tekrarlanan Ölçümlerde varyans analizi
DESCRIPTION
Tekrarlanan Ölçümlerde Varyans AnaliziTRANSCRIPT
2
İçindekiler Özet…………………………………………………………..……………3
Tekrarlı Ölçümlerle Varyans Analizi............................3
Kaynaklar...................................................................4
Örnek Uygulama....................................................5-13
3
Özet Bu konumuzda tekrarlanan ölçümlerde varyans analizini araştırdık. İlk olarak konuya ilişkin tanımlar yapıldı ve ardından bir örnekle konuyu daha iyi anlamaya çalıştık. Ödev içeriğinde; konu anlatımı, konuyu araştırırken kullandığımız kaynaklar, konuyla ilgili örnek bir uygulama ve tablo yorumları bulunmaktadır.
Tekrarlı Ölçümlerde Varyans Analizi Tekrarlanan ölçümlerde varyans analizi, ikiden fazla bağımlı gruptan elde edilen nümerik verilerin ortalamalarının karşılaştırılmasında kullanılır.
Hedefler;
Nümerik veri ikiden fazla bağımlı grubu tanıyabilmek Tekrarlanan ölçümlerde varyans analizi varsayımlarını sayabilmek SPSS’te Tekrarlanan ölçümlerde varyans analizi testi yapılabilmek Tekrarlanan ölçümlerde varyans analizi testi SPSS çıktısını yorumlayabilmek
4
Kaynaklar http://www.youtube.com/user/statslectures
http://www.istatistikmerkezi.com/
https://statistics.laerd.com/
http://en.wikipedia.org/wiki/Repeated_measures_design
SPSS’de İstatistiksel Analizler - Yrd. Doç. Dr. Mustafa Akdağ
Sağlık Çalışanları İçin Araştırma ve Pratik İstatistik – Prof. Dr. Zekeriya Aktürk, Doç. Dr. Hamit Acemoğlu
5
Örnek Uygulama İstatistikte Programlama-I Dersini Alan II. Öğretim Öğrencilerinin
Vize, Final ve Bütünleme Sınav Notları
Öğrenci No Ad-Soyad V1 V2 FN BT Mzr ORT Başarı
11472503 İBRAHİM AKSU 34
14 23
27,4 FF 0,0
11472509 İLKNUR ALŞAHİN 57
35 50
52,8 CB 2,5
11472510 MUSTAFA KANIBİR 46
25 G
18,4 FF 0,0
11472513 GÖKÇE ÖZGÜVEN 48
G 64
57,6 BB 3,0
11472515 ONUR LAÇO 40
28 53
47,8 CC 2,0
11472516 HATİCE KÜBRA SUNAY 29
38 53
43,4 CC 2,0
11472517 MAHMUT ESEN 20
10 50
38,0 DC 1,5
11472518 MURAT TAŞKIN 40
33 52
47,2 CC 2,0
11472521 EMRE EDEŞ 20
28 G
08,0 FF 0,0
11472523 VEYSEL SOYSAL 30
20 50
42,0 CC 2,0
11472526 SEDA ZEYVELİ 48
25 G
19,2 FF 0,0
11472529 ÖZLEM SARIDOĞAN 56
G 66
62,0 BA 3,5
11472530 EYÜP ÇOPUROĞLU 56
38 64
60,8 BA 3,5
11472533 BURHAN KEŞ 40
25 50
46,0 CC 2,0
11472542 FERHAT TAKIR 52
38 65
59,8 BB 3,0
11472546 DAMLA ALBAYRAK 28
30 G
11,2 FF 0,0
11472551 MUSTAFA TORGUT 16
25 50
36,4 DC 1,5
11472557 TARIK GÖLET 55
25 55
55,0 BB 3,0
11472558 RECEP KAÇMAZ 31
33 50
42,4 CC 2,0
11472563 MEHMET SELİM KAYAALTI 20
28 59
43,4 CC 2,0
11472567 BURCU KILIÇ 25
23 G
10,0 FF 0,0
11472570 ERHAN YILDIRIM 59
23 60
59,6 BB 3,0
11472571 GÜLÇİN GÜLHAS 54
15 G
21,6 FF 0,0
Tablo: 1.0
6
Örnek: İstatistikte Programlama-I dersinden bütünlemeye kalan öğrencilerin vize ve final notlarının, bütünleme sınavından aldıkları notlara etkisi incelenmek istenmiştir.
Bu örnekte H0 ve H1 hipotezleri şu şekilde tanımlanabilir;
H0: Öğrencilerin vize ve final notlarının, bütünleme sınavından aldıkları notlara etkisi yoktur.
Örneğimize SPSS programında Veriable View sekmesinden değişkenlerimizi tanımlayarak başlayalım.
Resim: 1.0
9
Karşımıza gelen Repeated Measures Define Factor(s) iletişim penceresinde karşılaştıracağımız değişken sayısını (3) girip sırasıyla Add ve Define butonlarına tıklıyoruz.
Resim: 1.3
10
Daha sonra karşımıza gelen Repeated Measures iletişim penceresinde değişkenlerimizi aradaki oku kullanarak Within-Subjects Variables kutucuğuna gönderiyoruz.
Resim: 1.4
11
Ardından Options butonuna tıklayıp karşımıza gelen Repeated Measures: Options penceresinden daha önceden tanımladığımız ve üzerinde işlem yapacağımız faktörü ok butonunu kullanarak Display Means for kutucuğuna atıyoruz.
Daha sonra Confidance İnterval Adjustment açılır menüsüne tıklayıp Bonferroni testini seçiyoruz ve Display bölümündeki Descriptive Statistics seçeneğini seçiyoruz.
Resim: 1.5
12
Şimdi sırasıyla Continue ve OK butonlarına tıklayıp karşımıza gelen tabloları inceleyelim.
Tablo: 1.1
Descriptive Statistics tablosunda öğrencilerin vize, final ve bütünleme sınav notlarının ortalamaları ve standart sapmaları görülmektedir. Bu tabloda bütünleme sınav notlarının ortalamasının en büyük olduğu, final sınav notlarının ise ortalamasının en küçük olduğu gözlemlenmiştir. Yani final notu düşük olan öğrencilerin bütünleme notları daha yüksektir.
Fakat 0.05 önem düzeyinde anlamlı olup olmadığını belirlemek için Test of Within-Subjects Contrasts tablosunu incelememiz gerekir.
Tablo: 1.2
P=Sig. 0,938 > 0.05 olduğundan dolayı ortalamalar arasındaki farkın anlamlı olmadığı gözlenmektedir. Fakat değişkenler arasındaki farklılıkları ikişerli gruplar arasında karşılaştırmak için bonferroni testi sonuçların bakıyoruz.
Descriptive Statistics
39,3043 14,08234 2324,3043 10,67041 2339,7391 25,59158 23
Vize NotlariFinal NotlariButunleme Notlari
Mean Std. Deviation N
Tests of Within-Subjects Contrasts
Measure: MEASURE_1
2,174 1 2,174 ,006 ,9383550,725 1 3550,725 14,191 ,0017613,826 22 346,0835504,609 22 250,209
sinavLinearQuadraticLinearQuadratic
Sourcesinav
Error(sinav)
Type III Sumof Squares df Mean Square F Sig.
13
Tablo: 1.3 *. Ortalama fark 0.05 düzeyinde anlamlıdır. a. Çoklu karşılaştırmalar için düzeltme: Bonferroni. Tabloda Sig.a değeri 0,002<0,05 olduğundan dolayı H0 hipotezi reddedilir. Yani %95 önem düzeyinde üç değişken arasında anlamlı bir farklılık vardır. H1: Öğrencilerin vize ve final notlarının, bütünleme sınavından aldıkları notlara etkisi vardır hipotezi kabul edilmiştir.
SON
Pairwise Comparisons
Measure: MEASURE_1
15,000* 3,792 ,002 5,174 24,826-,435 5,486 1,000 -14,650 13,780
-15,000* 3,792 ,002 -24,826 -5,174-15,435* 5,771 ,042 -30,388 -,481
,435 5,486 1,000 -13,780 14,65015,435* 5,771 ,042 ,481 30,388
(J) sinav231312
(I) sinav1
2
3
MeanDifference
(I-J) Std. Error Sig.a Lower Bound Upper Bound
95% Confidence Interval forDifferencea
Based on estimated marginal meansThe mean difference is significant at the ,05 level.*.
Adjustment for multiple comparisons: Bonferroni.a.