Bu oturumda aşağıdakileri yapmayı öğreneceksiniz:

• Varyasyon katsayısını hesaplayın
• İki kişilik merkezi eğilim ve dağılım ölçülerini hesaplayın
değişkenler veya iki grup
• İki kişi için kovaryans ve korelasyon katsayısını hesaplayın
nicel değişkenler

Dağılımın Varyasyon Katsayısı ile Karşılaştırılması

Önceki oturumda, bir değişken için tanımlayıcı ölçüleri hesaplamayı ve bu ölçüleri farklı değişkenler için karşılaştırmayı öğrendiniz. Çoğu zaman, daha ilginç ve zorlayıcı istatistiksel sorular, iki veri grubunu karşılaştırmamızı veya iki değişken arasındaki olası ilişkileri keşfetmemizi gerektirir. Bu oturum, bu tür karşılaştırmalar yapmak ve bu tür ilişkileri açıklamak için teknikler tanıtır.

İki değişkenin veya iki veri kümesinin ortalamalarını veya medyanlarını karşılaştırmak yeterince basittir. Öte yandan, iki değişkenin dağılımını karşılaştırdığımızda, bireysel veri değerlerinin büyüklüğünü hesaba katmak bazen yardımcı olur.

Örneğin, olgun akçaağaç ağaçlarının ve mısır saplarının yüksekliklerini örneklediğimizi varsayalım. Ağaçların standart sapmasının saplarınkinden daha büyük olacağını tahmin edebiliriz, çünkü yüksekliklerin kendileri çok daha büyük. Genel olarak, büyük ortalamaya sahip değişkenler, büyük dağılıma sahip olma eğiliminde olabilir. İhtiyacımız olan, göreceli bir dağılım ölçüsüdür.

Varyasyon katsayısı (CV) budur. Özgeçmiş, Telif Hakkı 2010 Cengage Learning’e aittir. Her hakkı saklıdır. Tamamen veya kısmen kopyalanamaz, taranamaz veya çoğaltılamaz. Elektronik haklar nedeniyle, bazı üçüncü taraf içerikleri eKitaptan ve/veya eBölüm(ler)den gizlenebilir. Editoryal inceleme, bastırılmış herhangi bir içeriğin genel öğrenme deneyimini önemli ölçüde etkilemediğini kabul etmiştir. Cengage Learning, sonraki hak kısıtlamalarının gerektirmesi halinde herhangi bir zamanda ek içeriği kaldırma hakkını saklı tutar.

Ne yazık ki, SPSS’nin bir veri dosyasındaki bir değişken için varyasyon katsayısını hesaplama komutu yoktur. Yaklaşımımız, SPSS’nin ortalama ve standart sapmayı bulmasını ve CV’yi elle hesaplamasını sağlamak olacaktır.

Kolejler adlı dosyayı açın.

Tanımlayıcı İstatistikleri Analiz Edin Tanımlayıcılar… Eyalet içi eğitim (tuit_in) ve Eyalet dışı eğitim (tuit_out) değişkenlerini seçin. Bu değerler devlet kolejleri ve üniversiteler için farklıdır, ancak özel okullar için genellikle aynıdır. Şaşırtıcı olmayan bir şekilde, eyalet dışı eğitimin ortalaması eyalet içi eğitimden daha fazladır.

Ancak standart sapmalara dikkat edin. Hangi değişken daha çok değişir? Neden böyle? Varyasyon katsayısına baktığımızda karşılaştırma daha da ilginçtir.

El hesaplayıcınızı kullanarak her iki değişken için de varyasyon katsayısını bulun. Bu iki değişken için varyasyon derecesi hakkında ne fark ediyorsunuz? Eyalet içi eğitim, eyalet dışından biraz daha fazla mı yoksa çok daha fazla mı değişiyor? Varyasyondaki farklılıkları hangi gerçek dünya nedenleri açıklayabilir?

Varyasyon katsayısı
Varyasyon katsayısı Formülü
Varyasyon katsayısı kaç olmalı
Varyasyon katsayısı hesaplayıcı
Varyasyon katsayısı ne ise yarar
Varyasyon katsayısı yorumlama
Değişim katsayısı hesaplama programı
Değişim katsayısı formülü

Alt Numuneler için Tanımlayıcı Ölçüler

İkamet durumu, öğrenim ücretini belirlemede sadece bir faktördür. Bir diğer önemli husus, kamu ve özel kurumlar arasındaki farktır. Kamu (devlet) okulları için 1 ve özel okullar için 2’ye eşit olan PubPvt adında bir değişkenimiz var. Başka bir deyişle, PubPvt sütunu, okulların niteliksel bir niteliğini temsil eder. Bu iki kurum grubu için ayrı tanımlayıcı ölçüler hesaplayabiliriz. Bunu yapmak için, Keşfet komutunu çağırıyoruz:

Tanımlayıcı İstatistikleri Analiz Et Keşfet… İletişim kutusunda gösterildiği gibi, Bağımlı Liste olarak iki öğrenim değişkenini ve Faktör Listesi olarak Devlet/Özel Okulu seçin. Görüntüle alanında İstatistikler’i seçin ve Tamam’a tıklayın.

Sayısal sonuçlar için Görüntüleyici penceresine bakın. Bunlar, yeni bir bükülme ile biraz tanıdık gelmelidir. Her değişken için iki set çıktı belirir. Birincisi, PubPvt değeri 1 olan örnek gözlemlere atıfta bulunur (yani Devlet okulları); ikincisi Özel okul alt örneğini ifade eder. Çıktıya alışmak için bir dakikanızı ayırın. Dört çıktı setinin her biri için CV’leri hesaplayın; nispeten konuşursak, dağılım en büyük nerede?

İlişki Ölçüleri: Kovaryans ve Korelasyon

Az önce nicel bir değişken (Öğretim) ve nitel bir değişken (Genel ve Özel) arasındaki ilişkiyi tanımladık. Bazen, iki nicel değişken arasındaki olası bir ilişki veya ilişki ile ilgilenebiliriz. Örneğin, bu veri setinde, bir okulun aldığı kabul başvurularının sayısı (AppsRec) ile kabul için kabul ettiği yeni öğrenci sayısı (AppsAcc) arasında bir ilişki olmasını bekleyebiliriz.

Grafikler ChartBuilder…Galeri seçeneklerinden, Dağılım/Nokta’yı seçin ve ilk dağılım grafiği simgesini (basit) önizleme alanına sürükleyin. AppsAcc’ı y eksenine ve AppsRec’i x eksenine yerleştirin. Bir ilişkinin kanıtını görüyor musunuz? Nasıl tarif edersiniz?

Bunun gibi bir grafik, x ve y’nin birlikte değişmeye yönelik güçlü bir eğilimi gösterir. Bu durumda, daha yüksek x değerlerine sahip okullar da daha yüksek y değerlerine sahip olma eğilimindedir. Değişkenlerin anlamı göz önüne alındığında, bu mantıklı.
Kovaryasyonun iki yaygın istatistiksel ölçüsü vardır. Bunlar kovaryans ve korelasyon katsayısıdır. Her iki durumda da, bir çift değişken için mevcut tüm gözlemler kullanılarak hesaplanırlar. İki değişkenin, x ve y’nin örnek kovaryansının formülü şudur.

Genel olarak, ilgimizi şu şekilde hesaplanan korelasyonla sınırlandırırız:

İki Değişkeni İlişkilendirin Analiz Edin… DeğişkenleriAppsRec ve AppsAcc’ı seçin ve Tamam’ı tıklayın. Sonuçları Görüntüleyici pencerenizde göreceksiniz.

Bu resimde vurgulanan iki eşit değer, 1289 okula dayalı olarak alınan başvurular ile kabul edilen başvurular arasındaki örnek korelasyondur. Notasyon Sig. (2-kuyruklu) ve “Korelasyonun 0.01 düzeyinde anlamlı olduğunu” gösteren tablo dipnotu 11. Oturumda açıklanacak; bu noktada .000 anlamlılık değerinin istatistiksel olarak anlamlı bir korelasyona işaret ettiğini söylemek yeterlidir.

Tanım olarak, bir korelasyon katsayısı (sembol r) -1 ile +1 arasında bir değer alır. 1’e yakın mutlak değerler güçlü korelasyonlar olarak kabul edilir; yani, iki değişken birlikte değişmek için güçlü bir eğilime sahiptir. Bu tablo, değişkenler arasında güçlü bir ilişki olduğunu göstermektedir. 0’a yakın mutlak değerler, iki değişken arasında çok az ilişki veya ilişki olduğunu gösteren zayıf korelasyonlardır.

Değişkenler, birçok olası nedenden dolayı güçlü örnek korelasyonlarına sahip olabilir. Birinin diğerine neden olması (veya tam tersi), üçüncü bir değişkenin her ikisine de neden olması veya bu belirli örnekte gözlemlenen ilişkilerinin yalnızca bir tesadüf olması olabilir. Kursunuzun ilerleyen bölümlerinde öğreneceğiniz gibi, korelasyon istatistiksel akıl yürütmede önemli bir araçtır, ancak korelasyonun nedensellik anlamına geldiğini asla varsaymamalıyız.

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