Normallik üç şekilde değerlendirilebilir.

• Dağılımımızın şeklinin normal olduğu sıfır hipotezini test etmek için Shapiro–Wilk ve/veya Kolmogorov–Smirnov prosedürlerini kullanabiliriz.
• Dağılımımızın çarpıklığını ve basıklığını değerlendirebiliriz.
•Histogramları ve normal olasılık grafiklerini görsel olarak inceleyerek normalliği grafiksel olarak değerlendirebiliriz.

IBM SPSS®, bir dağılımın normalliği için iki istatistiksel test sağlar: Shapiro–Wilk ve Kolmogorov–Smirnov testleri. Shapiro–Wilk testi, bir örnek dağılımının normal dağılmış bir popülasyondan geldiğine dair sıfır hipotezini değerlendirir. Dolayısıyla istatistiksel olarak anlamlı bir sonuç (p<.05) normallik ihlalinin göstergesidir.

Kolmogorov–Smirnov testi, bir örnek dağılımını standardize eder ve bunu referans standart normal dağılımla karşılaştırır. İstatistiksel olarak anlamlı bir sonuç (p ​​< .05) olası bir normallik ihlalini gösterir. Bununla birlikte, bu testler oldukça güçlüdür ve büyük örneklem büyüklükleri ile normallikten sapma pratikte önemli olmadığında bile istatistiksel olarak anlamlı bir sonuç verecektir.

Puanların dağılımları normallikten saptığında, çarpıklık ve basıklıklarının belirlenmesi yararlıdır. Çarpıklık, bir dağılımın simetri derecesini tanımlar. Normal bir eğrinin çarpıklığı sıfırdır. Sıfıra yakın (±1.00’den küçük) çarpıklık değerleri, nispeten simetrik bir dağılımın göstergesi olarak kabul edilir.

Bu aralığın dışındaki değerler, puanların dağılımın alt ucu etrafında toplandığı pozitif çarpıklığı veya puanların bir dağılımın üst ucu etrafında kümelendiği negatif çarpıklığı gösterebilir.

Basıklık, puanların dağılımının normal eğriye göre sıkıştırılmış (doruk) veya düz olup olmadığını ifade eder. Normal bir eğrinin basıklığı sıfırdır. ±1.00’den küçük basık değerlerinin tipik olarak normal eğri aralığında olduğu kabul edilir; bu aralığın dışındaki değerler ya leptokurtik olarak kabul edilebilir, bunlar nispeten daha tepeli dağılımlardır (pozitif basıklık) veya platykurtiktir, nispeten daha düz dağılımlardır (negatif basıklık).

Histogramlar, nicel veya metrik bir değişkenin puan dağılımının frekans dağılımını gösteren grafiksel bir araçtır. Nicel değişkenin değerleri X ekseninde temsil edilir ve oluşma sıklığı Y ekseninde temsil edilir. IBM SPSS ayrıca hızlı bir görsel inceleme için histogram üzerine normal bir eğri ekleyebilir. Tipik olarak, kategorik (metrik olmayan) değişkenler, histogramlar yerine çubuk grafiklerle profillendirilir.

Normal bir olasılık grafiğinde, bir değişkenin gözlenen değerleri sıralanır ve beklenen normal bir değer dağılımına karşı çizilir. Normal bir dağılım, düz bir çapraz çizgiye düşen değerler üretir ve çizilen veri değerleri bu köşegenle karşılaştırılır. Veri değerleri çapraz çizgiyi takip ederse, normallik varsayılır.

Sağa çarpık dağılım örnekleri
Sola çarpık dağılım örnekleri
Sağa çarpık dağılım grafiği
Normal dağılım özellikleri
Standart normal dağılım
Normal dağılım eğrisi
Normal dağılım Soruları
Z Tablosu

SAYISAL ÖRNEK

Mevcut örnek, ruh sağlığı müşterilerinin GAF puanlarını ve yaşlarını incelemektedir. Her değişken için puan dağılımını inceleyeceğiz ve bu iki nicel (metrik) değişkenin normallik ihlallerini değerlendireceğiz. Veriler, GAF ve yaş adlı dosyada bulunabilir.

ANALİZ STRATEJİSİ

IBM SPSS, Frekanslar ve Keşfet’teki üç tanımlayıcı istatistik prosedüründen ikisini kullanıyoruz. Her ikisinde de hemen hemen aynı çıktı mevcuttur. Çarpıklık ve basıklık bilgilerini oluşturmak ve üzerine normal eğrinin bindirildiği bir histogram elde etmek için Frekanslar prosedürünü kullanırız; Normallik testleri oluşturmak ve normal olasılık grafiğini oluşturmak için Keşfet prosedürünü kullanıyoruz.

ANALİZ KURULUMU: FREKANSLAR

GAF ve age adlı veri dosyasını açıyoruz ve ana menüden Analiz ➔ Tanımlayıcı İstatistikler ➔ Frekanslar’ı seçip Şekil 20.2’de görülen Frekanslar diyalog penceresini oluşturuyoruz. GAF ve yaşı Değişken(ler) paneline taşıdık ve Frekans tablolarını görüntüle onay kutusunu devre dışı bıraktık.

İstatistikler butonunun seçilmesi, Şekil 20.3’te gösterilen ve sadece Çarpıklık ve Basıklık onay kutularını etkinleştirdiğimiz İstatistikler diyalog penceresini üretir. Devam’ı tıklatmak bizi ana iletişim penceresine döndürür.

Grafikler düğmesinin seçilmesi, Grafikler iletişim penceresini oluşturur. Histogramlar ve Histogramda normal eğriyi göster seçeneklerini etkinleştirdik. Ana iletişim penceresine dönmek için Devam’a tıklayın ve analizi gerçekleştirmek için Tamam’a tıklayın.

ANALİZ ÇIKTI: FREKANSLAR

Çarpıklık ve basıklık çıktısı Şekil 20.5’te gösterilmektedir. GAF değişkeni için hem çarpıklık (.247) hem de basıklık (-.331) değerleri ±1.00 ölçütü içindedir; bu nedenle dağılım nispeten simetriktir ve normal eğriye göre ne özellikle sıkıştırılmış ne de düzleşmiş görünmektedir. Yaş için basıklık değeri (.379) da ±1.00 kriteri içindedir, ancak yaş 1.075 değeriyle pozitif olarak çarpık görünmektedir.

Çarpıklık ve basıklık değerlerini incelerken standart hatalarını dikkate almak önemlidir. Bir istatistik etrafında bir güven aralığı oluşturmak için genel olarak standart hatayı kullanırız. Örneğin standart hatayı 1,96 ile çarparak ve bu değerden bu değeri istatistiğin değerine ekleyerek, %95 güven aralığının alt ve üst sınırlarını belirleyebiliriz. Daha sonra elde edilen çarpıklık ve basıklık değerlerini değerlendirmek için bu %95 güven aralığını kullanabiliriz.

GAF ile ilgili olarak, standart çarpıklık hatası .383’tür ve 1.96 * .383, .751’dir. Bu değeri .247’ye çıkarmak ve eklemek, −.504 ila .998 arasında %95’lik bir güven aralığı verir. Sıfır çarpıklık değerinin güven aralığı içinde olduğu ve dolayısıyla elde edilen çarpıklık değerinin istatistiksel olarak sıfırdan farklı olmadığını düşündürdüğü görülecektir. GAF için basıklığın standart hatası .750’dir ve 1.96 * .750, 1.470’dir. Bu değeri −.331’e çıkarmak ve eklemek, −1.801 ila .419 arasında %95’lik bir güven aralığı verir. Sıfır basıklık değerinin de kendi güven aralığı içinde olduğu ve dolayısıyla elde edilen basıklık değerinin istatistiksel olarak sıfırdan farklı olmadığını düşündürdüğü görülmektedir.

Yaşa göre, standart çarpıklık hatası .383 ve 1.96*.383 .751’dir. Bu değeri 1.075’e çıkarmak ve eklemek, .324–1.826’lık bir %95 güven aralığı verir. Sıfır çarpıklık değerinin güven aralığına girmediği ve dolayısıyla yaş dağılımının simetrik olmadığını düşündürdüğü görülmektedir. Yaş için basıklığın standart hatası .750, 1.96 * .750 ise 1.470’dir.

Bu değeri .379’a çıkarmak ve eklemek, −1,091 ila 0,1,849 arasında %95’lik bir güven aralığı verir. Sıfır basıklık değerinin güven aralığı içinde olduğu ve dolayısıyla elde edilen basıklık değerinin istatistiksel olarak sıfırdan farklı olmadığını düşündürdüğü görülmektedir. GAF ve yaş değişkenleri için frekans histogramlarını sunar.

Her grafiğin yatay ekseni, sırasıyla GAF puanları ve yaş değerlerinin 10 puanlık artışlarıyla çizilir. Dikey eksen, meydana gelme sıklığını temsil eder. Her histogram üzerine bindirilen normal eğri, uygun bir görsel referans sağlar. Histogramlardan, GAF puanlarının normal bir dağılıma çok yakın olduğu görülmektedir, ancak daha önce belirttiğimiz gibi, yaş değişkeni gözle görülür şekilde pozitif olarak çarpıktır.

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

Genellikle normal bir değişkenin belirli bir aralıkta olma olasılığını hesaplamamız gerekir. Güçlü istatistiksel yazılımların mevcut olmasından çok önce, öğrencilere bir değişkeni standart normal değişkene3, z dönüştürmeleri, bir alan tablosuna bakmaları ve ardından olasılığı bulmak için alanları manipüle etmeleri öğretildi.

SPSS ile artık basılı standart normal tablolara güvenmemize gerek yok. Hesapladığınız kümülatif değerleri kullanarak bu olasılıkları kolayca bulabiliriz. Öncelikle standart kümülatif normal dağılım grafiğine bir göz atalım.

Grafikler Grafik Oluşturucu… Bu sefer, yine de bireysel vakaların değerlerini temsil eden Basit bir çizgi grafiği seçin. Çizgi, ortalaması 0 ve standart sapması 1 olan değişken için kümülatif olasılıkları temsil etmelidir. Cum’u seçin. Normal (0,1) [cn01].

CN01’in şekli hakkında ne fark ediyorsunuz? Bu eğri üzerindeki (0, 0,5) noktasına bakın: Standart normal değişken hakkında neyi temsil ediyor?

Şimdi p(–2.5 < z < 1) bulmak istediğimizi varsayalım. Olasılıkları bulmak için cn01’i kaydırabilir veya aşağıdaki gibi doğrudan talep edebiliriz.

Değer adlı boş değişken sütununa, yalnızca –2.5 ve 1 sayılarını yazın. Hesaplama Değişkenini Dönüştür… Hedef Değişkeniniz için cumprob yazın. Sayısal İfade, CDF.NORMAL(değer, 0,1) şeklindedir.

p(–2,5 < z < 1) bulmak için, p(–2,5 < z)’yi p(z < 1)’den çıkarırız. Başka bir deyişle, .8413 – .0062 hesaplıyoruz ve .8351 alıyoruz. Bu yaklaşım, normal olarak dağıtılan herhangi bir rastgele değişken için çalışır. x’in ortalaması 500 ve standart sapması 100 olan normal olduğunu varsayalım. p(500 < x < 600) bulalım.

Değerin ilk iki hücresine 500 ve 600 yazın. Hesaplama iletişim kutusunu yeniden düzenleyin. Sayısal İfadede, ortalama parametreyi 500, standart sapmayı 100 olarak değiştirin. Bir kez daha, iki kümülatif olasılık değerini çıkarın.
p(500 < x < 600) nedir? p(x > 600)? p(x < 300)?

Model Olarak Normal Eğriler

Normal dağılımın bu kadar önemli olmasının bir nedeni, çeşitli diğer dağılımlara yakın bir yaklaşım olarak hizmet edebilmesidir. Örneğin, birçok deneme içeren binom deneyleri yaklaşık olarak normaldir. 100 deneme ve p(başarı) = .20 olan bir binom değişkeni örneğini deneyelim.

Hesaplama Değişkenini Dönüştür.  Hedef değişken binomdur ve ifade CDF.BINOM’dur (yüz, 100, .2). Önceki örneklerde olduğu gibi, bu kümülatif binom dağılımını oluşturur. Graphs Chart Builder… Binom adı verilen değişkeni temsil eden basit bir çizgi grafiği yapın ve yüzlerce değer yatay eksen için etiket görevi görür.

Bu dağılımın normal bir dağılımla tahmin edilebileceğini görüyor musunuz? Soru şu ki, özellikle hangi normal dağılım? n = 100 ve p = .20 olduğundan, binom değişkeninin ortalaması ve standart sapması 20 ve 4.4 Bu parametrelerle normal bir eğri oluşturalım.

Standart normal dağılım özellikleri
Normal dağılım grafiği
istatistik : normal dağılım örnekleri
Normal eğri alanları tablosu
Standart normal dağılım tablosu
Z Tablosu
Standart normal dağılım hesaplama
Normal dağılım Tablosu

Hesaplama Değişkenini Dönüştür… Buradaki hedef değişken cn204’tür ve ifade CDF.NORMAL(yüz,20,4)’tür.

Binom ve cn204 adlı iki değişkeni temsil eden iki çizgi grafiği oluşturun ve yatay eksen bir kez daha yüz olur. İki eğrinin yaklaşık olarak aynı olduğunu söyleyebilir misiniz? Normal eğri, genellikle gerçek dünyada gözlenen verilerin iyi bir tahminidir. İki örnek düşünelim.

42 ülkeden yıllık ekonomik ve demografik verileri içeren PAWorld dosyasını açın.

İki değişkeni ele alacağız: bir ülkenin enflasyona göre düzeltilmiş (“gerçek”) Gayri Safi Yurtiçi Hasılasının her yıl harcanan veya tüketilen oranı ve her bir ülkenin GSYİH’sının her yıl Amerika Birleşik Devletleri’nin GSYİH’sine oranı.

Grafikler ChartBuilder…Basit bir histogram seçin ve GSYİH’nin [c] gerçek tüketim yüzdesi değişkenini x eksenine sürükleyin. Çubuklar için Eleman Özellikleri’nde, Normal eğriyi görüntüle etiketli kutuyu işaretleyin.
Aynısını ABD’ye göre Kişi Başına GSYİH değişkeni için yapın.

Normal (oturumun ilk bölümündeki simüle edilmiş verileri içerir)

1. Öğrendiklerinizi, ortalaması 8 ve standart sapması 2.5 olan normal bir rastgele değişken için aşağıdaki olasılıkları hesaplamak için kullanın.

2. Aşağıdakileri yapmak için yüz ve binom değişkenlerini kullanın: n = 100 ve p = 0.4 parametreleriyle bir binom dağılımı için kümülatif olasılıklar oluşturun. Oturumda gösterildiği gibi, uygun kümülatif normal olasılıkları da hesaplayın (uygun μ ve σ’yı belirlemelisiniz). Binom ve normal olasılıkları karşılaştırmak için bir grafik oluşturun; karşılaştırmaya yorum yapın.

Çıktı

Bu dosya, Amerika Birleşik Devletleri’nin uzun yıllardır sanayi üretimine ilişkin aylık verileri içermektedir. İlk sütun tarihi içerir ve sonraki altı, Ek A’da açıklanan belirli değişkenleri içerir. Altı değişkenin tümü için üst üste bindirilmiş normal eğrilerle altı histogram oluşturun.

3. Histogramlarına göre, altı değişkenden hangisi size en normal dağılıma yakın görünüyor? En azından normale yakın mı?

4. Normale en yakın olarak seçtiğiniz değişkenin normal bir dağılım izlemesi için gerçek hayattan bazı nedenler önerin. Yani, belirli bir değişkenin hangi özellikleri, neden normal bir eğri izlediğini açıklayabilir?

BP

Bu dosya, farklı fiziksel ve psikolojik stres altındaki bireylerden oluşan bir numunenin kan basıncı okumalarını ve diğer ölçümlerini içerir.

5. dbprest değişkeni, bireylerin istirahat diyastolik kan basıncını ifade eder. Bu değişkenin bir histogramını oluşturun ve normal olarak dağılmış göründüğü ölçüde yorum yapın.

6. dbprest’in örnek ortalamasını ve standart sapmasını bulun. Rastgele seçilen bir kişinin diyastolik kan basıncının 76.6’yı aşma olasılığını hesaplamak için CDF.NORMAL işlevini ve örnek ortalamasını ve standart sapmasını kullanın. Başka bir deyişle, p(x > 76.6) bulun.

Örnekte, insanların yaklaşık %10’unun diyastolik okumaları 76.6’nın üzerindeydi. Bu, az önce bulduğunuz normal olasılıkla nasıl karşılaştırılır?

Bu dosya 252 erkeğin vücut ölçülerini içermektedir. Çıktı veri kümesi için açıklanan aynı tekniği kullanarak, bunları araştırın.
değişkenler:

• FatPerc
• Yaş
• Ağırlık
• Boyun
• Biceps

7. Histogramlarına göre, hangi değişken en yakın görünüyor?
size normal olarak dağıtıldı mı? En azından normale yakın mı?

8. Normale en yakın olarak seçtiğiniz değişkenin normal bir dağılım izlemesi için gerçek hayattan bazı nedenler önerin.

9. Boyun ölçüm değişkeni için örnek ortalamasını ve standart sapmayı bulun. Bu değerleri normal bir eğrinin parametreleri olarak kullanın ve teorik kümülatif olasılıkları oluşturun. Bu olasılıkları kullanarak, boyun ölçüleri 29 ile 35 cm arasında olan erkeklerin yüzdesini tahmin edin. Aslında, örneklemdeki erkeklerin 23’ü (%9,1) bu aralığa düştü; Bu sonuç sizin tahmininizle nasıl karşılaştırılır? Karşılaştırma hakkında yorum yapın.

The post Model Olarak Normal Eğriler – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).

1 Ekranın üst kısmındaki menüden Analiz et, ardından Ortalamaları Karşılaştır’ı ve ardından Bağımsız numuneler t-testini tıklayın.
2 Memnuniyeti Test Değişkenine taşıyın.
3 Danışmanı Gruplandırma Değişkenine taşıyın.
4 Grupları Tanımla’ya tıklayın (Gruplandırma Değişkeniniz danışman olduğundan,
her biri için sayısal bir değer belirtmek için, başka bir deyişle, John için 1, Jane için 2).
5 Grup 1’e 1 değerini (John için) ve Grup 2’ye 2 değerini (Jane için) girin.
6 Devam’ı ve ardından Tamam’ı tıklayın.
Daha sonra size aşağıdaki (oldukça korkutucu) çıktı sunulmalıdır.

Grup istatistikleri tablosu, her kategorideki öğrenci sayısını ve ortalama değerleri gösterir, bu ortalamalardan John için ortalama puanın 4.86, Jane için ise 3.50 olduğunu görebiliriz.

Tablo ayrıca bize her grup için puanların standart sapmasını sağlar. Bu, her bir puan grubu için ortalamadan ortalama sapmadır – puanların yayılmasının bir ölçüsünü sağlar. Jane için memnuniyet derecelendirmelerinin standart sapmasının John için olanlardan biraz daha büyük olduğuna dikkat edin. Bu, Jane’in derecelendirmelerinde puanların dağılımının biraz daha büyük olduğunu görebildiğimiz kutu grafiklerinde (aşağıda) grafik olarak görüntülenir.

Böylece John’u görmeye giden hastalarda memnuniyet oranlarının daha yüksek olduğunu görebiliriz, ancak bu istatistiksel olarak anlamlı bir fark mı?

Bağımsız örnekler testi çıktı tablosu ilk olarak varyansların eşitliği için Levene testini sağlar. ‘Varyans homojenliği’nin bir parametrik test kullanmak için gerekli varsayımlardan biri olduğunu hatırlayın, bu nedenle bu, her iki puan grubundaki (John ve Jane için derecelendirmeler) varyansın (puanların dağılımı) nispeten benzer olup olmadığını kontrol etmektir.

Bu testin değeri anlamlı olmadığından (0,281, 0,05 olan anlamlılık düzeyimizden daha büyüktür), bu, bu varsayımı ihlal etmediğimiz anlamına gelir ve bu tablonun ilk satırını inceleyerek devam edebiliriz – eşit varyanslar varsayılır (ihlal, alıntı yapmak anlamına gelir). tablonun biraz daha muhafazakar alt satırı).

Sütun başlı Sig. (2-kuyruklu) bize iki ortalamadaki farkın istatistiksel olarak anlamlı olup olmadığını söyler (iki ortalamadaki (1,357) fark bir sonraki sütunda verilmiştir). Bu değer 0,015 olduğundan ve dolayısıyla geleneksel anlamlılık düzeyimiz olan 0,05’ten daha küçük bir değer olduğundan, iki gruptan alınan puanlarda anlamlı bir fark olduğu sonucuna varabiliriz. Bunu bir raporda şöyle yazabiliriz:

Danışmanların her biri için memnuniyet derecelendirmelerindeki farklılıkları incelemek için bağımsız bir örneklem t-testi kullanıldı. Sonuçlar, John için verilen puanların (Ort. = 4.86; SD = 1.23) Jane’den (Ort. = 3.5; SD = 1.59) daha yüksek olduğunu gösterdi; t = 2.58, p = .015.

Tek Kuyruklu ve İki Kuyruklu Testler

İstatistiklerde 1 kuyruklu ve 2 kuyruklu anlamlılık düzeylerini seçebiliriz. ‘2 kuyruklu’ bir önem düzeyi, yönsüz bir hipotezle ilgilidir. Dolayısıyla, bu özel örnekte hipotezimiz (tahminimiz) şöyle olabilirdi: iki danışman için memnuniyet derecelendirmelerinde bir fark olacaktır. ‘2-kuyruklu’ çünkü Jane’in reytinglerinin mi yoksa John’un reytinglerinin mi daha yüksek olacağını belirtmiyoruz – sadece bir fark olacağını (her iki şekilde de) belirtmiyoruz.

Bu, sonucun yönünün belirtildiği “1 kuyruklu” bir önem düzeyinin aksinedir, örneğin: Jane için memnuniyet derecelendirmeleri John için olanlardan daha yüksek olacaktır. Genel olarak, herhangi bir tahmine rağmen sonuçtan nadiren emin olabileceğiniz için 2 uçlu önem düzeyi belirtilir.

Tek ve çift yönlü hipotez örnekleri
Tek kuyruklu hipotez örnekleri
Z Tablosu
Tek kuyruklu hipotez Nedir
Tek ve çift yönlü hipotez Nedir
Hipotez testi p değeri hesaplama
Anlamlılık düzeyi hesaplama
Hipotez testleri

Güvenilirlik aralığı

Son sütun, farkın yüzde 95 güven aralığını sağlar. Bu tablodaki güven aralıkları 0,28 ile 2,43 arasında bir değer aralığı sağlar. Esasen bu, örneklememizin yüzde 95’inde tekrarlandığında, farklılıkların bu parametreler dahilinde olması bekleneceği anlamına gelir.

Dolayısıyla, verilerimiz için ortalama fark 1,36 olmasına rağmen, güven aralıkları, bu veri toplamayı 100 kez tekrarlarsak, John ve Jane için memnuniyet derecelendirmelerinde 95’te 0.28 ile 2.43 arasında bir fark bulmayı bekleyeceğimizi gösteriyor. olayların yüzdesi. Dolayısıyla, farkın 0,28 ile 2,43 arasında olacağından yüzde 95 eminiz.

Bu parametreler öğretici olabilir. En düşük değerin 0.28 olduğuna dikkat edin. Bu, yalnızca iki danışmanın derecelendirmelerindeki farkın en az 0,28 olduğundan emin olabileceğimiz anlamına gelir, ki bu çok fazla değildir. Nispeten küçük örneklemimizin oldukça küçük anlamlı bir fark önerdiği sonucuna varabiliriz, ancak puanlardaki farkın gerçek boyutuna olan güvenimizi artırmak için daha büyük bir öğrenci örneğine ihtiyaç duyulacaktır.

Her danışman için seans sayısının karşılaştırılması

İncelemeye karar verdiğimiz bir sonraki fark, her bir danışman tarafından yürütülen danışmanlık seanslarının sayısıdır. Biri diğerinden daha fazla seans mı sunuyor? Belki bu, birinin neden daha yüksek memnuniyet dereceleri aldığını açıklamaya yardımcı olabilir?

Önceki analizde olduğu gibi, öncelikle uygun istatistiksel teste karar vermemiz gerekiyor. Şekil 6.1’e geri dönersek, iki bağımsız veri örneğiyle uğraştığımızı biliyoruz, bu nedenle bir sonraki görevimiz parametrik mi yoksa parametrik olmayan bir test mi kullanmamız gerektiğini bulmak. Normal dağılımı kontrol etmek için histogram üretme prosedürünü tekrarlayın:

1 Ekranın üst kısmındaki menüden Grafikler’e ve ardından Grafik Oluşturucu’ya tıklayın.
2 Galeriden Histogram’ı seçin ve ilk Histogramı önizleme alanına sürükleyin.
3Oturumları X eksenine sürükleyin.
4Gruplar/Nokta Kimliği’ne tıklayın ve Satırlar paneli Değişken onay kutusunu işaretleyin.
5 Değişken danışmanını Panel kutusuna sürükleyin.
6Ekranınızın sağındaki Öğe Özellikleri bölümünde, Normal eğriyi görüntüle’nin yanındaki kutuyu işaretleyin.
7 Uygula’yı ve ardından Tamam’ı tıklayın.

Bu, aşağıdaki histogramları üretmelidir (Grafik Düzenleyicide ölçeği (ve artışları) maksimum 12 olan oturum sayısına uyacak şekilde değiştirdim):

Şimdi, bu iki histogramdaki ‘normal eğri’ verilerin normal olarak dağıldığını öne sürse de, John’un oturumları için gerçek verilerin daha düşük oturum sayısına doğru çarpık göründüğünü görebiliriz. Bu, bunlar gibi grafiklerin nasıl aldatıcı olabileceğini gösterir. Bu nedenle, X eksenini Grafik Düzenleyiciyi kullanarak yalnızca gerçek oturum aralığını (1–12) içerecek şekilde değiştirirsek, biraz farklı bir resim elde ederiz.

Jane’in histogramının normal bir dağılıma yaklaştığını görebiliriz, ancak John’un seansları için histogramın, verilerin alt uca doğru çarpık olduğunu öne sürdüğünü görebiliriz. Bu nedenle, yukarıda açıklanan normallik istatistikleri testlerini kullanarak doğrulama için bir ana adayımız var:

1 Ekranın üst kısmındaki menüden Analiz et, ardından Tanımlayıcılar ve ardından Keşfet üzerine tıklayın.
2 Oturumları Bağımlı listesine ve danışmanı Faktör listesine taşıyın.
3 Ekran altında, Grafikler’in yanında yalnızca bir onay işareti olduğundan emin olun.
4 Plots diyalog kutusunu açmak için Plots sekmesine tıklayın.
5 Kutu Grafikleri altında Hiçbiri’ni tıklayın ve Tanımlayıcı altındaki tüm onay işaretlerini kaldırın. Testlerle Normallik grafiklerine bir onay işareti koyun. Yayılma vs Düzey altında hiçbirini işaretleyin.
6 Devam’ı ve ardından Tamam’ı tıklayın.

Ve gerçekten, Normallik Testlerini ürettiğimizde, Kolmogorov-Smirnov testinin gerçekten anlamlı olduğunu (0.014) buluyoruz, bu da dağılımın normal bir dağılımdan önemli ölçüde saptığını gösteriyor.

Bu durumda, bu nedenle, gösterildiği gibi Mann-Whitney testi olan parametrik olmayan veriler için testi kullanmak daha uygun olabilir.

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