Çoklu cevap setleri ile ilişkili değişkenlerin aralığına çapraz cevaplar kombine edilir ve iki ya da üç yönlü bir çapraz tablo veya frekans dağılımının formatında sonuçlar ortaya çıkar. Araştırmacılar çoklu cevap setini kullanmak için önce değişkenleri tanımlamalıdır. Değişken seti ikili kodlar içine yerleştirilmiş kategorilerden meydana gelebilir.
İkili Değişkenler İçin Çoklu Cevap Setleri Yaratma
Kategorik Değişkenler İçin Çoklu Cevap Setleri Yaratma
Çoklu Cevap Setleri için İçin Çapraz Tablo Oluşturulması
00verianalizhttps://verianalizmerkezi.com/wp-content/uploads/2021/08/veri-analiz-merkezi.pngverianaliz2021-08-10 17:09:472021-08-10 17:09:47ÇOKLU CEVAP SETLERİ (MUTLİTİPLE RESPONSE SETS)
OLAP (Online AnalyticalProccessing) küpler, bir ya da daha çok kategorik değişkenin kategorileri içine sürekli özet değişkenler için toplam, ortalama ve yüzde değerler ve diğer istatistikleri hesaplamaya yardımcı olur. Aynı zamanda her bir gruplayıcı değişken için her bir kategorisinde tabloda ayrı bir layer oluşturabilir.
Faktör analizi, açıklayıcı ve doğrulayıcı faktör analizi olmak üzere ikiye ayrılmaktadır.
Açıklayıcı faktör analizi, değişkenlerin aralarında yer alan karşılıklı ilişkileri inceler ve değişkenlerin daha anlamlı ve özet şekilde sunulmasında kullanılmaktadır. Veri analiz grubu içinde bulunan değişkenler aralarındaki ilişkinin temelinde yer alan ortak özellikleri kurmaya yardımcı olur. Ayrıca analiz boyutlarını indirgeme ve bağımlılık yapısını yok etme yöntemi ismi ile de bilinmektedir.
Doğrulayıcı faktör analizi önceden oluşturulmuş olan bir model ile gözlenen değişkenler üzerinden gizil değişken yani faktör oluşturmaya yardımcı olmaktadır. Ölçek geliştirme ve geçerlilik analizlerinde kullanılmaktadır.
Bir ölçümün güvenilirliği ile onun tutarlılığı test edilmektedir. Genellikle iç ve dış güvenilirlik olarak ele alınmaktadır. Güvenilirlik analizi, bir ölçekte bulunan maddeler aralarındaki iç tutarlılığı ölçer ve bu maddeler arasında yer alan ilişkiler hakkında bilgi vermektedir.
KORELASYON ANALİZİ İki değişkenin aralarındaki ilişkinin güç ve yönü saptanmak istediğinde Korelasyon Analizi yapılır. Analiz edilecek iki değişken en az eşit aralıklı ölçme düzeyine sahip olmalıdır. Korelasyon -1 ve +1 arasında değişmektedir.
0’a yakın değerlerde iki değişken arasındaki ilişki doğrusal ve zayıf, -1 ve +1 e yakın değerlerde ise doğrusal ve güçlü ilişki saptanır. Ayrıca negatif değerlerde ilişkinin yönü ters, pozitif değerlerde ise aynı yönlü olduğu saptanır.
BASİT VE ÇOKLU DOĞRUSAL REGRESYON ANALİZİ
Değişkenlerin aralarındaki ilişkinin fonksiyonel biçimi ile ilgilenildiği zaman Regresyon Analizi yapılmalıdır. Genellikle eşit aralıklı veya oranlı ölçekte ölçülen sürekli verilerin meydana getirdiği değişkenler üzerindeki etkiler araştırılırken kullanılır ve bu değişkenlere kukla (dummy) değişken ismi verilir. Kurulan regresyon modeli ile tek bir bağımsız değişken mevcutsa buna basit doğrusal regresyon modeli, birden fazla değişken varsa buna ise çoklu regresyon modeli denilmektedir.
00verianalizhttps://verianalizmerkezi.com/wp-content/uploads/2021/08/veri-analiz-merkezi.pngverianaliz2021-08-10 16:58:432021-08-10 16:58:43DOĞRUSAL KORELASYON VE REGRESYON
VARYANS ANALİZİ Bağımsız Örneklem için Tek Yönlü Varyans Analizi (One-WayANOVA)
Bağımsız Örneklem için İki Yönlü Varyans Analizi (Two-Way ANOVA)
Bağımsız Örneklem için Tek Yönlü Çok Değişkenli Varyans Analizi (One-Way MANOVA)
Bağımsız Örneklem için İki Yönlü Çok Değişkenli Varyans Analizi (Two-Way MANOVA)
KOVARYANS ANALİZİ
Kovaryansanalizi (Analysis of Covariance), sürekli bir değişkenin etkisini istatistiksel açıdan kontrol altında tutulduğu zaman ANOVA’nın bir uzantısıdır. Kontrol altındaki sürekli değişkenlere kodeğişken ya da kontrol değişkeni denilmektedir. Kodeğişken kontrol edilmezse bağımlı değişkeni tahmin eden bağımsız değişken etkisine yönelik yanlış karar verilmesine yol açmaktadır. Bazı değişkenler bağımlı ve bağımsız değişken arasındaki ilişkiyi etkilemektedir. Bunlara karıştırıcı değişken diyoruz.
Kovaryans analizinde varsayımları şu şekilde inceleyebiliriz:
Gözlemlerin birbirinden bağımsız olması,
Bağımlı değişkenin normal dağılım göstermesi,
Varyansların homojenlik göstermesi,
Bağımlı değişken ve kodeğişken aralarında doğrusal ve güçlü ilişki olması,
Bağımlı değişken ile kodeğişkenler için regreston eğilimleri aynı olmalı. Buna regresyon eğilimlerinin homojenliği ismi verilmektedir. Kodeğişken ve bağımsız değişkenin etkileşimi F testi ile kontrol edilebilmektedir.
Tek-Yönlü ANCOVA Modeli:
bağımlı değişken = ortalama + grup etkisi + kodeğişken etkisi +hata
İki-Yönlü ANCOVA Modeli:
Bağımlı değişken=ortalama + faktör A etkisi + faktör B etkisi + AB etkileşim etkisi + kodeğişim etkisi +hata
00verianalizhttps://verianalizmerkezi.com/wp-content/uploads/2021/08/veri-analiz-merkezi.pngverianaliz2021-08-10 16:53:172021-08-10 16:53:17VARYANS ANALİZİ ve KOVARYANS ANALİZİ
Parametrik olmayan testeler arasında en yayını olan Ki-Kare testi, iki ya da daha çok kategorideki iki değişken aralarında bağımsızlık olup olmadığını yani ilişki olup olmadığını saptamamıza yardımcı olur.
Sınıflayıcı Ölçme Düzeyine Sahip Değişkeler İçin Birliktelik(İlişki) Ölçüleri
Sıralayıcı Ölçme Düzeyine Sahip Değişkeler İçin Birliktelik(İlişki) Ölçüleri
Kontrol Değişkeni
Frekans Verisi ile Ki-Kare Analizi
00verianalizhttps://verianalizmerkezi.com/wp-content/uploads/2021/08/veri-analiz-merkezi.pngverianaliz2021-08-10 16:49:542021-08-10 16:49:54Ki-KARE TESTİ ve BİRLİKTELİK(İLİŞKİ) ÖLÇÜLERİ
Bir veri grubuna parametrik testleri t, Z ve F uygularken ana kütle dağılımı normal dağılıma sahip olmalıdır. Ana kütle normal dağılıma sahip değilse “dağılımdan bağımsız” olan parametrik olmayan testler kullanılır. Parametrik olmayan testlerde “sürekli dağılım” göstermesi yeterli bir durumdur. Parametrik olmayan testler uygulanırken örneklem büyüklüğünün önemi yoktur.
Parametrik olmayan testler: Tek Örneklem, İki Örneklem, K-Örneklem Testleri olarak incelenmektedir.
Tek örneklem testleri şunlardır:
Binominal Test: Evet-Hayır, olumlu-olumsuz gibi iki yönlü olayların simgesel olarak 1 ve 0 şeklinde gösterimidir.
Ki-Kare Uygunluk Testi: Elde edilen frekans tablolarının frekanslarının uygun varsayımlara göre belirlenmiş olan teorik değerler arasındaki farklılığın önemini saptamak için kullanılmaktadır.
Kolmogorov-Smirnov Uygunluk Testi: Rastgele seçilen bir örneklemin belirli bir dağılıma sahip olup olmadığında kullanılır.
Diziler Testi (Runs): n hacimli bir örneklemde değerlerin gözlenme sıralarına göre rastgele dağılım gösterip göstermediğini test ederken kullanılır.
İki örneklem testleri şunlardır:
Eşleştirilmiş İki Örneklem Testleri
İşaret Testi
Wilcoxon İşaret Sıralaması Testi
McNemar Testi
Bağımsız İki Örneklem Testleri
Kolmolov – Smirnov Z Testi
Mann – Witney U Testi
K- örneklem testleri şunlardır:
Eşleştirilmiş K-Örneklem Testleri
Cochran Q Testi
Friedman Testi
Bağımsız K-Örneklem Testleri
Kruskal Wallis H Testi
00verianalizhttps://verianalizmerkezi.com/wp-content/uploads/2021/08/veri-analiz-merkezi.pngverianaliz2021-08-10 16:47:192021-08-10 16:47:19PARAMETRİK OLMAYAN TESTLER
Araştırmalarda hipotezler test edilirken bir hipotez ile onun karşıtı diğer hipotezden hangisinin örneklem verilerine bağlı elde edilen sonuç ile daha fazla uyum gösterdiği araştırılır. Hipotezlerden birisi sıfır H0 diğeri bir H1 olarak adlandırılır. Kabul gören en genel görüşe H0 yeni hipoteze ise H1 adı verilir. Eğer H0 yanlış iken reddedilmez ise Alfa tipi hata yapılır. Eğer H0 doğru iken reddedilirse Beta tipi hata yapılmış olur.
İstatistiksel anlamlılık: Bütün istatistiksel testlerde sonuçlar olasılık ya da risk (Örn: p<0,001) bakımından ifade edilir. Yani anlamlılığı test etmek için risk düzeyinin belirlenmesine ihtiyaç vardır.
Bağımsız İki Örneklem t-Testi
Parametrik testler arasında bulunan teste iki bağımsız örneklem ortalamalarındaki farkın istatistiksel olarak anlamlı olup olmadığına bakılması için geliştirilmiştir. Araştırmacılar ellerinde bulunan veriye bu testi uygulamak için şu varsayımları yerine getirmelidir:
Örneklemler birbirlerinden bağımsız seçilmeli,
Örneklemlerde seçilen birimler birbirlerinden bağımsız olarak örnekleme alınmalı,
Ana kütlenin normal olarak dağılımı,
Verilerin eşit aralıklı ve oranlı ölçme düzeyinde olması,
Varyansların birbirlerine eşit durumda olmaları.
t- testi hesaplanması yapılabilir.
Eşleştirilmiş İki Örneklem t-Testli
Normal dağılıma sahip iki eşleştirilmiş (bağlantılı ve ilişkili) örneklem ortalamaları aralarındaki farkın istatistiksel açıdan anlamlı olup olmadığının saptanması için kullanılır.
