Kategorilerdeki oranların eşit olmadığı varsayıldığında da uyum iyiliği testleri yapmak mümkündür. Örneğin, otomobil üreticileri ve bayileri, otomobiller için renklerin popülerliğine ilişkin kayıtlar tutar. Bu kayıtlar, renk dağılımının şu şekilde olduğunu gösterir: mavi %9,3, şerit/gri %26,0, kırmızı %13,4, siyah %10,2, yeşil %10,4, beyaz %14.7, kahverengi/altın/diğer %16.0. Üniversite kampüslerindeki renk zevkinin ulusal ortalamayla aynı olup olmadığını test etmek istediğimizi varsayalım. “cars.sav” veri dosyası, üniversite park yerlerine ilişkin bir anketin sonuçlarını içerir.

Bu test için boş hipotez H0: pblue = .093, psilver = .260, pred = .134, pblack = .102, pgreen = .104, pwhite = .147, pbrown/other = .160. Bu hipotezi .05 anlamlılık düzeyinde test etmek için, “cars.sav” veri dosyasını açın ve “renk” değişkenine tıklayarak yukarıdaki 1-4 arasındaki adımları izleyin. Sonra:

1. Beklenen Değerler kutusundaki Değerler’e tıklayın.
2. Birinci kategori için varsaydığınız değeri (orantı) girin.
senin değişkenin. Bu örnekte mavi “1” olarak kodlanmıştır, bu nedenle Değer kutusuna .093 girin ve Ekle’ye tıklayın.
3. Değişkeninizin sonraki kategorisi için değeri girin. Gümüş “2” olarak kodlanmıştır, bu nedenle .260 girin ve Ekle’ye tıklayın.
4. Beklenen tüm değerleri girdikten sonra Tamam’a tıklayın.

Beklenen N sütunu, varsayımsal dağılım doğruysa, her rengin beklenen araba sayısını gösterir. Örneğin 64 arabalık örneğin %9.3’ü 6.0’dır. Örnekteki gerçek mavi araba sayısı 7 idi (Gözlemlenen N sütununa bakın). Test istatistiği, gözlenen ve beklenen N’ler arasındaki farkların büyüklüğünün bir ölçüsüdür. Bu örnekte, 2 = 2.060, P = .914. Böylece, %5 anlamlılık düzeyi kullanarak, bağımsızlığın sıfır hipotezini reddetmiyoruz ve üniversite kampüslerindeki araba renklerinin seçiminin ulusal rakamlardan ayrılmadığı sonucuna varıyoruz.

BAĞIMSIZLIK Kİ-KARE TESTLERİ

Bir çalışma iki kategorik değişkenin ilişkisiyle ilgili olduğunda, değişkenlerin popülasyonda bağımsız olup olmadığını test etmek için SPSS kullanılabilir. Örnekte gözlemlenen frekansların modeli, değişkenlerin bağımsız olması durumunda beklenen modelle karşılaştırılır. Eğer iki model oldukça farklıysa, değişkenlerin popülasyonda ilişkili olduğu sonucuna varırız.

Örnek olarak, 478 ortaokul çocuğuna uygulanan bir anketin sonuçlarını içeren “popular.sav” veri dosyasındaki verileri kullanacağız. Anket maddelerinden biri çocukları en önemli hedeflerini seçmeye yönlendirdi: iyi notlar almak, popüler olmak veya sporda iyi olmak. Çocuklarda hedefin cinsiyetten bağımsız olduğu hipotezini %5 hata oranıyla ele alalım.

Klasik olasılık nedir
Olasılık formülleri
Deneysel olasılık nedir
Olasılık hesaplama
Olasılık kavramları
Olasılık DAĞILIMLARI
Teorik olasılık nedir
Koşullu olasılık nedir

Bu hipotezi test etmek için “popular.sav” veri dosyasını açın ve şu adımları izleyin:

1. Menü çubuğundan Analiz Et’e tıklayın.
2. Açılır menüden Tanımlayıcı İstatistikler’e tıklayın.
3. Çapraz Tablolar iletişim kutusunu açmak için Çapraz Tablolar’a tıklayın.
4. Satır değişkeninin adını (“cinsiyet”) ve sağ üst ok düğmesini tıklayın.
5. Sütun değişkeninin (“hedefler”) adına ve orta sağ ok düğmesine tıklayın.
6. Çapraz Tablolar: Hücre Görünümü iletişim kutusunu açmak için Hücreler düğmesine tıklayın.
7. Cinsiyete göre yüzdeleri (satır değişkeni) istediğinizi belirtmek için Yüzdeler kutusundaki Satır’a tıklayın.
8. Devam’a tıklayın.
9. Çapraz Tablolar: İstatistikler iletişim kutusunu açmak için İstatistikler düğmesine tıklayın.
10. Ki-Kare’ye tıklayın.
11. Devam’a tıklayın.
12. Tamam’a tıklayın.

İhtiyacımız olan test istatistiği, Ki-Kare başlığı altında Pearson etiketli olandır. Bu veriler için test istatistiği, 2 serbestlik derecesi ile 2 = 21.455’tir. P değeri (Asymp. Sig. (2-taraflı) sütunu) .0005’ten küçüktür (ve .000’e yuvarlanır), bu da bizi hedef seçiminin cinsiyetten bağımsız olmadığı sonucuna götürür. Çapraz tablodaki yüzdelere baktığımızda, kızların erkeklere göre popüler olmayı bir hedef olarak seçme ihtimalinin daha yüksek olduğunu görüyoruz (örnekte, %22,0’a kıyasla %36,3), erkeklerin ise kızlardan daha büyük bir eğilimi olduğunu görüyoruz. – Sporda iyi olmayı amaç edinir.

Çapraz tablolar prosedürü tarafından sağlanan ve sağlanan ek bilgiler vardır. Örneğin, varsayılan olarak SPSS, beklenen minimum frekansı (42.74) ve beklenen değeri 5’ten düşük olan hücrelerin sayısını (ve yüzdesini) yazdırır. Hücrelerin çoğu (örneğin %20 veya daha fazlası) 5’in altında beklenen değerlere sahipse , veri analisti bazı yanıt kategorilerini birleştirmeyi düşünmelidir. Bu, ki-kare testi yapılmadan önce Recode prosedürü (Bölüm 1) kullanılarak gerçekleştirilir.

Bir seçenek olarak, SPSS her hücre için beklenen değerleri yazdıracaktır. Beklenen frekansları elde etmek için, yukarıda belirtilen adımları izleyin, ancak Çapraz Tablolar: Hücre Görünümü iletişim kutusunda Beklenen seçeneğini seçmeyi unutmayın.

DERNEĞİN ÖNLEMLERİ

Sayısal değişkenlerde olduğu gibi, iki kategorik değişken bağımsız olmadığında, bunların birbiriyle ilişkili veya ilişkili olduğu söylenir. İki değişken arasındaki ilişkinin derecesini ölçen bir indeks hesaplamak mümkündür. En uygun indeks türü, değişkenlerin doğasına (nominal veya sıralı) ve değişkenlerden birinin diğerinin yordayıcısı olarak kabul edilip edilemeyeceğine bağlıdır. SPSS, herhangi bir yordayıcı değişkenin olmadığı bir bağıntıyı simetrik, bir yordayıcının olduğu bir bağıntıyı ise yönlü olarak etiketler.

Phi katsayısı ( ) iki nominal, ikili, değişken ve simetrik durum için uygundur. Nominal değişkenler ve yönlü bir durum, bir lambda katsayısı ( ) gerektirir. Gama katsayısı ( ), tahminin olmadığı (simetrik) sıralı değişkenler için bir korelasyondur; Somer’s d, bir değişkeni diğerinden (yönlü) tahmin etmenin uygun olduğu sıralı değişkenler için kullanılır.

Bu katsayıları SPSS ile hesaplama prosedürü hemen hemen aynıdır. Sınıf (birinci, ikinci, üçüncü, mürettebat) ve hayatta kalma (hayır, evet) arasındaki ilişkiyi lambda katsayısı hesaplayarak “titanic.sav” ile örneklendireceğiz. Bu değişkenlerin her ikisini de nominal olarak kabul ediyoruz ve sınıftan hayatta kalmayı tahmin ediyoruz. Bu ilişki ölçüsünü hesaplamak üzere SPSS’yi kullanmak için, veri dosyasını açın ve aşağıdaki özelliklerle Bölüm 12.2’de açıklanan Çapraz Tablolar prosedürünü tekrarlayın: sınıfı satır değişkeni olarak kullanın ve sütun değişkeni olarak hayatta kalan; Çapraz Tablolar: İstatistikler iletişim kutusunda Ki-kare istatistiği yerine Lambda katsayısını seçin.

Çıktı, Şekil 12.6’da gösterildiği gibi görünecektir. Tablo, bağımlı değişken olarak hayatta kalma katsayısının zayıf olan 0.114 olduğunu göstermektedir. -katsayıları için anlamlılık testi, t-istatistikleri (Yaklaşık T) ve P değerleri (Yaklaşık Sig.) olarak görüntülenir. Bu örnekte, P < .0005, dolayısıyla değişkenlerin ilişkili olduğu sonucuna varıyoruz.

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