POST HOC TUKEY TESTİ

Analizi, çok amaçlı ANOVA için yaptığınız gibi yapılandırın, ancak şimdi Post Hoc penceresinde leadstyl için bir Tukey testi talep edebilirsiniz. Bu pencere Şekil 13.15’te gösterilmiştir. İşlemin sonunda Tamam’a tıklamak yerine Yapıştır düğmesine tıklayın. Temel sözdizimi daha sonra bir sözdizimi penceresine yerleştirilecektir; o pencereyi masaüstünüzde bulun ve tıklayarak aktif hale getirin. Bu pencere Şekil 13.16’da gösterilmiştir.

BASİT ETKİ TESTLERİ

İki yönlü etkileşimi içeren /EMMEANS = TABLES alt komutunu çoğaltarak ve her birine karşılaştırma sözdizimimizi ekleyerek Şekil 13.17’de gösterildiği gibi basit efekt sözdizimimizi ekledik. Ana menüden Çalıştır ➜ Tümü’nü seçin.

SPSS’DE ANOVA SONRASI ANALİZ ÇIKTI

Basit efekt çıktısı en iyi Şekil 13.3’teki sonuçların grafiğine bakıldığında görülür. Bu şekilde, istatistiksel sonuçları, araçların görsel bir tasviri ile ilişkilendirebilirsiniz. Şekil 13.18, proje seviyelerini karşılaştıran ilk basit etkiler grubunun sonuçlarını sunar. Bu nedenle, her bir liderlik tarzı için basit ve karmaşık olanı karşılaştırıyoruz; Şekil 13.3’e göre, her bir çizginin x eksenine göre önemli ölçüde eğimli olup olmadığını belirliyoruz.

Sonuçlarımız, otoriter ve laissez faire stilleri için istatistiksel olarak anlamlı bir fark olduğunu, ancak demokratik stil için olmadığını göstermektedir. Grafiğimizle karşı karşıya geldiğimizde, ekipler karmaşık projelerle uğraşırken basit olanlara kıyasla hem bırakınız yapsınlar hem de otoriter tarzların daha düşük performansa yol açtığını söyleyebiliriz. Ayrıca demokratik liderlik tarzına sahip ekiplerin ne tür projelerle uğraştığının da fark yaratmadığını söyleyebiliriz.

Şekil 13.19, leadtil düzeylerini karşılaştıran ikinci basit etki grubunun sonuçlarını sunar. Böylece basit projeler için üç liderlik tarzını karşılaştırıyoruz ve karmaşık projeler için üç liderlik tarzını karşılaştırıyoruz; Şekil 13.3’e göre, basitteki üç veri noktasının önemli ölçüde farklılık gösterip göstermediğini ve karmaşıktaki üç veri noktasının önemli ölçüde farklılık gösterip göstermediğini belirliyoruz.

Sonuçlarımız, proje düzeyi 1 (basit projeler) altında, otoriter ve demokratik tarzların eşit derecede yüksek olduğunu, ancak her ikisinin de bırakınız yapsınlar grubundan daha iyi performans derecelendirmeleriyle sonuçlandığını göstermektedir. 2. proje (karmaşık projeler) kapsamında, tüm gruplar diğerlerinden önemli ölçüde farklıdır.

Leadstyl üzerinde Tukey post hoc testini gerçekleştirmiş olmamıza rağmen (Şekil 13.20’de gösterilmiştir), etkileşim etkilerinin, ekiplerin üzerinde çalıştığı projelerin niteliğini dikkate almadan liderlik stilini ele almak için yeterince zorlayıcı olduğu artık açık olmalıdır. sonuçları aşırı basitleştirecektir. Bu nedenle, sonuçların anlatısında bu ana etkiye hiç değinmeyeceğiz.

Tukey testi yorumlama
Post hoc testleri hangileridir
Post Hoc testi yorumlama
Çoklu karşılaştırma testleri
Post hoc testi neden yapılır
Tukey testi örnek
Post hoc ne demek
Tukey HSD testi nedir

OMNIBUS ANALİZİNİN SAS’TA YAPILMASI

VERİ DOSYASININ YAPILANDIRILMASI

SAS Enterprise Guide projesine aktarılmaya hazır bir Excel elektronik tablosundaki veri dosyası Şekil 13.21’de gösterilmektedir. Bölüm 10.15.2’de açıklandığı gibi tek değişkenli veya yığınlı modda yapılandırılmıştır ve Bölüm 11 ve 12’deki örnekler için gördüğümüze benzerdir. Leadstyl ve projeden bağımsız değişkenler, kaliteye bağlı olarak karşılık gelen seviyelerin kodlarını gösterir. Her durum için değişkendir.

Veri dosyasını inceleyerek, leadstylin denekler arası bir değişken olduğunu belirleyebileceğimizi unutmayın, çünkü her konu o değişkenin yalnızca bir düzeyi ile ilişkilidir. Aynı mantıkla, projenin denekler arası bir değişken olduğunu belirleyebiliriz çünkü her konu, her iki proje seviyesi için de bağımlı değişken üzerinde değerlere sahiptir.

Veri dosyasının nasıl okunacağını göstermek için, alt kimlik 1 olarak tanımlanan ekibin liderlik tarzı 1 (otoriter) altında olduğunu görebiliriz. Bu ekip, basit projeler için kaliteden ortalama beş puan (1 olarak kodlanmıştır) ve karmaşık projeler için kaliteden ortalama sıfır puan almıştır (2 olarak kodlanmıştır).

VERİ ANALİZİNİN YAPILANDIRILMASI

Veri dosyasını Excel’den yeni bir SAS projesine aktarın. Ardından ana menüden Analiz ➜ ANOVA ➜ Karışık Modeller’i seçin. Pencere, Görev Rolleri sekmesinde açılır. Atanacak Değişkenler panelinden kaliteyi seçin ve bunu Bağımlı değişken simgesine sürükleyin. Sonra birer birer leadstyl, project ve subid seçin ve bunları Sınıflandırma değişkenleri altındaki alana sürükleyin. Bunun sonucu Şekil 13.22’de gösterilmektedir.

Gezinme panelinde, Şekil 13.23’te gösterildiği gibi Sabit Efekt Modeli’ni seçin. Sınıf ve nicel değişkenler panelinde, leadstyli seçin ve ardından Ana düğmeyi seçin; leadstyl, Efektler penceresinde otomatik olarak görünecektir. Proje için bu prosedürü tekrarlayın. Ardından Kontrol tuşunu basılı tutarken hem leadstyl hem de projeyi seçin. Her iki değişken de vurgulanmış durumdayken Factorial (Faktoriyel) düğmesine tıklayın; leadstyl∗project, Efektler penceresinde otomatik olarak görünecektir.
Şekil 13.24’te gösterildiği gibi gezinme panelinde Sabit Etkili Model Seçenekleri’ni seçin.

Hipotez test tipi altında Tip 3’ü kontrol edin. Ardından, Tahmin yöntemi altında Artık maksimum olabilirliği ve Serbestlik dereceleri yöntemi altında konu bölümleri arasında ve içinde’yi seçin. Şekil 13.25’te gösterildiği gibi gezinme panelinde Rastgele Efektler’i seçin. Kullanılacak efektler menüsünden Rastgele efektler’i seçin; o menünün en sağında bir kutu belirecektir. Bu kutuya tıklayın ve Efekt Oluşturucu – Rastgele efektler penceresi belirir. Alt kimliği seçin ve Ana düğmeye tıklayın; subid, Rastgele efektler panelinde otomatik olarak görünecektir. Tamam butonunu tıklayın.

Şimdi Model konuları menüsü altında Konu tanımlayıcısını seçin; o menünün en sağında bir kutu belirecektir. Bu kutuya tıklayın ve Effects Builder – Konu tanımlayıcı penceresi belirir. Alt kimliği seçin ve Ana düğmeye tıklayın; subid, Konu tanımlayıcı panelinde otomatik olarak görünecektir. Tamam butonunu seçin. 

Gezinme panelinde En Küçük Kareler Post Hoc Testleri’ni seçin. Tahmin etmek için Efektler bölmesinin altındaki Ekle düğmesine tıklayın. Şekil 13.27’de gösterilen ekran açılır. Kullanılacak efektler menüsünün altında sırayla üç efektin her birini vurgulayın ve her biri için Doğru’yu seçin; bu komut, efektlerin her birinin çıktısının alınmasına neden olacaktır. Çalıştır düğmesine tıklayın.

OMNIBUS ANALİZİN SAS ÇIKIŞI

En küçük kareler ortalamaları Şekil 13.28’de gösterilmiştir. Omnibus analizinin sonuçları Şekil 13.29’da gösterilmektedir. Bu F oranları SPSS tarafından üretilenlerle aynıdır. Görüldüğü gibi, tüm etkiler istatistiksel olarak anlamlıdır.

BASİT ETKİ ANALİZİNİN SAS’TA YAPILMASI

SAS Enterprise Guide’daki basit efekt analizini gerçekleştirmek için analizi yukarıda gösterildiği gibi yapılandırın. Ardından, Şekil 13.30’da gösterilen En Küçük Kareler Post Hoc Testleri ekranında, Kullanılacak Etkiler çerçevesinde, iki yönlü etkileşimi Doğru ve diğerlerini Yanlış olarak ayarlayın. Ardından Karşılaştırmalar çerçevesinde, Farklar için p-değerlerini göster’i Tüm ikili farklar olarak ayarlayın ve Bonferroni ile karşılaştırma için Ayarlama yöntemini ayarlayın. Analizi gerçekleştirmek için Çalıştır’a tıklayın.

The post POST HOC TUKEY TESTİ – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

En küçük kareler ortalamaları, açıklandığı gibi SPSS’nin tahmini marjinal ortalamalar olarak adlandırdığı değerlerle aynıdır. Post hoc testleri en küçük kareler bağlamına yerleştirerek, bu post hoc testlerin en küçük kareler bağlamında gerçekleştirildiğini açıkça ortaya koymaktadır.

SPSS’de tahmini marjinal ortalamalarla çalışırken Bonferroni düzeltmeli ikili karşılaştırmalar yaptık; bu nedenle burada SAS Enterprise Guide’da Bonferroni karşılaştırmalarını da yapacağız. Bu nedenle, Karşılaştırmalar için, Farklar için p-değerlerini göster’i Tüm ikili farklar olarak ayarlayın ve Bonferroni ile karşılaştırma için Ayarlama yöntemini ayarlayın. Ardından karşılaştırmaları gerçekleştirmek için Çalıştır’ı tıklayın.

ANOVA ANALİZ SONRASI ÇIKTI

ANA ETKİ ÜZERİNE POST HOC

İkametin ana etkisi için çoklu karşılaştırmaları gösterir. Üstteki ekran, birinci sütundaki ikamet seviyelerini, ikinci sütundaki araçları ve üçüncü sütunda, Lineer Model prosedürü tarafından her bir ikamet seviyesine atanan kod numarasını gösterir.

Alttaki ekran, her bir ortalama farkla ilişkili olasılık değerlerini gösteren bir matrisin sunulmasında kod numaralarını kullanır. Örneğin, 1 ve 3 kodlu grupların (büyük şehir ve kırsal gruplar) ortalama farkı p = .0022 değerine sahiptir ve bu ortalama fark bu nedenle istatistiksel olarak anlamlıdır.

BASİT ETKİ ANALİZLERİ

Şekil 8.32, ana etki için az önce tanımladığımızla aynı şekilde yapılandırılmış etkileşim araçlarının ikili karşılaştırmalarını göstermektedir. Üstteki tablo gruplara kod numaralarını verir ve alttaki tablo ikili karşılaştırmalarla ilgili p değerlerini gösterir.

Kadınların 1, erkeklerin 2 olarak kodlandığını ve büyük şehirlerin, küçük kasabaların ve kırsal toplulukların sırasıyla 1, 2 ve 3 olarak kodlandığını hatırlayın. Böylece 2 olarak kodlanan grup cinsiyet = 1 ve ikamet = 2’yi yani küçük kasabalarda yaşayan kadınları; 5 olarak kodlanan grup ise cinsiyet = 2 ve ikametgah = 2’yi yani küçük kasabalarda yaşayan erkekleri temsil etmektedir.

Alt tablonun incelenmesi, bu ortalama farkla ilişkili p değerinin .2328 olduğunu, istatistiksel olarak anlamlı olmadığına karar vereceğimiz bir değer olduğunu gösterir. Daha anlamlı bir düzyazıya çevrildiğinde, küçük kasabalarda yaşayan erkekler ve kadınlar, ifade edilen yalnızlık derecelerinde farklılık göstermemektedir. Bölüm 8.12.3’te belirtildiği gibi, bu karşılaştırmaların bağlam içinde alınabilmesi için basit etki testlerinin sonuçlarının ortalamaların grafiğine göre incelenmesi gerekir.

SONUÇLARIN İLETİŞİMİ

Sonuçların yazılı bir özeti aşağıdaki gibidir:

Cinsiyet (erkek ve kadın) ve konut topluluğunun büyüklüğü (büyük şehir, küçük kasaba ve kırsal topluluk) kullanılarak denek tasarımı arasında 2 × 3, katılımcıların yalnızlık duygularını ne derece deneyimlediklerini değerlendirdi. Cinsiyetin ana etkisi F (1, 24) = 38.03, p < .05, η2 = .27 ve ana etkisi konut topluluğunun, F (2, 24) = 21.06, p < .05, η2 = .30, her ikisi de anlamlıydı, bunların yerini önemli Cinsiyet × Yerleşik Topluluk etkileşimi aldı, F (2, 24) = 19.16, p < .05, η2 = .27.

Etkileşim Şekil 1’de sunulmuştur. Alfa seviyesini .05’te tutmak için bir Bonferroni ayarlaması kullanılarak basit efekt testleri gerçekleştirilmiştir. Kadınlar hem küçük kasabalarda hem de kırsal topluluklarda büyük şehirlerde olduğundan daha yalnızdı. Erkekler küçük kasabalarda, büyük şehirlerde veya kırsal topluluklarda olduğundan daha yalnızdı. Ayrıca, her iki grup da küçük kasabalarda nispeten yalnız olsa da, kadınlar o çevrede erkeklere göre önemli ölçüde daha yalnızdı. Buna karşılık, kırsal topluluklarda kadınlar oldukça yalnızdı, ancak o çevrede erkekler hiç de çok yalnız değildi.

Post hoc testleri hangileridir
Post hoc örnekleri
Post hoc testi neden yapılır
Tukey testi yorumlama
Çoklu karşılaştırma testleri nelerdir
Scheffe testi
Tukey HSD testi nedir
Games-Howell testi

Üç Yönlü Konular Arası Tasarım

ÜÇ YÖNLÜ TASARIM İÇİN SAYISAL BİR ÖRNEĞİ

Bölüm 8’de iki yönlü bir faktöriyel oluşturmak için denekler arası tasarıma ikinci bir bağımsız değişken ekledik. Bu noktada, araştırma tasarımlarında denekler arası iki bağımsız değişkeni birleştirmek ile sınırlı olmadığımızı muhtemelen fark etmişsinizdir (yine de kendimizi tek bir bağımlı değişkeni analiz etmekle sınırlıyoruz).

Teorik olarak, bu tür tasarımların karmaşıklığı, tasarımlar daha karmaşık hale geldikçe katlanarak büyümesine rağmen, bu tür birçok değişkeni bir araya getirebiliriz. Araştırma literatüründe beş bağımsız değişken kullanan bazı ANOVA tasarımlarını ve dört değişken kullanan birkaç ANOVA tasarımını görmek mümkündür; ancak, çoğu araştırma sorusu için ortak sınır üç yollu tasarımlardır. Üç yollu bir tasarımı analiz etmenin mantığını anlıyorsanız, aynı stratejileri dört veya beş bağımsız değişkeni olanlarla başa çıkmak için kullanabilirsiniz.

Aşağıdaki basitleştirilmiş varsayımsal örnek veri setini kullanarak üç yönlü denekler arası tasarımın genel ilkelerini göstereceğiz. Devlet okulu sisteminden vatandaş memnuniyetini ölçmek istediğimizi varsayalım. Üç farklı siyasi tercihi temsil eden bireyleri örnekliyoruz: liberal, ılımlı ve muhafazakar (veri dosyasında sırasıyla 1, 2 ve 3 kodlu).

Ayrıca, bu kişilerin son seçimde oy kullanıp kullanmadıklarını (evet 1 ve hayır olarak 2 olarak kodlanmış) kodlayarak, oylamayı siyasi katılımın bir göstergesi olarak kullanırız. Son olarak, evde yaşayan okul çağındaki çocukların olup olmadığını kodluyoruz (evet 1, hayır 2 olarak kodlandı).

Devlet okulu sisteminden memnuniyeti değerlendirmek için, katılımcıların her birine bir anket uyguluyoruz ve toplam puanı hesaplıyoruz. Sıfıra yakın memnuniyet puanları sistemden çok az memnuniyeti yansıtır; 40’a yakın veya maksimum puanlar, devlet okulu sisteminden önemli ölçüde tatmin olduğunu yansıtmaktadır. Bu puanlar bağımlı değişkenimizi oluşturmaktadır.

Tasarım, verilerle birlikte Şekil 9.1’de sunulmaktadır. Hücre başına beş katılımcı vardır. Üç bağımsız değişkenle, konfigürasyonu tüm veri noktalarını gösterebileceğimiz şekilde çizmenin önemsiz bir yol olmadığını unutmayın. Tasarımı şematik olarak sunmak için bağımsız değişkenlerden birinin seviyelerini izole ederek segmentler halinde göstermemiz gerekir.

Verileri, okul çağındaki çocukların olup olmadığına göre katılımcıları ayırarak görüntülemeyi seçtik. Devlet okulu sisteminden memnuniyeti değerlendirmek için, katılımcıların her birine bir anket uyguluyor ve toplam puanı hesaplıyoruz. Sıfıra yakın memnuniyet puanları sistemden çok az memnuniyeti yansıtır; 40’a yakın veya maksimum puanlar, devlet okulu sisteminden önemli ölçüde tatmin olduğunu yansıtmaktadır. Bu puanlar bağımlı değişkenimizi oluşturmaktadır.

Tasarım, verilerle birlikte Şekil 9.1’de sunulmaktadır. Hücre başına beş katılımcı vardır. Üç bağımsız değişkenle, konfigürasyonu tüm veri noktalarını gösterebileceğimiz şekilde çizmenin önemsiz bir yol olmadığını unutmayın. Tasarımı şematik olarak sunmak için bağımsız değişkenlerden birinin seviyelerini izole ederek segmentler halinde göstermemiz gerekir.

Verileri, diğer bağımsız değişkenlerden biri tarafından da meşru bir şekilde parçalamış olsak da, evde okul çağındaki çocukların bulunup bulunmadığına göre katılımcıları ayırarak göstermeyi seçtik. Ayrılacak değişkeni bir kez seçtiğimizde, bu değişkenin düzeylerini kavramsal olarak karşılaştırmak biraz daha zorlaşır çünkü her bir düzeyi ayrı tablolardadır.

Şekil 9.1’deki tasarımı şematik olarak nasıl sunduğumuzdan yola çıkarak, bağımsız değişkenleri belirtme sırası keyfi olsa da bu tasarımın 2 × 3 × 2 olduğunu söyleyebiliriz. Tasarımdaki ayrı hücrelerin sayısı bağımsız değişkenlerin seviyelerinin benzersiz kombinasyonlarının sayısı – her bir değişkenin seviyelerinin sayısı çarpılarak bilinir.

Böylece, tasarımda her biri üç bağımsız değişkenin benzersiz bir kombinasyonunu temsil eden on iki hücre (2 × 3 × 2 = 12) vardır. Bu analiz aşaması – on iki hücre aracıyla çalışmak – tasarımın özüdür ve en yüksek dereceli etkiyi temsil eder (yani, en ayrıntılı etki).

The post ANA ETKİ ÜZERİNE POST HOC – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

Çoklu karşılaştırma testi yapmak, iki aşamalı bir süreçte gerçekleştirilir. İlk adım, bir farklılıklar matrisi oluşturma olarak adlandıracağımız, inceleme altındaki araçlar arasındaki tüm olası farklılıkları göstermeyi içerir. İkinci adım, çoklu karşılaştırma testi için özel bir istatistiksel formül kullanan bazı basit aritmetik işlemleri içerir.

Tablo 7.2, matrisin hem sütunları hem de satırları için artan düzende düzenlenmiş SAT hazırlama örneğimizden beş tedavi aracını göstermektedir. Böyle bir düzenleme (bir ortalamayı diğerinden çıkararak) tüm olası ikili karşılaştırmaları yapmamızı sağlar. Örneğin, sıfır (a1) ortalamasını kendisinden (412.86 − 412.86) çıkararak başlarız ki bu elbette hiçbir fark yaratmaz ve bir tire ile gösterilir.

Sonraki karşılaştırma, iki aylık düzey (a2) ile sıfır düzeyi (a1) arasındadır ve bu, 61’lik bir farkla sonuçlanır (yani, 474,29 – 412,86). Kesirli değerleri dağıtmak için yukarı veya aşağı yuvarladığımızı unutmayın. Aynı şekilde, dört aylık (a3) ​​ile sıfır (a1) arasındaki fark = 552,86 – 412,86.

Bu işlem, her satırdaki her değer için yapılır. Köşegenin altındaki matris değerlerini doldurmadığımıza dikkat edin, çünkü bu değerler köşegenin üstündekilerden fazla (ayna görüntüleri). Böyle bir ayna görüntüsü matrisi, matematiksel jargonda simetrik bir matris olarak adlandırılır. Bu fark değerlerini hesaplayarak, beş ortalamanın tüm olası kombinasyonlarının ikili bir karşılaştırmasını oluşturduk. İkinci adım, aşağıdaki gibi olan Tukey test formülünün hesaplanmasını içerir.

qt’nin değerini belirlemek için, elimizdeki üç gerekli bileşenle Studentized aralık istatistiğine dönüyoruz:

• r dfS/A = 30 (mevcut örnekte).
• r Karşılaştırılmakta olan sayı=5(mevcut örnekte).
• r Çalışmayı seçtiğimiz alfa seviyesi = .05.

Bu bize 56.42’ye eşit veya bu değeri aşan beş ikili farktan herhangi birinin istatistiksel olarak anlamlı bir fark olduğunu bildirir ve bunu fark matrisinde bir yıldız işaretiyle belirtiriz. Bu değerlendirmeden, altı aylık ve sekiz aylık çalışma grupları arasında hiçbir fark olmaması dışında, ay bazında çalışma süresi arttıkça SAT puanlarının önemli ölçüde daha yüksek olduğu sonucuna varıyoruz.

Yaygın olarak kullanılan bir başka post hoc testi, Fisher (1935) tarafından geliştirilmiştir ve en az anlamlı fark testi (LSD) olarak bilinir. Kullanımının gerekçesi Carmer ve Swanson’da (1973) bulunabilir. LSD formülü aşağıdaki gibidir (farkların matrisi ortalamalara değil, tedavi toplamlarına dayanmalıdır).

SPSS’DE TUKEY HSD TESTİ YAPILMASI

ANOVA’mızdan elde edilen çok amaçlı F oranı istatistiksel olarak anlamlıydı ve SPSS’deki Post Hoc penceresinde bulunan Tukey HSD prosedürünü kullanarak grup farklılıklarımızın nerede olduğunu belirlemeye hazırız. Veri dosyanızı açın. Ana menüden, Analiz Et ➜ Ortalamaları Karşılaştır ➜ Tek Yönlü ANOVA’yı seçin. Bu sizi Şekil 7.2’de gösterilen prosedür için ana iletişim penceresine getirecektir. Dependent List panelinde Faktör ve satscore olarak grup ile Şekil 7.2’de gösterildiği gibi yapılandırın.

Şekil 7.3’de gösterilen diyalog penceresine ulaşmak için Seçenekler butonuna tıklayın. Tanımlayıcı’yı seçin, ancak önceden yapılmış olan analiz ile artık Levene testini çalıştırmaya gerek yoktur. Ana Tek Yönlü ANOVA penceresine dönmek için Devam’a tıklayın. Şimdi SPSS’de bulunan post hoc testlerin listesine ulaşmak için Post Hoc düğmesine tıklayın. Şekil 7.4’te gösterildiği gibi Tukey’i seçin. Ardından Devam’a tıklayın ve ana pencerede, analizi çalıştırmak için Tamam’a tıklayın.

SPSS post hoc tests
HSD test
Tukey testi
Excel Tukey test
Post hoc testi nasıl yorumlanır
Tukey test spss
Post hoc testleri
Tukey testi yorumlama

SPSS’DEN TUKEY HSD ÇIKIŞI

Bölüm 6’da genel ANOVA çıktısını gördünüz ve bu nedenle doğrudan post hoc testlerin sonuçlarına gideceğiz. Şekil 7.5, Tukey ikili karşılaştırmalarının sonuçlarını özetlemenin uygun bir yolu olan homojen alt kümeler olarak bilinen bir biçimde çıktıyı göstermektedir. Grupların ortalamaları, en solda gösterilen grup adlarıyla ilk beş sıra boyunca gösterilir. Son dört sütunun her biri homojen bir alt kümeyi temsil eder.

Ekranı nasıl okuyacağınız aşağıda açıklanmıştır. Bir sütunun içindeki araçlar birbirinden farklı değildir. Sütun 4, 614.2857 (altı aylık çalışma grubu için) ve 622.8571 (sekiz aylık çalışma grubu için) ortalamalarını göstermektedir. Bu ortalamalar aynı sütunda yer aldığından, Tukey testinin bunların önemli ölçüde farklı olmadığını gösterdiğini biliyoruz.

Bu nedenle homojen alt kümeler terimi kullanılır – alt kümeler, ortalamaları karşılaştırılabilir gruplardan oluşur. Diğer sütunların her biri yalnızca tek bir ortalama gösterir. Bu nedenle, onlarla karşılaştırılabilir bir ortalama yoktur – diğer tüm araçlardan önemli ölçüde farklıdırlar.

Böyle bir yapı göz önüne alındığında, homojen çıktıyı (her şeyi açık hale getirmek için gerekenden daha fazla kelime kullanarak) soldan sağa şu şekilde okuyabiliriz:

• r Sıfır aylık çalışma grubu kendi alt kümesindedir ve en düşük ortalamaya sahiptir; bu nedenle diğer tüm gruplardan önemli ölçüde daha düşük puan almıştır.
• r İki aylık çalışma grubu kendi alt kümesindedir ve bu nedenle diğer tüm gruplardan önemli ölçüde farklıdır; bu grup, sıfır aylık çalışma grubundan önemli ölçüde daha yüksek puan aldı, ancak diğer gruplardan önemli ölçüde daha düşük puan aldı.
• r Dört aylık çalışma grubu kendi alt kümesindedir ve bu nedenle diğer tüm gruplardan önemli ölçüde farklıdır; bu grup, sıfır ay ve iki aylık çalışma gruplarından önemli ölçüde daha yüksek puan aldı, ancak altı ay ve sekiz aylık çalışma gruplarından önemli ölçüde daha düşük puan aldı.
• rAltıaylıkvesekizaylıkçalışma gruplarıbirbirinebirbir altkümedir ve bu nedenle farklılık göstermezler; ancak bu iki grup diğer tüm gruplardan daha yüksek puan aldı.

Homojen alt küme ekranı, Şekil 7.6’da gösterilen Çoklu Karşılaştırma çıktısındaki daha eksiksiz bilgileri özetler. Şekil 7.6’nın yapısı, SPSS’nin ikili karşılaştırmaların ayrıntılı bulgularını sunmak için çeşitli ANOVA prosedürlerinde kullandığı çok yaygın bir konfigürasyon türüdür.

Ekranın ana sıralarının her biri, gruplardan birine odaklanır. Ana satırların içindeki çizgiler ikili karşılaştırmaları sunar. Örneğin, ilk ana satırın ilk satırında, sıfır aylık çalışma grubu, iki aylık çalışma grubuyla karşılaştırılır. Ortalama fark -61.4286’dır. Bu değer aşağıdaki çıkarma işlemiyle elde edilmiştir (yazdırılan çıktı, uygulamanın hesaplamalarında kullandığından daha az ondalık basamak verdiği için son ondalık basamak tam sonuçları vermeyebilir).

The post SPSS’DE TUKEY HSD TESTİ – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).