. Bu veri dosyasını şimdi açın. Bu dosya, çeşitli fiziksel ve zihinsel stresörler sırasında kan basıncı ve diğer hayati belirtiler hakkında veriler içerir. Bu veriler, yüksek tansiyon veya hipertansiyon geliştirme riski ile ilişkili faktörleri araştıran bir çalışmada toplanmıştır. Deneklerin hepsi üniversite öğrencileriydi.

Diyastolik3 kan basıncının üç farklı koşul sırasında önemli ölçüde değiştiğine dair kanıt olup olmadığını görmek için bir test yapacağız: dinlenme, zihinsel aritmetik yapma ve bir eli soğuk suya sokma. Sıfır hipotezimiz, stresörler sırasında kan basıncının değişmediğidir. Resmi olarak, boş ve alternatif hipotezlerimiz şöyle olacaktır:

• Ho:μ1 =μ2 =μ3

HA: en az bir popülasyon ortalaması diğerlerinden farklıdır. Daha önce olduğu gibi, bu tür ANOVA için gerekli koşulları gözden geçirmeliyiz.

Tekrarlanan ölçümler ANOVA, güvenilir sonuçlar için dört koşul gerektirir:

• Her tedavide bağımsız gözlemler
• Her tedavide normal popülasyonlar
• Her tedavide eşit popülasyon varyansları
• Küresellik (daha sonra tartışılacaktır)

Hem normallik varsayımını hem de küresellik varsayımını istatistiksel bir testle resmi olarak değerlendireceğiz. Genel olarak, araştırmacılar, küçük örneklerin kullanıldığı durumlar dışında normallik varsayımıyla aşırı ilgilenmezler.

Bunlar her öğrenci üzerinde tekrarlanan ölçümler olduğundan, bağımlı değişken (kan basıncı) üç değişkenle temsil edilir:

• Dbprest: istirahatte diyastolik kan basıncı
• Dbpma: mental aritmetik sırasındaki diyastolik kan basıncı
• Dbpcp: bir eli buza sokarken diyastolik kan basıncı

Tanımlayıcı İstatistikleri Analiz Edin Araştırın… Araştır iletişim kutusunda, Bağımlı Liste değişkenleri olarak dbprest, dbpma ve dbpcp’yi ve Görüntü olarak Grafikler’i seçin. Ardından, Arsalar’a tıklayın…

Kutu Grafikleri altında Yok’u seçin, Testlerle Normallik grafikleri’ni seçin ve Tanımlayıcı altında Kök-ve-yaprak seçimini kaldırın. Devam’a tıklayın ve ardından ana iletişim kutusunda Tamam’a tıklayın.

Kolmogorov-Smirnov testlerini normallik için daha önce yaptığımız gibi yorumluyoruz. Bu normallik testlerinin sonuçları nelerdir? Normallik varsayımını ihlal etmediğimizden emin olabilir miyiz? Nasıl karar verirsin?

Bu tek faktörlü bir test olmasına rağmen, tekrarlanan ölçümleri kullanması, farklı bir ANOVA komutu kullandığımız anlamına gelir.
Genel Lineer Model Tekrarlanan Ölçümleri Analiz Edin… Bir sonraki sayfada gösterilen iletişim kutusu görünerek, tekrarlanan ölçümümüze (konu içi faktör olarak da adlandırılır) bir ad atamamızı ve yaptığımız koşulların sayısını (seviyeler olarak da adlandırılır) belirtmemizi ister. sahip olmak.

SPSS, Konu İçi Faktör Adı için varsayılan faktör1 adını kullanır ve bu şekilde bırakacağız.

Düzey Sayısı olarak 3 yazın ve Ekle’ye tıklayın. Faktör1(3) yandaki kutuda görünecektir. Şimdi Tanımla’ya tıklayın ve faktör1 olarak adlandırılan tekrarlanan ölçüm faktörümüzün belirli koşullarını seçmemizi isteyen başka bir iletişim kutusu görünecektir.

Faktör1’in birinci düzeyi olarak dbprest’i ve sırasıyla ikinci ve üçüncü düzeyler olarak dbpma ve dbpcp’yi seçin. Seçenekler…’e tıklayın ve Tanımlayıcı İstatistikler’i seçin (tedavi araçlarını almak için). Devam’a tıklayın ve ardından ana iletişim kutusunda Tamam’a tıklayın.

The post Tek Faktörlü Tekrarlanan 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).