VARYANS HOMOJENLİK İHLALLERİ – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri
VARYANS HOMOJENLİK İHLALLERİNİN DEĞERLENDİRİLMESİ
Varyans heterojenliğinin varlığını tespit etmenin çeşitli yolları vardır. En popüler yaklaşımlardan birkaçını gözden geçireceğiz. Hartley (1950), homoscedasticity seviyesini ölçmek için “FMAX” adlı basit ve zarif bir test istatistiği önerdi. FMAX, basitçe en büyük grup varyansının en küçük grup varyansına oranıdır.
FMAX’ın büyük değerleri heterojenliğin göstergesidir. Keppel et al. (1992) 3.0’dan büyük herhangi bir FMAX değerini heterojenliğin göstergesi olarak tanımlayan basit ama çok tutucu bir değerlendirme kriteri (ilk istatistik müfredatı için) için lobi yaptı; eğer bu elde edilirse, sonraki F değerine .025’lik daha katı bir alfa seviyesi uygulanacaktı.
Keppel et al. (1992) not, araştırma, FMAX 3.0’dan büyük olduğunda, F’nin örnekleme dağılımının, F’nin bozulmamış teorik örnekleme dağılımına dayalı karar kuralını ciddi şekilde etkilemek için yeterince bozulmaya başladığını göstermiştir. FADJ’yi biraz daha katı bir önem düzeyinde, yani α = .025 olarak adlandıracağımız yeni bir F kritik değeri.
FMAX istatistiğinin daha az muhafazakar bir değerlendirmesi, Pearson ve Hartley (1970, 1972) tarafından geliştirilen ve SPSS ve SAS gibi bilgisayar programları tarafından rutin olarak kullanılan FMAX’ın kritik değerlerini kullanmaktır. Keppel ve Wickens (2004) ve Stevens (2002) tarafından yapılan son tartışmalar, FMAX istatistiğinin dağılımsal normal olmayanlığa karşı aşırı duyarlılığı nedeniyle kullanımına ilişkin uyarılar sunmaktadır.
Levene (1960) ve Brown ve Forsythe (1974) tarafından geliştirilen test istatistikleri ile daha sağlam heterojenlik dedektörleri bulunabilir. Bu ölçümlerde, orijinal Yi puanları mutlak sapma puanlarına dönüştürülür ve daha sonra bir varyans analizine tabi tutulur.
İstatistiksel olarak anlamlı olmayan bir sonuç elde etmek (yani boş hipotezi reddetmemek), eşit varyansların veya homojenliğin göstergesidir. i alt indisinin, bağımsız değişkenin (katılımcı sayısı 1, 2, 3, vb.) her grup veya seviyesi içindeki her vakanın veya katılımcının sıradaki konumunu gösterdiğine dikkat edin.
j alt simgesi, bağımsız değişken (düzey 1, 2, 3, vb.) için düzey veya grup atamasını belirtir. Levene ve Brown ve Forsythe istatistikleri, mutlak fark puanlarının nasıl hesaplandığı konusunda farklılık gösterir. Levene testi, grup ortalamasından mutlak bir sapma puanı kullanır.
Brown-Forsythe prosedürü, her orijinal puanın grup medyanından sapmasına dayalı olarak bir fark puanı yaratır:
- Zij =Yij -Mdnj. (5.4)
Bu prosedürlerin her ikisi de yaygın olarak kullanılır ve SPSS ve SAS’ta bulunur; bunlar Bölüm 5.5.5 ve 5.6.5’te gösterilecektir. Her iki prosedür de araştırma literatüründe yaygın olarak kullanılmasına rağmen, “Brown-Forsythe prosedürünün biraz daha sağlam olduğunu” belirten Keppel ve Wickens’in (2004) tavsiyesine katılıyoruz. Özellikle, bir dağılım çarpık olduğunda Brown-Forsythe testi kullanılmalıdır.
Levene homojenlik testi nedir
ANOVA testi örnekleri
Homojenlik testi nedir
Anova testi hangi varsayım altında yapılır
One-way ANOVA
ANOVA testi PDF
Tek yönlü ve Çift yönlü ANOVA farkı
Levene testi
VARYANS HOMOJENLİK İHLALLERİ İÇİN ÇÖZÜMLER
Varyansın heterojenliğini ele almak için iki yaygın yaklaşım vardır. İlk çözüm, daha katı bir alfa seviyesi, tipik olarak .025 seviyesi kullanmaktır. Keppel ve Wickens (2004), kendi Monte Carlo simülasyonlarının sonuçlarını özetlerken, şunu not edin:
Tip I hata, α = .025 ayarlanarak yüzde 5 seviyesinin altında tutulacaktır. Endişeniz Tip I hatayı kontrol altında tutmaksa, o zaman α’nın muhafazakar bir yarıya bölünmesi, heterojenlikle ilgili endişeleri ortadan kaldırmanın en hızlı ve en basit yoludur.
Varyansın heterojenliği için ikinci tür çare, orijinal puanları dönüştürmektir. Keppel ve Wickens (2004), bağımlı değişkenin reaksiyon süresi, frekans sayıları veya orantısal ölçümlerden oluştuğu durumlarda bu yaklaşımı önermektedir. Karekök, log ve arksin dönüşümleri, heterojenliği azaltmak ve ayrıca dağılımı normalleştirmek için bir dağılımı çekebilir veya sıkıştırabilir.
SPSS ve SAS, dönüşümleri verilere kolayca uygulayabilir. Dönüştürülen verileri, incelenen orijinal dağıtıma aşina olan bir okuyucuya açıklamak bazen zor olduğundan, bu olanakların akıllıca kullanılmasını öneririz.
SPSS UYGULAMALARI: VARSAYIM İHLALİNİN TESPİTİ VE ÇÖZÜMÜ
Tablo 5.1’deki varsayımsal verileri göz önünde bulundurun. Tedavi tipinin (bağımsız değişken), bağımlı ölçümümüz olan küresel işlev değerlendirmesi (GAF) üzerindeki etkileriyle ilgilendiğimizi varsayalım. Bağımsız değişkenimizin (terapi türü) üç düzeyi kısa, psikodinamik ve bilişsel-davranışçı terapidir; bu tedavileri sırasıyla 1, 2 ve 3 olarak kodladık.
GAF bağımlı değişkeni, ciddi işlev bozukluğunu gösteren 1’den iyi genel işleyişi gösteren 100’e kadar değişebilen tek bir puandır. Bu nedenle, puan ne kadar yüksekse, danışanın zihinsel sağlık işleyişi o kadar iyidir. Toplam on beş yetişkin toplum ruh sağlığı hastasının üç tedavi koşuluna rastgele ve eşit sayıda atandığını varsayalım.
Bölüm 5-16 boyunca bu ve diğer bölümlerde, SPSS ve SAS tarafından ekranda görüntülenen hem diyalog pencerelerini hem de çıktı tablolarını şekillerimizde göstereceğiz. Bu analizleri denemeden önce, bu bilgisayar istatistik paketlerinin (sırasıyla SPSS ve SAS) temelleri ve kullanımları hakkında bu yazı dizinde detaylara inilir.
SPSS VERİ TARAMA
SPSS Frekansları ile bir veri temizleme çalışmasıyla başlayacağız. Bu analiz, her bir değişkenin sayısal değer kümesinin uygunluğunu kontrol etmemizi sağlayacaktır. Windows için SPSS’ye girin ve Dosya ➜ Aç ➜ Veri’yi tıklayarak SPSS veri dosyanızı açın ve analiz etmek istediğiniz SPSS veri dosyasını seçin.
Bu analize, SPSS Frekansları iletişim penceresini oluşturan Analiz ➜ Tanımlayıcı İstatistikler ➜ Frekanslar’ı tıklayarak başlıyoruz. Bu dosyada sadece iki değişken vardır ve Şekil 5.6’da gösterildiği gibi her bir değişkeni vurgulayarak veya etkinleştirerek ve diyalog penceresinin ortasındaki oka tıklayarak her ikisinin üzerine tıkladık (terapi ve GAF skoru).
İletişim penceresinin sol paneli artık boştur ve iki değişken artık Değişken(ler) etiketli sağ panelde bulunur. Frekans tablolarını üreten Frekans tablolarını görüntüle penceresi işaretlendi (bu varsayılandır). İletişim penceresinin (İstatistikler, Grafikler ve Format) sağ tarafındaki butonlar, araştırmacılara her bir sıklık tablosu için bir dizi çıktı seçeneği sunar. Mevcut analiz için İstatistik düğmesine odaklanacağız. İstatistikler düğmesine tıklanarak, Frekanslar: İstatistikler iletişim penceresi açılır.
Bu iletişim penceresi dört bölümden oluşur: Yüzdelik Değerler, Dağılım, Merkezi Eğilim ve Dağılım. Mevcut örnekte, her değişken için Ortalama, Medyan, Mod, Standart sapma, Varyans, Aralık, Minimum, Maksimum, Skewness ve Basıklık değerlerini istiyoruz.
Bu bilgilerin bir kısmı veri temizleme değerlendirmelerinin yapılmasına yardımcı olmak için kullanılacak ve diğer bilgiler istatistiksel varsayım ihlallerinin değerlendirilmesine yardımcı olmak için kullanılacaktır. Devam düğmesine tıklamak bizi ana iletişim penceresine döndürür. Sonuçları içeren çıktı dosyasını elde etmek için Tamam’a tıklayın.
Anova testi hangi varsayım altında yapılır ANOVA testi örnekleri ANOVA testi PDF Homojenlik testi nedir Levene homojenlik testi nedir Levene testi One-way ANOVA Tek yönlü ve Çift yönlü ANOVA farkı