KORELASYON. 7.Sunum. Yrd. Doç. Dr. Sedat ŞEN
|
|
- Oz Gulden
- 7 yıl önce
- İzleme sayısı:
Transkript
1 KORELASYON 7.Sunum 1
2 Korelasyon Buraya kadar olan konularda (t-testi, ANOVA vb.) bağımlı değişkenin gruplar arasında anlamlı bir fark gösterip göstermediğini test ettik. Bu sunumumuzda farklı bir araştırma sorusunu cevaplamak yeni bir yöntem kullanacağız. Bu sunumda fark yerine ilişki durumuna korelasyon yöntemi ile bakacağız. Korelasyon temel anlamda iki değişken arasındaki ilişkiyi göstermek için kullanılır. 2
3 Kovaryans Korelasyon konusunu anlatmadan önce ilk olarak kovaryans terimini inceleyeceğiz. İki değişkenin ilişkili olup olmadığını öğrenmenin en basit yolu bu iki değişkenin birbirlerine göre değişimini gösteren kovaryans değerini hesaplamaktır. Kovaryansı daha iyi anlamak için betimsel istatistiklerde bahsettiğimiz varyans formülüne bakmakta fayda vardır. 3
4 Varyans Bir değişkenin varyansı verinin aritmetik ortalamadan ortalama uzaklığını temsil eder. Katılımcı Ar. Ortalama St. Sapma Varyans İzlenen Reklam Sayısı Alınan Ürün Yukarıdaki formülü kullanarak varyans değerleri 2.80 ve 8.50 olarak hesaplanır. 4
5 Varyans-Kovaryans Yandaki grafikte iki değişken için de her bir değerin ortalamadan farkı (sapmalar) gösterilmektedir. Şimdi iki değişkenin birlikte değişimini bulabilmek için her bir değerin ortalamadan farkının çarpımını bulacağız. Bu işleme kovaryans hesaplaması denir. 5
6 Varyans-Kovaryans Yandaki grafikteki sapmaları ve üstteki formülü kullanarak aşağıdaki işlemlerle kovaryans değerini hesaplarız. Sapmaların çarpımları hep pozitif olduğu için pozitif bir kovaryans değeri yani pozitif bir ilişki beklenebilir. 6
7 Kovaryans Kovaryans değerini hesaplayarak iki değişkenin birbirlerine göre değişimi yani ilişkisi gösterilebilir. Bir değişkenin değerleri ortalamanın üzerinde iken diğer değişkenin değerleri de ortalamanın üzerinde ise bu iki değişken arasında pozitif bir ilişki vardır diyebiliriz. Bu durumda iki değişken arasında pozitif bir ilişki vardır diyebiliriz. Biri ortalamanın altında iken diğeri de ortalamanın altında değerler gösteriyorsa genelde kovaryans negatif çıkar. Bu durumda iki değişken arasında negatif bir ilişki vardır diyebiliriz. Fakat kovaryans kullanmadaki problem kovaryansın değişkenlerin birimine bağlı olmasıdır. Eğer iki değişken farklı birimler ile ölçülüyorsa (kg vs. km) bu durumda kovaryansın değerini yorumlamada zorluk yaşarız. Büyük ya da küçük olmasının ne anlama geldiğini söylemek zorlaşır. 7
8 Korelasyon Kovaryanstaki birim probleminden kurtulmak için kovaryans değerini standartlaştırmamız gerekmektedir. Bir şekilde her türlü birimi ortak bir değere çevirebilmemiz lazım. Bunu yapabilmek için standart sapma kullanmamız gerekmektedir. Aynı standart z puanlarının hesaplanmasında yaptığımız gibi her hangi bir değerin ortalamadan sapmasını standart sapmaya böldüğümüzde standart bir ölçek elde ederiz. Kovaryans formülünü standart sapma değerleri ile böldüğümüzde elde edeceğimiz değerin adı korelasyon olacaktır. 8
9 Korelasyon Formülü Aşağıdaki formül vasıtasıyla iki değişkene ait değerler kullanılarak hesaplanan değere «Pearson Momentler Çarpımı Korelasyon Katsayısı» denir. Karl Pearson tarafından geliştirildiği için Pearson korelasyonu adını almıştır. 9
10 Örnek Veri ile Korelasyon Hesabı Önceki slaytlarda verdiğimiz iki değişkene ait kovaryans değerini 4.25 olarak hesaplamıştık. Bu değeri iki değişkenin standart sapmasına bölersek korelasyon katsayısını (r) hesaplayabiliriz. Korelasyon değeri r harfi ile gösterilmektedir. Katılımcı Ar. Ortalama St. Sapma Varyans İzlenen Reklam Sayısı Alınan Ürün r = 4.25/(1.67x2.92) r = İki değişken arasında pozitif yönde yüksek bir ilişki olduğunu söyleyebiliriz. 10
11 Korelasyon Korelasyon (ilişki), iki değişkenin birlikte değişiminin bir ölçüsüdür. Boy uzunluğu ile kilo arasındaki ilişki, yaş ile boy arasındaki ilişki, çalışma saati ve sınav puanı arasındaki ilişki, hava sıcaklığı ve doğalgaz tüketimi arasındaki ilişki eğer sayısal veriler varsa korelasyon katsayısı cinsinden gösterilebilir. Korelasyon katsayısı matematiksel olarak -1 ile +1 arasında değerler alır. Korelasyonun büyüklüğü (0-1) iki değişken arasındaki ilişkinin gücünü gösterirken işareti (+,-) değişkenlerin aynı yönde (+) artıp azaldığını ya da zıt yönlerde (-) artış ve azalış gösterdiğini belirtir. Hava sıcaklığı ve doğalgaz tüketimi arasındaki ilişki NEGATİF Çalışma saati ve sınav puanı arasındaki ilişki POZİTİF olabilir. Eğer iki değişken arasında hiç ilişki yoksa korelasyon katsayısı sıfır ya da sıfıra yakın bulunur. Eğer iki değişken birbiriyle yüzde yüz oranında ilişkili ise korelasyon maksimum (1) değeri (mükemmel ilişki) alır. 11
12 Korelasyon Katsayısı Yorumu İki değişken arasında hesaplanan korelasyon (r) değeri: r<0.20 ve sıfıra yakın değerler ilişkinin olmadığı ya da çok zayıf ilişkiyi işaret eder arasında ise zayıf ilişki arasında ise orta düzeyde ilişki arasında ise yüksek düzeyde ilişki ise çok yüksek ilişki olduğu yorumu yapılır. 12
13 Korelasyon Etki Boyutu Değeri Yorumu Korelasyon değeri standartlaştırılmış bir değer olduğu için etki boyutu büyüklüğü olarak da kullanılabilir. ±.1 arasındaki değerler küçük etki, (±.1) ve (±.3) arasındaki değerler orta büyüklükteki etki ve (±.3) ve (±.5) arasındaki değerler ile daha üstteki değerler büyük etki şeklinde yorumlanabilir. 13
14 Korelasyon Değeri Yorumu Korelasyon katsayısını yorumlarken neden-sonuç ilişkisinden bahsetmek doğru değildir. Çünkü korelasyon bize iki değişken arasındaki ilişkinin büyüklüğünü gösterirken neden-sonuç ilişkisine dair bir şey söylememektedir. A değişkeni B değişkeni etkiliyor olabilir ya da B değişkeni A değişkenini etkiliyor olabilir. Başka bir alternatif de iki A ile B değişkenleri arasında neden-sonuç ilişkisi olmayabilir. Korelasyon değeri neden-sonuç ilişkisinin yönünü vermemektedir. Korelasyon değerine bakarak neden-sonuç ilişkisinden bahsedemememizin başka sebebi de üçüncü bir değişkenin etkisidir. İki değişkenin arasındaki neden-sonuç ilişkisini diğer değişkenlerin etkisinden bağımsız düşünemeyiz. 14
15 Korelasyonun Anlamlılığı T-testi ve ANOVA analizlerinde gördüğümüz gibi araştırmacılar bu analizleri kullanarak bir hipotezi test edebilmektedir. Korelasyonu kullanarak bir sıfır hipotez test edilebilmektedir. Korelasyonda test edilen sıfır hipotezi iki değişken arasında bir ilişki olmadığını (r = 0) belirtmektedir(ilişki YOK). Alternatif hipotez ise iki değişken arasında bir ilişki olduğunu belirtir (İLİŞKİ VAR). Burada da elde edilen p-değerine bakarak sıfır hipotezini reddedip edemeyeceğimizi söyleyebiliriz. Örneğin p-değeri 0.05 ten küçük bulunduğunda sıfır hipotezini reddedip alternatif hipotezi kabul edebiliriz. Yani iki değişken arasında anlamlı bir ilişki bulunmaktadır diyebiliriz. 15
16 Varsayımlar Pearson korelasyonu hesaplaması için değişkenlerin sürekli olması yani en azında eşit aralıklı ölçek düzeyinde olması gerekmektedir. Eğer Pearson korelasyon katsayısının anlamlılığından bahsetmek istiyorsak örneklem dağılımının normal olması varsayımının yerine getirilmesi gerekmektedir. Normalliğin nasıl kontrol edileceğine önceki sunumlardan bakabilirsiniz. Değişkenlerin normal dağılıma sahip olmadığı durumlarda Spearman Rank korelasyon katsayısı tercih edilir. 16
17 SPSS ile Korelasyon Analizi Açılan SPSS ekranında bivariate (ikili) ve Partial (kısmi) olmak üzere iki korelasyon türü karşımıza çıkmaktadır. İkili (bivariate) korelasyon iki değişken arasındaki korelasyonu gösterirken kısmi (partial) korelasyon iki değişken arasındaki ilişkiyi gösterirken diğer değişkenlerine etkisini kontrol etmek için kullanılır. Pearson korelasyon ve Spearman korelasyon katsayıları ikili korelasyonlar arasındadır. 17
18 SPSS ile Korelasyon Analizi Açılan SPSS ekranında bivariate (ikili) Pearson korelasyon ve Spearman korelasyon katsayıları ikili korelasyonlar arasındadır. 18
19 Veri Sunumun başında önce varyans ve kovaryans sonra da korelasyon değerlerini hesapladığımız veriyi SPSS ile korelasyon değeri hesaplamada kullanacağız. Veride katılımcıların izledikleri reklam sayıları ile aldıkları ürün sayıları içeren iki değişken verilmektedir. 19
20 Pearson Korelasyon Analizi Yan taraftaki ekranda aralarında ilişki olup olmadığını merak ettiğimiz iki değişkeni ekraın sağ tarafına attıktan sonra Pearson kutucuğunu işaretledikten sonra OK tuşuna basabiliriz. Burada iki yönlü hipotez için iki kuyruklu (twotailed) seçilir. 20
21 Korelasyon Options Menüsü Options menüsünde ortalama ve standart sapma gibi betimleyici istatistiklerin yanında kovaryans istatistiği de elde edebiliriz. Eğer verimizde kayıp veri var ise nasıl müdahale edilmesi gerektiğini (pairwise ya da listwise) de seçebiliriz. 21
22 Korelasyon Output-Çıktı Options Menüsünde işaretlememize göre betimleyici istatistik değerleri elde edebiliriz. Bu tablodaki değerler sunumun başındaki hesaplamalarımız ile aynıdır. 22
23 Korelasyon Output-Çıktı Korelasyon analizi sonucunda elde ettiğimiz yandaki tabloda korelasyon değerinin yanında, bu değerin anlamlılığı (p-değeri), çapraz çarpımlar, kovaryans ve örneklem büyüklüğü (N) değerleri elde edilir. 23
24 Korelasyon Output-Çıktı Yandaki tabloda dikkat etmemiz gereken şey ise aynı değerlerin 2 kez rapor edilmesidir. Bunun sebebi A-B arasındaki her hesaplamanın B-A arasındaki hesaplamalara eşit olmasıdır. Burada tablonun alt ya da üst kısımlarından birine odaklanmak yeterlidir. 24
25 Korelasyon Output-Çıktı Yandaki tabloya göre 5 değere sahip reklam ve 5 değere sahip ürün değişkenleri arasındaki korelasyon değeri olarak hesaplanmıştır. Sıfır hipotezini reddedemeyeceğimizi söyleyen p-değerine göre anlamlı bir ilişki bulunmamaktadır. Ayrıca kovaryans değeri 4.25 olarak bulunmuştur. Bu değerleri sunumun başında SPSS kullanmadan hesaplamıştık. Burada bir değişkenin kendi ile olan kovaryansı varyanstır ve daha önce hesapladığımız (2.8 ve 8.5) varyans değerleri ile aynıdır. 25
26 R-kare değeri (coefficient of determination) İki değişken arasında bulunan korelasyon değerinin karesine r-kare ya da coefficient of determination (belirleme katsayısı; belirtme katsayısı) denir. Belirleme katsayısı bir değişkenin içindeki varyasyonun ne kadarının diğer değişken tarafından açıklandığını belirlememize yarar. Örneğin A değişkeni ile B değişkeni arasındaki korelasyon 0.40 olsun. R-kare değerimiz 0.16 çıkacaktır. Bu katsayıyı şöyle yorumlayabiliriz: A değişkeni içerisindeki değişimin %16 sı B değişkeni ile açıklanabilir. Burada bahsedilen A değişkenindeki varyansın yüzde kaçının B değişkeni tarafından açıklandığıdır. Aynı cümleyi tersten de kurabiliriz. Aynı zamanda B değişkeni içerisindeki değişimin %16 sı A değişkeni ile açıklanabilir. Hala neden-sonuç ilişkisinden bahsetmiyoruz. 26
27 Başka Bir Veri ile Pearson Korelasyonu 27
28 Başka Bir Veri ile Pearson Korelasyonu 28
29 Başka Bir Veri ile Pearson Korelasyonu İki nicel değişken arasındaki ilişkiyi göstermek için Pearson korelasyon katsayısını hesaplayabiliriz. Aşağıdaki tabloda kitap okuma sayısı ile öğrenci yaşı arasındaki korelasyon değeri (r=.069) gösterilmektedir. 29
30 Başka Bir Veri ile Pearson Korelasyonu-2 Okunan kitap sayısı ile final notu arasındaki ilişki için yandaki korelasyon işlemi uygulanır. 30
31 Başka Bir Veri ile Pearson Korelasyonu-2 Okunan kitap sayısı ile final sınavında alınan puan arasında 0 a yakın bir korelasyon vardır (.03). 31
32 Aynı Anda Birden Fazla Korelasyon Hesabı Aynı anda bir çok değişken arasında hesaplanan ikili korelasyonlara bakabiliriz. 32
33 Çoklu Korelasyon Tablosu 33
34 Spearman s Sıra Korelasyonu Spearman s sıra korelasyonu Pearson korelasyon katsayısının parametrik olmayan versiyonudur. Parametrik varsayımların sağlanmadığı normal olmayan verilerde kullanılır. Verilerin önce sıralanması daha sonra da Pearson eşitliğinin kullanılmasıyla elde edilir. İki tane sıralanmış değişken arasındaki Pearson korelasyon değeridir diyebiliriz. Spearman s rho olarak da adlandırılır. Pearson korelasyonunda doğrusal (linear) ilişki söz konusu iken Spearman korelasyonda monotonik (monotonic) ilişkiden bahsedilir. 34
35 Spearman s Sıra Korelasyonu Matematik Fizik Yukarıdaki Spearman rho formülü ile yandaki 2 değişken arasındaki korelasyon değerini hesaplayabilmek için önce iki değişkendeki her puan için sıralamada kaçıncı olduklarını, sonra bu sıralamalar arasındaki farkları daha sonra da bu farkların karesini hesaplamak gerekmektedir. Bu işlemler SPSS te otomatik olarak yapılmaktadır. SPSS ile bulmadan önce elle nasıl hesaplandığını göstereceğiz. 35
36 Spearman s Sıra Korelasyonu Matematik Fizik Mat Sıralama , , , , , , , , , ,50 36
37 Spearman s Sıra Korelasyonu Matematik Fizik Mat Sıralama Fizik Sıralama ,00 4, ,00 2, ,00 10, ,00 7, ,50 5, ,00 9, ,00 8, ,00 1, ,00 3, ,50 6,00 37
38 Spearman s Sıra Korelasyonu Matematik Fizik Mat Sıralama Fizik Sıralama Farklar ,00 4,00 5, ,00 2,00 1, ,00 10,00 0, ,00 7,00-3, ,50 5,00 1, ,00 9,00-4, ,00 8,00 0, ,00 1,00 0, ,00 3,00-1, ,50 6,00 0,50 38
39 Spearman s Sıra Korelasyonu Matematik Fizik Mat Sıralama Fizik Sıralama Farklar Farkların Karesi ,00 4,00 5, ,00 2,00 1, ,00 10,00 0, ,00 7,00-3, ,50 5,00 1,50 2, ,00 9,00-4, ,00 8,00 0, ,00 1,00 0, ,00 3,00-1, ,50 6,00 0,50 0,25 Farkların Karesi Toplamı=54,5 39
40 Spearman Sıra Korelasyonu İçin Kullanılan Veri Yan tarafta bir grup öğrencinin matematik ve fizik derslerinden aldığı puanlar verilmektedir. Bu iki değişken arasında Spearman sıra korelasyonu katsayısı hesaplanacaktır. 40
41 SPSS te Spearman Sıra Korelasyonu SPSS te Spearman korelasyonu Pearson korelasyonu ile aynı menüde yer almaktadır. Burada tek yapmanız gereken Spearman kutucuğunu seçmektir. 41
42 SPSS Spearman Sıra Korelasyonu Çıktısı Hesaplamalarımızda bulduğumuz gibi Spearman sıra korelasyon katsayısı aşağıdaki SPSS tablosunda olarak sunulmaktadır. 42
43 Spearman s Sıra Korelasyonu IQ TV Bireylerin IQ puanı ile haftalık TV izleme saatleri arasındaki ilişkiyi parametrik olmayan Spearman s sıra korelasyonu ile incelemek istersek önce bu 2 değişkendeki her bir değerin kaçıncı sırada olduğunu göstermek sonra da Spearman ın formülünü kullanarak hesaplama yapmamız gerekir. SPSS te bunları yapmadan tek tuşla Pearson korelasyonunu hesapladığımız gibi Spearman sıra korelasyonunu da hesaplayabiliriz. 43
44 Spearman s Sıra Korelasyonu Aynı Pearson korelasyonda olduğu gibi Analyze>Correlate >Bivariate kısmına giriyoruz. 44
45 Spearman s Sıra Korelasyonu Açılan ekranda ilişkileri merak edilen değişkenleri Variables kısmına giriyoruz ve Correlation Coefficients kısmında Spearman kutucuğunu seçiyoruz. 45
46 Spearman s Sıra Korelasyonu Tabloda görüldüğü üzere Spearman s sıra korelasyon değeri olarak hesaplanır. Bu tablo kullanılarak Pearson korelasyondakine benzer yorumlar yapılabilir. 46
47 Kendall s tau (non-parametric) Kendall Tau korelasyon değeri de Spearman s sıra korelasyonu gibi parametrik korelasyondur. Kendall sıralı korelasyon katsayısı iki değişkenin istatistiksel olarak birbirine bağımlı olup olmadığını test etmek için de kullanılabilir. Spearmanın hesaplanmasında olduğu gibi öncelikle sürekli değişken değerlerine sıra numarası verilmesini ya da sıralı verilere sahip olunmasını gerektirir. Daha sonra her bir çift değerin hem A değişkeninde hem de B değişkeninde artıp azalmasına göre concordance ve discordance sayıları hesaplamayı gerektirir. 47
48 Kendall s tau (non-parametric) concordant (uyumlu) eğer (x i > x j ve y i > y j ) veya (x i < x j ve y i < y j ) Bu şartlara uyan her bir çift için +1 discordant (uyumsuz) eğer (x i > x j ve y i < y j ) veya (x i < x j ve y i > y j ) bu şartları sağlayan her bir çift için -1 yazılır. İkisine de uymayan durum x i = x j veya y i = y j. 48
49 Kendall s tau Öğrenci Not IQ Ahmet 1 1 Ayşe 2 4 Mehmet 5 2 Fatma 3 3 Mustafa 4 5 Yukarıda beş öğrencinin notlarına ve IQ puanlarına göre kaçıncı oldukları verilmiştir. Bu durumda notlarının ve IQ puanlarının ne olduğunu bilmemize gerek yoktur. Eğer notları ve IQ puanları var ise biz sıralama değerleri verebiliriz. Daha sonra her bir öğrenci çiftini (Ahmet-Ayşe, Ahmet-Mehmet, Ahmet-Fatma, Ahmet- Mustafa,..Fatma-Mustafa) hem Not hem de IQ puanındaki sıralamalar açısından karşılaştırırız. Anlatımda kolaylık olması açısından bir sonraki slaytta öğrenci isimlerini harflerle sembolleştirdik. 49
50 Kendall s tau Öğrenci Not IQ Ahmet a 1 1 Ayşe b 2 4 Fatma c 3 3 Mustafa d 4 5 Mehmet e
51 Kendall s tau (a,b) çifti hem NOT hem IQ için a<b olduğu için +1 (a,c) çifti hem NOT hem IQ için a<c olduğu için +1 (a,d) çifti hem NOT hem IQ için a<d olduğu için +1 (a,e) çifti hem NOT hem IQ için a<e olduğu için +1 (b,c) çifti hem NOT hem IQ için b<c olmadığı için -1 (b,d) çifti hem NOT hem IQ için b<d olduğu için +1 (b,e) çifti hem NOT hem IQ için b<e olmadığı için -1 (c,d) çifti hem NOT hem IQ için c<d olduğu için +1 (c,e) çifti hem NOT hem IQ için b<d olmadığı için -1 (d,e) çifti hem NOT hem IQ için d<e olmadığı için -1 Tüm değerleri topladığımızda 6-4=2 olur. Tüm kombinasyonların sayısı da Nx(N-1)/2 den 10 bulunur. Kendall s tau değeri = 2/((1/2)x(5x4))=0.2 bulunur. 51
52 Kendall s tau SPSS te Kendall tau değeri hesaplamak için yanda sıralı şekilde verilmiş ders notu ve IQ puanı değişkenleri kullanılmıştır. 52
53 Kendall s tau SPSS te Pearson korelasyon katsayısının hesaplandığı yer olan bivariate (ikili) korelasyon menüsü seçilebilir. 53
54 Kendall s tau Elde edilen Kendall s tau değeri ve test istatistiği aşağıdaki tabloda görülebilir. 54
55 Çift Serili (Biserial) ve Nokta Çift Serili (point biserial) Korelasyonlar Çift Serili (Biserial) ve Nokta Çift Serili (point biserial) Korelasyonları iki değişkenden birinin sürekli diğerinin de iki kategorili (dichotomous) olduğu durumlarda kullanılır. Çift-serili ve nokta çift-serili korelasyon arasındaki fark iki kategorili değişkenin aslının gerçekten iki kategorili olup olmamasına bağlıdır. Örneğin ölü ya da yaşıyor olmak, kız ya da erkek olmak kendiliğinden iki kategorilidir ama kaldı ya da geçti demek için sürekli dağılıma sahip not değerleri kullanılır. Nokta çift-serili korelasyon değeri süreksiz değişkenlerin (kız-erkek) olduğu durumlarda çift-serili korelasyon ise sürekli değişkenin iki kategoriye indirildiği durumlarda (kaldı-geçti) kullanılır. 55
56 Nokta Çift Serili Korelasyon Yan taraftaki veride bir sürekli değişken (zaman) ve bir süreksiz iki kategorili değişken (cinsiyet) olduğu için nokta çift serili korelasyon hesaplaması yapacağız. Bu işlemi SPSS te Pearson korelasyonu yaptığımız yerden yapabiliriz. 56
57 Nokta Çift Serili Korelasyon 57
58 Nokta Çift Serili Korelasyon Kadın=0, Erkek=1 kodlandığında 58
59 Nokta Çift Serili Korelasyon Kadın=1, Erkek=0 kodlandığında 59
60 Korelasyon ve Belirleme Katsayıları Burada kadına 1 erkeğe 0 dediğimizde korelasyon değeri çıkarken; kadına 0 erkeğe 1 değeri verdiğimizde korelasyom katsayısı çıkmaktadır. Burada cinsiyet ile zaman arasındaki ilişkinin büyüklüğü çıkmıştır deyip yönü göz ardı edebiliriz. İlişkiyi yorumlarken R-kare değeri hesaplayıp (0.378*0.378=0.142) cinsiyet değişkeni zaman içerisindeki değişimin %14 ünü açıklamaktadır diyebiliriz. 60
61 Çift Serili Korelasyon Yandaki formül ve normal dağılım tablosundan elde edilen p, q, ve y değerleri kullanılarak Nokta Çift Serili Korelasyondan Çift Serili Korelasyon Elde Edilebilir. 61
62 Çift Serili Korelasyon P,q ve y değerlerini normal dağılım tablosundan bulabilmek için cinsiyet değişkeninin frekans değerlerini bilmek gerekmektedir. Kadın = %53.33, Erkek=%46.7 olduğuna göre e denk gelen p,q ve y değerleri yandaki tablodan elde edilebilir. 62
63 Çift Serili Korelasyon Bir önceki slayttaki değerleri dönüştürme formülünde yerine koyarak aşağıdaki hesaplamalarla çift serili korelasyon değerini olarak elde ederiz. 63
64 Korelasyon Türleri Pearson korelasyon her iki değişkeninde sürekli olduğu durumlarda Spearman s korelasyon değişkenlerin sıralı olduğu durumlarda Kendall s korelasyon değişkenlerin sıralı olduğu durumlarda (küçük örneklemlerde daha uygun) Nokta çift serili korelasyon bir sürekli değişken ile gerçek iki kategorili bir değişken arasında Çift serili korelasyon bir sürekli değişken ile sonradan iki kategoriye indirilmiş iki kategorili bir değişken arasında 64
65 Kısmi (Partial) Korelasyon İki değişken arasındaki ilişki hesaplanırken (BU İKİ DEĞİŞKEN ÜZERİNDE ETKİSİ OLDUĞU DÜŞÜNÜLEN )üçüncü bir değişkenin etkisinin sabit tutulduğu/kontrol edildiği durumda hesaplanan korelasyona kısmi korelasyon denir. 65
66 Kısmi (Partial) Korelasyon Yandaki veride bir grup öğrencinin cinsiyeti, sınav başarısı, sınav kaygı düzeyi ve sınav öncesi konu tekrarı süresine ait değişkenler bulunmaktadır. Sınav performansı ve sınav kaygısı arasındaki ilişkiyi araştıran bir araştırmacı sınav öncesi harcanan zamanın kaygıyı azaltıp başarıyı artırdığını düşünmekte ve başarı ile kaygı arasındaki ilişkiyi hesaplarken konu tekrarı için harcanan süreyi de hesaba katması gerektiğini düşünmektedir. Bunu yapabilmenin yolu zamanı sabit tutup başarı ve kaygı arasındaki ilişkiye bakmamızı sağlayan kısmi korelasyon hesabıdır. 66
67 Kısmi (Partial) Korelasyon SPSS te kısmi korelasyona yanda gösterilen menülerden ulaşabiliriz. 67
68 Kısmi (Partial) Korelasyon Açılan ekranda hangi değişkenler arasında korelasyon hesaplanacaksa Variables kısmına eklemek ve hangi üçüncü değişkenin etkisi çıkarılacaksa onu da Controlling for kısmına eklemektir. Burada performanskaygı arası ilişkiyi bulurken konu tekrarı için harcanan zamanı kontrol ediyoruz. 68
69 Kısmi (Partial) Korelasyon Kısmi korelasyonu elde ederken farkı görmek adına her değişken çifti arasındaki ikili korelasyonları da elde etmek istiyorsak zeroorder correlation seçeneğini işaretlemeliyiz. Sadece kısmi korelasyon elde etmek istiyorsak burayı işaretlememize gerek yoktur. 69
70 Kısmi (Partial) Korelasyon Aşağıdaki tablonun üst kısmında ikili korelayonları alt kısmında da zamanı kontrol ettiğimizde performans ile kaygı arasındaki korelasyon değerinin kaç olduğunu görüyoruz. Tabloya göre performans ile kaygı arasındaki korelasyon değeri iken zaman değişkeninin kontrol edildiği durumda performans-kaygı arasındaki kısmi korelasyon değerimiz bulunmuştur. 70
71 Yarı Kısmi (Semi-partial) Korelasyon İki değişken arasındaki ilişki hesaplanırken (BU İKİ DEĞİŞKEN ÜZERİNDE ETKİSİ OLDUĞU DÜŞÜNÜLEN )üçüncü bir değişkenin etkisinin sabit tutulduğu/kontrol edildiği durumda hesaplanan korelasyona kısmi korelasyon denir. İki değişken arasındaki ilişki hesaplanırken (BU İKİ DEĞİŞKENDEN SADECE BİRİ ÜZERİNDE ETKİSİ OLDUĞU DÜŞÜNÜLEN )üçüncü bir değişkenin etkisinin sabit tutulduğu/kontrol edildiği durumda hesaplanan korelasyona yarı-kısmi korelasyon denir. 71
72 Yarı Kısmi (Semi-partial) Korelasyon SINAV KAYGISI TEKRAR ZAMANI SINAV PERFORMANSI KISMİ KORELASYON SINAV KAYGISI TEKRAR ZAMANI SINAV PERFORMANSI YARI-KISMİ KORELASYON 72
73 Yarı Kısmi (Semi-partial) Korelasyon SPSS Correlation menüsünde yarı-kısmi korelasyon elde etmek için bir seçenek bulunmamaktadır. Yarı-kısmi korelasyonu SPSS te Regression menüsünden elde edebiliriz. 73
74 Yarı Kısmi (Semi-partial) Korelasyon İlk olarak Regression menüsünden Linear kısmını seçmeliyiz. 74
75 Yarı Kısmi (Semi-partial) Korelasyon Açılan ekranda yarıkısmi korelasyon elde etmek istediğimiz değişkenlerden birini Dependent kısmına diğerini de Independent kısmına eklemeliyiz. Burada üçüncü değişkenden etkilendiği düşülen değişkeni Independent kısmına eklemeliyiz. Daha sonra etkisini çıkarmak istediğimiz değişkeni de Independent kısmına ekledikten sonra Statistics menüsünü tıklamalıyız. 75
76 Yarı Kısmi (Semi-partial) Korelasyon Açılan ekranda Part and Partial correlations kutucuğunu işaretlemeliyiz. Burada part correlation yarıkısmi korelasyonu, partial correlation da kısmi korelasyonu temsil etmektedir. 76
77 Yarı Kısmi (Semi-partial) Korelasyon Gerekli işlemleri yaptıktan sonra regresyon sonuçlarının en sağ tarafında ikili (zero-order), kısmi (partial) ve yarı-lısmi (semipartial) korelasyon değerlerini elde edebiliriz. Yandaki tabloya göre zaman kontrol edildikten sonra performans ile kaygı arasındaki kısmi korelasyon değeri iken yarı-kısmi korelasyon değerimiz olarak bulunmuştur. 77
78 Correlation does not imply causation!... Korelasyon neden-sonuç ilişkisini işaret etmez 78
7.Sunum. Yrd. Doç. Dr. Sedat ŞEN 1
7.Sunum Yrd. Doç. Dr. Sedat ŞEN 1 Buraya kadar olan konularda (t-testi, ANOVA vb.) bağımlı değişkenin gruplar arasında anlamlı bir fark gösterip göstermediğini test ettik. Bu sunumumuzda farklı bir araştırma
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıKategorik Veri Analizi
Kategorik Veri Analizi 6.Sunum Yrd. Doç. Dr. Sedat ŞEN 1 ANALİZ TÜRLERİ Bağımlı Değ. Bağımsız Değ. Analiz Sürekli İki kategorili t-testi, Wilcoxon testi Sürekli Kategorik ANOVA, linear regresyon Sürekli
DetaylıKorelasyon. Korelasyon. Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır.
Korelasyon Korelasyon Merkezi eğilim ve değişim ölçüleri bir defada sadece bir değişkenin özelliklerini incelememize imkan tanır. Biz şimdi, bir değişkenin özelliklerini diğer değişkenle olan ilişkisine
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
DetaylıBÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3
KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8
DetaylıPARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz.
PARAMETRİK TESTLER Tek Örneklem t-testi 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. H0 (boş hipotez): 200 öğrencinin matematik dersinden aldıkları
DetaylıBİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıREPEATED MEASURES ANOVA (Tekrarlı Ölçümler ANOVA )
REPEATED MEASURES ANOVA (Tekrarlı Ölçümler ANOVA ) 6.SUNUM 1 Tekrarlı Ölçümler ANOVA Repeated Measures Design: Yinelenmis Ölçüler Tasarımı ya da tekrarlanmış ölçüler tasarımı olarak adlandırılabilir. Repeated
DetaylıTekrarlı Ölçümler ANOVA
Tekrarlı Ölçümler ANOVA Repeated Measures ANOVA Aynı veya ilişkili örneklemlerin tekrarlı ölçümlerinin ortalamalarının aynı olup olmadığını test eder. Farklı zamanlardaki ölçümlerde aynı (ilişkili) kişiler
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıKullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı
ARAŞTIRMA MODELLİLERİNDE KULLANILACAK İSTATİSTİKLERİ BELİRLEME ÖLÇÜTLERİ Parametrik mi Parametrik Olmayan mı? Kullanılacak İstatistikleri Belirleme Ölçütleri Değişken Sayısı Tek değişkenli (X) İki değişkenli
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
Detaylı5.HAFTA. Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi
5.HAFTA Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi Bu sunumda kullanılan verimizde bulunan değişkenler: İsim CİNSİYET KİTAP YAŞ VİZE VİZE2 FİNAL DÖNEMSONUNOTU Bu dersimizde daha önce hesapladığımız basit
DetaylıKORELASYON VE REGRESYON ANALİZİ. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
KORELASYON VE REGRESYON ANALİZİ Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki ya da daha çok değişken arasında ilişki olup olmadığını, ilişki varsa yönünü ve gücünü inceleyen korelasyon
Detaylıwww.fikretgultekin.com 1
KORELASYON ANALĐZĐ (Correlation Analysis ) Basit Korelasyon Analizi Basit korelasyon analizinde iki değişken söz konusudur ve bu değişkenlerin bağımlıbağımsız değişken olarak tanımlanması/belirlenmesi
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıYrd. Doç. Dr. Sedat ŞEN 2
6.SUNUM ANOVA da bir bağımlı değişken ile grup değişkeni kullanarak gruplar arasında bağımlı değişken açısından farklılık olup olmadığını test etmiştik. Daha sonra ANCOVA da ANOVA ya sürekli bir değişkeni
DetaylıREGRESYON. 9.Sunum. Yrd. Doç. Dr. Sedat ŞEN
REGRESYON 9.Sunum 1 Önceki Sunumda Basit regresyon analizini SPSSte nasıl yapacağımızı Çoklu regresyon analizini SPSSte nasıl yapacağımızı Regresyon verisini olası problemli değerler için nasıl kontrol
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
DetaylıH.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)
H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.
DetaylıGİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir.
VERİ ANALİZİ GİRİŞ Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. Bilimsel Bilgi: Kaynağı ve elde edilme süreçleri belli olan bilgidir. Sosyal İlişkiler Görgül Bulgular İşlevsel
DetaylıOrtalamaların karşılaştırılması
Parametrik ve Parametrik Olmayan Testler Ortalamaların karşılaştırılması t testleri, ANOVA Mann-Whitney U Testi Wilcoxon İşaretli Sıra Testi Kruskal Wallis Testi BBY606 Araştırma Yöntemleri Güleda Doğan
DetaylıREGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı
REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
Detaylı3.SUNUM. Yrd. Doç. Dr. Sedat Şen
3.SUNUM 1 Daha önce gösterdiğimiz gibi SPSS e manual olarak (elle) veri girişi yapabildiğimiz gibi daha önce başka bir dosyaya girilmiş olan bir veriyi de SPSS e file>open >data seçeneklerini kullanarak
DetaylıKorelasyon testleri. Pearson korelasyon testi Spearman korelasyon testi. Regresyon analizi. Basit doğrusal regresyon Çoklu doğrusal regresyon
Korelasyon testleri Pearson korelasyon testi Spearman korelasyon testi Regresyon analizi Basit doğrusal regresyon Çoklu doğrusal regresyon BBY606 Araştırma Yöntemleri Güleda Doğan Ders içeriği Korelasyon
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
DetaylıMultivariate ANOVA (MANOVA) 11.Sunum
Multivariate ANOVA (MANOVA) 11.Sunum MANOVA Daha önce bir tane bağımlı değişkenimiz olduğunda gruplar arası farkı incelemek için ANOVA kullanacağımızı göstermiştik. Araştırmamızda birden fazla bağımlı
DetaylıPARAMETRİK ve PARAMETRİK OLMAYAN (NON PARAMETRİK) ANALİZ YÖNTEMLERİ.
AED 310 İSTATİSTİK PARAMETRİK ve PARAMETRİK OLMAYAN (NON PARAMETRİK) ANALİZ YÖNTEMLERİ. Standart Sapma S = 2 ( X X ) (n -1) =square root =sum (sigma) X=score for each point in data _ X=mean of scores
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıM d a d dd e A l na i li i z
Mdd Madde Analizi i Madde: Ölçme araçlarının (testlerin, ölçeklerin, vb.) kendi başına ş puanlanabilen en küçük birimidir. Ölçme sonuçlarına dayalı olarak bir testi oluşturan ş maddeler analiz edilerek
DetaylıParametrik İstatistiksel Yöntemler (t testi ve F testi)
Parametrik İstatistiksel Yöntemler (t testi ve F testi) Dr. Seher Yalçın 27.12.2016 1 İstatistiksel testler parametrik ve parametrik olmayan testler olmak üzere iki gruba ayrılır. Parametrik testler, ilgilenen
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Kazanımlar 1 2 3 4 5 6 Değişkenlerin ilişkisini açıklamak ve hesaplamak için Pearson korelasyon katsayısı Örneklem r ile evren korelasyonu hakkında hipotez testi yapmak Spearman
DetaylıBİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ
BİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ DÖNEM I-I. DERS KURULU Konu: Bilimsel yöntem ve istatistik Amaç: Biyoistatistiğin tıptaki önemini kavrar ve sonraki dersler için gerekli terminolojiye hakim olur.
DetaylıTek Yönlü Varyans Analizi (ANOVA) Kruskal Wallis H Testi
Tek Yönlü Varyans Analizi (ANOVA) Kruskal Wallis H Testi Dr. Eren Can Aybek erencan@aybek.net www.olcme.net IBM SPSS Statistics ile Hangi Durumda Kullanılır? Bağımsız gruplar t testi, iki grubun ortalamasını
DetaylıPazarlama Araştırması Grup Projeleri
Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
DetaylıParametrik Olmayan Testler. İşaret Testi-The Sign Test Mann-Whiney U Testi Wilcoxon Testi Kruskal-Wallis Testi
Yrd. Doç. Dr. Neşet Demirci, Balıkesir Üniversitesi NEF Fizik Eğitimi Parametrik Olmayan Testler İşaret Testi-The Sign Test Mann-Whiney U Testi Wilcoxon Testi Kruskal-Wallis Testi Rank Korelasyon Parametrik
DetaylıTEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar
TEMEL İSTATİSTİK BİLGİSİ İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar İstatistiksel Verileri Tasnif Etme Verileri daha anlamlı hale getirmek amacıyla
DetaylıYrd. Doç. Dr. Sedat ŞEN
4.SUNUM Deney çalışmamızda manipüle ettiğimiz değişkenlerden olmayıp bağımlı değişken üzerinde etkisi olduğunu düşündüğümüz sürekli değişkenlere ortak değişken/kontrol değişkeni/etki karışımı değişkeni
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
DetaylıMATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI
Öğrenci Bilgileri Ad Soyad: İmza: MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI 26 Mayıs, 2014 Numara: Grup: Soru Bölüm 1 10 11 12 TOPLAM Numarası (1-9) Ağırlık 45 15 30 20 110 Alınan Puan Yönerge 1. Bu sınavda
DetaylıİÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1
İÇİNDEKİLER ÖNSÖZ... v 1. BÖLÜM Örneklem Genişliğinin Elde edilmesi... 1 1.1. Kitle ve Parametre... 1 1.2. Örneklem ve Tahmin Edici... 2 1.3. Basit Rastgele Örnekleme... 3 1.4. Tabakalı Rastgele Örnekleme...
DetaylıMerkezi Eğilim ve Dağılım Ölçüleri
Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki
Detaylıİçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...
İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
DetaylıMerkezi Yığılma ve Dağılım Ölçüleri
1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu
DetaylıSPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can
SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel
DetaylıCEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.
T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B
DetaylıJEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA
JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere
DetaylıVerilerin Özetlenmesinde Kullanılan Sayısal Yöntemler
Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki
DetaylıNon-Parametrik İstatistiksel Yöntemler
Non-Parametrik İstatistiksel Yöntemler Dr. Seher Yalçın 27.12.2016 1 1. Tek Örneklem Kay Kare Testi 2. İki Değişken İçin Kay Kare Testi 3. Mann Whitney U Testi 4. Kruskal Wallis H Testi ortanca testine
DetaylıKonum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan
Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması
DetaylıProf.Dr.İhsan HALİFEOĞLU
Prof.Dr.İhsan HALİFEOĞLU Örnek: Aşağıda 100 yetişkine ilişkin kolesterol değerlerini sınıflandırılarak aritmetik ortalamasını bulunuz (sınıf aralığını 20 alınız). 2 x A fb C 229.5 n 40 20 100 221.5 3 Örnek:.
DetaylıTEMEL EĞİTİMDEN ORTAÖĞRETİME GEÇİŞ ORTAK SINAV BAŞARISININ ÇEŞİTLİ DEĞİŞKENLER AÇISINDAN İNCELENMESİ
T.C. MİLLÎ EĞİTİM BAKANLIĞI ÖLÇME, DEĞERLENDİRME VE SINAV HİZMETLERİ GENEL MÜDÜRLÜĞÜ VERİ ANALİZİ, İZLEME VE DEĞERLENDİRME DAİRE BAŞKANLIĞI TEMEL EĞİTİMDEN ORTAÖĞRETİME GEÇİŞ ORTAK SINAV BAŞARISININ ÇEŞİTLİ
DetaylıSık kullanılan istatistiksel yöntemler ve yorumlama. Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi
Sık kullanılan istatistiksel yöntemler ve yorumlama Doç. Dr. Seval KUL Gaziantep Üniversitesi Tıp Fakültesi Biyoistatistik AD Bşk. 1 Hakkımda 2 Hedef: Katılımcılar modülün sonunda temel istatistiksel yöntemler
DetaylıH.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları III (3 Mayıs 2012)
H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) Parametrik Olmayan Testler Binom Testi SPSS Ders Notları III (3 Mayıs 2012) Soru 1: Öğrencilerin okul
DetaylıSPSS (Statistical Package for Social Sciences)
SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable
DetaylıBağımlı Gruplar İçin t Testi Wilcoxon İşaretli Sıralar Testi
Bağımlı Gruplar İçin t Testi Wilcoxon İşaretli Sıralar Testi Dr. Eren Can Aybek erencan@aybek.net www.olcme.net IBM SPSS Statistics ile Bağımlı Gruplar için t Testi İlişkili olan iki ortalama arasında
DetaylıÇalıştığı kurumun prestij kaynağı olup olmaması KIZ 2,85 ERKEK 4,18
1 * BAĞIMSIZ T TESTİ (Independent Samples t test) ÖRNEK: Yapılan bir anket çalışmasında katılımcılardan, çalıştıkları kurumun kendileri için bir prestij kaynağı olup olmadığını belirtmeleri istenmiş. 30
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıCHAPTER 6 SIMPLE LINEAR REGRESSION
CHAPTER 6 SIMPLE LINEAR REGRESSION Bu bölümdeki amacımız değişkenler arasındaki ilişkiyi gösteren en uygun eşitliği kurmaktır. Konuya giriş için şu örnekle başlayalım; Diyelim ki Mr. Bump adındaki birisi
DetaylıNicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014
Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?
DetaylıOlasılık ve Normal Dağılım
Olasılık ve Normal Dağılım P = 0 İmkansız P =.5 Yarı yarıya P = 1 Kesin Yazı-Tura 1.5 2 1.5 2.5.5.25 Para atışı 10 kere tekrarlandığında Yazı Sayısı f % 0 3 30 1 6 60 2 1 10 Toplam 10 100 Atış 1000 kere
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi
DetaylıBİR ÖRNEKLEM İÇİN T TESTİ İLİŞKİSİZ ÖRNEKLEMLER İÇİN T-TESTİ
1 BİR ÖRNEKLEM İÇİN T TESTİ İLİŞKİSİZ ÖRNEKLEMLER İÇİN T-TESTİ 2 BİR ÖRNEKLEM İÇİN T TESTİ 3 Ölçüm ortalamasını bir norm değer ile karşılaştırma (BİR ÖRNEKLEM İÇİN T TESTİ) Bir çocuk bakımevinde barındırılan
DetaylıTAŞINMAZ DEĞERLEMEDE İSTATİSTİKSEL ANALİZ
Taşınmaz Değerlemede İstatistiksel Analiz Taşınmaz Değerleme ve Geliştirme Tezsiz Yüksek Lisans Programı TAŞINMAZ DEĞERLEMEDE İSTATİSTİKSEL ANALİZ 1 Taşınmaz Değerlemede İstatistiksel Analiz İçindekiler
DetaylıYrd. Doç. Dr. Sedat Şen 9/27/2018 2
2.SUNUM Belirli bir amaç için toplanmış verileri anlamlı haline getirmenin farklı yolları vardır. Verileri sözel ifadelerle açıklama Verileri tablolar halinde düzenleme Verileri grafiklerle gösterme Veriler
DetaylıBÖLÜM 14 BİLGİSAYAR UYGULAMALARI - 3 (ORTALAMALARIN KARŞILAŞTIRILMASI)
1 BÖLÜM 14 BİLGİSAYAR UYGULAMALARI - 3 (ORTALAMALARIN KARŞILAŞTIRILMASI) Hipotez testi konusunda görüldüğü üzere temel betimleme, sayma ve sınıflama işlemlerine dayalı yöntemlerin ötesinde normal dağılım
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
Detaylı01.02.2013. Statistical Package for the Social Sciences
Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıBİYOİSTATİSTİK. Uygulama 6. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 6 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Soru 1 İlaç malzemelerinin kalitesini
DetaylıOluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir
Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma
DetaylıTemel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri
Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini
DetaylıÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı
BULGULAR Çalışma tarihleri arasında Hastanesi Kliniği nde toplam 512 olgu ile gerçekleştirilmiştir. Olguların yaşları 18 ile 28 arasında değişmekte olup ortalama 21,10±1,61 yıldır. Olguların %66,4 ü (n=340)
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıÖlçme ve Değerlendirme
Ölçme ve Değerlendirme Z Puanı T Puanı Yrd. Doç. Dr. Yetkin Utku KAMUK Standart Puan Herhangi bir ölçüm sonucunda elde edilen ve farklı birimlere sahip ham puanların, standart bir dağılım haline dönüştürülmesi
DetaylıSPSS (Statistical Package for Social Sciences)
SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) SPSS Data Editör iki arayüzden oluşur. 1. Data View
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
DetaylıKİTABIN HARİTASI AÇIKLAMALAR BÖLÜMÜ
KİTABIN HARİTASI Bu kitapta açıklanan analizlerin işlevselliğini ön plana çıkarabilmek adına, analiz isimlerinden çok bunlarla neler yapılabileceği açıklanarak, analizden yapılacak işleme gitmek yerine,
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıBİLİMSEL ARAŞTIRMA YÖNTEMLERİ. Bazı Temel Kavramlar
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ Bazı Temel Kavramlar TEMEL ARAŞTIRMA KAVRAMLARI Bilimsel çalışmaların amacı, örneklem değerinden evren değerlerinin kestirilmesidir. Araştırma evreni (population) Evren, bütündeki
Detaylı4.SUNUM. Yrd. Doç. Dr. Sedat Şen
4.SUNUM 1 Minimum Maksimum Mod Medyan Aritmetik ortalama Ranj Standart sapma Varyans Çarpıklık Basıklık 2 SPSS te veri girişini veri görünümü kısmından elle ya da başka bir dosyanın SPSS içine file>open
DetaylıT TESTİ: ORTALAMALAR ARASI FARKLARIN TEST EDİLMESİ. Yrd. Doç. Dr. C. Deha DOĞAN
T TESTİ: ORTALAMALAR ARASI FARKLARIN TEST EDİLMESİ Yrd. Doç. Dr. C. Deha DOĞAN Gruplara ait ortalamalar elde edildiğinde, farklı olup olmadıkları ilk bakışta belirlenemez. Ortalamalar arsında bulunan
Detaylı