Korelasyon tablolarını anlamak ve yorumlamak

Spss’te hazır bir veri dosyası üzerinde bir korelasyon testini gerçekleştirmeyi öğrenmek gerçekte çok zorlu bir çaba gerektirmez. İstatistikçi olmadan da her hangi bir istatistik programını kullanabiliriz. Neyi nereye, nerden yerleştireceğimizi biliyorsak bir sorun yoktur. Esas sorun istatistik işlemlerini bir araştırma için uygulama yeteneğini kazanmaktır. Eğer uygulamaları ifade eden Tabloları anlamaktan ve yorumlamaktan mahrumsak, bu daha çok şey öğrenmemiz gerektiği anlamına gelir.

Gerçek bir araştırmanın (http://klinikpsikiyatri.org/files/journals/1/71.pdf)  sunduğu aşağıdaki tabloda değişkenler arasındaki korelasyonlara bakalım. Bir bakışta, değişkenlerin ne olduklarını bilmesek de soyut bir şekilde aralarındaki ilişkiyi anlayamıyorsak korelasyon konusunda daha çalışmamız gerekli demektir.

Daha önceki korelasyon ile ilgili yazımızda Spss’in anlamlı ilişkilere yıldızlar(**) verdiğini söylemiştik fakat elifi görünce makalenin yazarları gibi mertek sanmayın. Tabloya baktığımızda YTT_toplam ile RBSÖ ve SCL-90-R.gsi arasında pozitif yönde anlamlı korelasyonel bir ilişki olduğunu hemen söyleyebiliriz. Yazarlar, ‘’önemli’’  gibi ne demek olduğu pek belli olmayan bir deyim kullanıyorlar. Böylesine ifadeler pek geçerli değildir. Peki bu değişkenler arasındaki korelasyonları nasıl ifade edebiliriz?

YTT_toplam ile RBSÖ arasında pozitif yönde düşük düzeyde anlamlı bir ilişki vardır(r=0,234, p<0,01). YTT_toplam arttıkça RBSÖ’nın da artığı gözlemlenmiştir. Doğru ifade tarzı böyledir.

Örnekten yararlanarak benzer yorumları yapmaya muktedir olmalısınız.

Güç mevzusunu hatırlarsak;

0.00-0.29 arası ise düşük güç

0.30-0.49 arası ise orta güç

0.50-0.69 arası ise yüksek güç

0.70-1.00 arası ise yüksek güç

Spss Modülleri

SPSS çeşitli modüllerden oluşan bir paket programıdır. İçerdiği bu modüller aşağıdaki gibi sayılabilir.

- Base modülü: Veri girişi, veri işleme ve temel istatistiksel analizleri içeren bir modüldür.
- Advanced Statistics modülü: Yaşam analizi, Lojistik Regresyon, Probit Regresyon, Cox Regresyon, MANOVA, Loglineer analiz gibi ileri istatistiksel yöntemleri kapsar.
- Professional Statistics modülü: Kümeleme, Faktör, Diskriminant analizi gibi ileri istatistiksel yöntemleri kapsar.
- Trends modülü: Zaman serilerinin analizini yapan ARIMA, Spectral analiz gibi yöntemleri içerir.
- Statistical Quality Control modülü: Kalite kontrolünde yararlanılan prosedürleri içerir.
- CHAID modülü: Aşamalı veri yapılarının Ki-kare analizi aracılığı ile analizini yapar.
- LISREL modülü: Verilere doğrusal modeller uygular, parametre tahminleri ve testler yapar. İleri regresyon modelleri içerir.
-  Categories modülü: Kategorik verilerin analizini yapan yöntemler içerir.( Uyum, Türdeşlik analizi vb..)

Kaynak

Spss Ölçek Türleri

Spss Ölçek Türleri

Yapılacak olan istatistiksel analizler nesnelerin ölçme düzeylerine bağlı olarak değişmektedir.
Dört tür ölçekten bahsedilebilir:
1- Nominal
2- Ordinal
3- Interval
4- Rational

Sınıflayıcı Ölçek Nedir?
Sadece tanımlama için kullanılır. Burada bir sıralama amacı yoktur.
–İşyerindeki görev tanımlarına ait kodlar
–Cinsiyet kodları
–Eğitim düzeyi kodları
–Doğum yeri kodları
–Medeni durum kodları
–Göz rengi kodları vb.
–Bu değişkenlere ait verilerle toplama, çıkartma, çarpma veya bölme işlemi yapılmaz.

Sıralayıcı Ölçek Nedir?
Ölçek içerisindeki farklı kategoriler bir sıralamaya sahip yapıdadırlar.
“Daha az” dan “Daha fazla” ya da tam tersi bir sıralama söz konusudur.
Burada sıralamada bir büyüklük yada küçüklük söz konusu iken farklı kategoriler arasındaki uzaklığın bir anlamı yoktur.
Yani; “Çok Memnunum” cevabının “Orta Düzeyde Memnunum” cevabından iki kat daha fazla memnuniyet ifade ettiği söylenemez.

Aralıklı Ölçek Nedir?
Kategorilerin herbiri arasındaki tam uzaklığı ölçme özelliğine sahiptirler.

Örneğin 20 yaşındaki bir kişi 19 yaşındaki bir kişiden ve 50 yaşındaki bir kişi 49 yaşındaki bir kişiden 1 yaş büyüktür. Bu büyüklük her durumda bir yıldır ve birbirine eşittir.
Ölçeğin sıfır noktasından başlatılması zorunluluğu yoktur.

Oranlı Ölçek Nedir?
Bu ölçek ile ölçülen değerler arasında kıyaslama yapılabilir. Değerler arasındaki farklar önem taşımaktadır.
Örneğin;
–Hız
–Uzaklık
–Yaş
–Gelir
–Parasal vb. ölçümler gibi

Bu Ölçeklerin Genel Gruplaması şu şekildedir;
Nitel Ölçekler: Sınıflayıcı ve Sıralayıcı
Nicel Ölçekler: Aralıklı ve Oranlı

Değişken: Ana kütleyi (kitleyi, populasyonu) oluşturan birimlerin farklı değerler alabilen, sayılabilen veya ölçülebilen özelliklerine “Değişken” adı verilir.
Nicel ve Nitel Değişkenler:
Sayısal değişkenler (gelir, yaş vb.) “nicel” değişkenler olarak
Sözel değişkenler (cinsiyet, medeni durum vb.) “nitel” değişkenler olarak adlandırılır.

Sürekli ve Kesikli Değişkenler
Sürekli değişkenler: Sonsuz sayıda değerlere sahip olan değişkenlerdir. Ölçümler, oranlar ve yüzdeler sürekli türden değişkenlerdir. Süreklilikleri ölçülebilir olmalarından kaynaklanmaktadır. Boy, kilo yada gelir düzeyi en yaygın örneklerdir.
Kesikli değişkenler: sınırlı sayıda değerlere sahip olabilen değişkenlerdir. Hane halkı sayısı, hanedeki oda sayısı yada bir ildeki okulların sayısı gibi. Kısacası, ölçülemeyen ama sayılabilen değişkenler kesikli değişkenlerdir.

Bağımlı ve Bağımsız Değişkenler
Neden – Sonuç ilişkisi içerisinde olan değişkenlerden;
“Neden” durumunda olanlarına “Bağımsız” değişkenler,
“Sonuç” durumunda olanlarına ise “Bağımlı” değişkenler denilir.
Örneğin; Çalışma saati – Başarı puanı ilişkisinde;
Çalışma saati (etkileyen) = Neden,
Başarı Puanı (etkilenen) = Sonuç olacaktır.

Veri Türlerine Göre İstatistiksel Analizler
Parametrik İstatistiksel Analizler:
Çok güçlü sonuçlar verirler.
Normal dağılım özelliği gösteren veri gruplarına uygulanır.
Yeterli gözlem sayısı ve Sürekli veri olma özelliği en temel kriterlerdir.
Parametrik Olmayan İstatistiksel Analizler:
Çok güçlü sonuçlar vermezler.
Yetersiz gözlem sayısı veya Kesikli verilere sahip olma durumunda kullanılmaları daha uygun olur.

Prof. Dr. Sayın Can Deniz KÖKSAL’ın Doç. Dr. iken hazırlamış olduğu Araştıma Yöntemleri – Sunum1 adlı slaytından alıntı yapılmıştır. Yayından kaldırılması istenirse iletişime geçebilirsiniz.

Spss Kursları

İstatistiksel analize yönelik bilgisayar programları içerisinde en geniş kapsamlı çalışmaların yapılabilmesine olanak sağlayan SPSS analiziprogramı, özellikle sosyal bilimler alanında geniş bir kullanım alanına sahiptir.

Farklı sürümleri de bulunan ve sürekli olarak geliştirilip güncellenmekte olan bu programı tam kapsamlı olarak öğrenebilmeniz için kurslara gitmeniz gerekebilmektedir. Böylelikle özellikle Pazar araştırmacıları, sağlık araştırmacıları, anket şirketleri, devlet kurumları gibi pek çok farklı alanda kullanılan bu pratik programı daha çabuk öğrenebilmeniz mümkündür. Bu program size sadece analiz yapma konusunda değil dosya şekillendirme gibi veri yönetimi konusunda da rahat bir çalışma yapabilme olanağı sunmaktadır. SPSS programı ile yapacağınız tez analizi için kendi kendinize araştırma ve öğrenmeye çalışma yeterli olamayabilmektedir. Tek başınıza öğrenmeye kalkıştığınızda kafanıza takılan konular hakkında danışabilecek bir uzman bulabilmeniz zor olabilmektedir. Ancak konu ile ilgili uzmanlardan ders alarak bu konudaki sıkıntılarınızı daha rahat bir şekilde çözebilmeniz mümkündür. Her ne kadar pek çok alanda kullanılarak daha profesyonel bir çalışma yapılabilmesine olanak sağlayan bir program olsa da tam olarak kullanılabilmesi için belli bir seviyenin üzerinde bir bilgi gerektirmektedir.

SPSS kursları sayesinde tam olarak öğrendiğiniz bu programdan en iyi şekilde faydalanabilmeniz mümkündür. Bu programı daha iyi öğrenebilmek için SPSS analiz örnekleri arasından daha fazla ve daha çeşitli alanlarda kullanılmış örnekleri incelemenizin de büyük faydası bulunmaktadır.

Spss Konu Anlatımı

Günümüzde en çok kullanılan ve istatistiksel veri alımlarında güvenilir sonuçlar ortaya çıkaran SPSS programını öğrenmek için pek çok farklı kaynağa başvurabilirsiniz. SPSS öğrenmek isteyen kişiler için hazırlanmış olan pek çok basit anlatımlı kaynak bulunmaktadır ve sitemizde bunlardan biri olarak karşınıza çıkmaktadır.

Sitemizin kolay anlatımı sayesinde SPSS programını hiç bilmeyen bir kişinin bile rahatlıkla bu programı öğrenebilmesi mümkün olacaktır. Sitemiz sizlere sunmuş olduğu bu olanak sayesinde SPSS hakkında daha fazla ve daha doğru bilgilere ulaşmanızı sağlamaktadır. Bu açıdan da sitemizi sizin için hazırlanmış olan özel bir SPSS kullanım kılavuzu olarak görebilmeniz mümkündür. Bu programı kullanırken çektiğiniz zorluklar hakkında mutlaka bilgi bulabileceğiniz bir site olarak kafanız takılan ya da anlayamadığınız konular hakkında yine sitemizi kullanarak bize ulaşabilmeniz ve sorularınızı çözüme kavuşturabilmeniz mümkündür. Bunun yanı sıra sitemize eklenecek olan dersler sayesinde program ile ilgili sıkıntılarınızı çözebilmeniz ve daha iyi bir SPSS kullanıcısı olabilmeniz mümkündür.

Pek çok kişinin SPSS programını öğrenmek istediği ancak elde bulunan kaynakların yetersiz geldiği bir gerçektir. Sitemiz bu konudaki büyük açığı en iyi şekilde doldurabilmek için gerekli olan SPSS pdf konu anlatımı ile ilgili bir bölüm de hazırlamıştır. Bu sayede ihtiyacınız olan bilgiye hem daha hızlı bir şekilde ulaşabilmeniz hem de güvenilir bir kaynaktan ulaşabilmeniz mümkün olacaktır.

SPSS Nedir?

SPSS Nedir?

SPSS en basit tanımla ingilizce açılımı Statistical Packages for the SocialSciences olan bir bilgisayar programıdır. İlk kez 1968 yılında sunulan bu program günümüzde 20. sürümüyle hala kullanılmaktadır. Görüntüsü sadedir, açılır üst ve yan menülere sahiptir. Kullanımı başta zor ve karmaşık gözükse de kullanıldıkça alışılan, makro dilleri aracılığıyla kullanıcıların amaçları doğrultusunda yön verebildikleri çok kullanışlı bir programdır. Grafikler ve görsellerle zenginleştirilmiştir. Kullandıkça ve işin içine girdikçe her adımda olumlu yönde şaşırtan kapsamlı bir programdır. spssogreniyorum.com

- Spss’de “veri dosyalarının” uzantıları “sav”dır.
- Analizlerin çıktılarının uzantısı ise “spo veya spv”dir.

SPSS nelerde kullanılabilir?
Anketlerde, kalite araştırmalarında, planlamada, insan kaynaklarında, akedemik araştırmalarda ve rapor yazmada kullanılan bir programdır. spssogreniyorum.com

SPSS’i kimler kullanır?
Sosyal Bilimler başta olmak üzere, pazar araştırması yapanlar kullanabilir. Başta üniversite gibi akedemik uygulamalarda eğitim kurumları, devletler ve bir çok kurum tarafından kullanılır. spssogreniyorum.com

Bildiğim SPSS Sürümleri:

Spss 13

Spss 15

Spss 17

Spss 18

Spss 16

Spss 20

Spss programını indirmek için kendi sitesini kullanabilirsiniz. Full sürümleri bilgisayarınıza zarar verebilir.

Kaynak: wikipedia.org

Spss Window Menüsü

Spss Window Menüsü

WINDOW MENÜSÜ

SPSS ile çalışırken ekrandaki görüntülerin pencerelerde görünüş biçimlerini ayarlamaya yarayan seçenekleri içerir.

SPSS Analiz Çalışmaları

Bilindiği üzere Spss programı sayesinde, anket analizi, veri analizi, ekonometri analizi, istatistiksel analiz değerlendirilmesi yapılmaktadır. Spss programı, sanal ortamda uygulanan bir analiz türüdür.

Türkiye çapında yapılan anketlerde en çok kullanılan paket programı seçilen spss, örgün öğretim kurumlarında sıklıkla tercih edilmektedir.

İstatistiksel analizler yapılmadan önce veri yapısının kategorilere göre sürekli olup olmadığı incelenir. Sürekli verilerde parametrik testler kullanılır. Kategorik verilerde parametrik olmayan testler kullanılmaktadır. Spss’de veri yapısını çözümleyebilmek çok önemlidir. Bu istatistiksel yöntemleri belirlememizi sağlar.

Spss programı ile hangi analizler yapılabilir?

varyans analizi,

t-testi,

Pearson korelasyonu,

Ki-kare testleri,

Spearmen korelasyonu

gibi bir çok analizi yapabilirsiniz…

Spss programını bilmiyorsanız ne yapabilirsiniz?

SPSS programı hakkında yeterli bilgiye sahip değilseniz bunu yapan kişilerden ücretli ücretsiz yardım alabilirsiniz…

SPSS analiz çalışmaları, tez yazımı ve tez hazırlama işleri yapan bu kişi ya da kuruluşlar sizlere analiz çalışmalarınızda da yardımcı olmaktadır.

Kpss, Ales, vize, finallerden kalan zamanlarınızdatez yazmakla uğraşıyorsanız ve zamanında yetiştiremeyeceğinizi düşünüyorsanız spss analiz hizmeti alabilirsiniz…

Bunun için bize ulaşabilirsiniz…

İletişim: bilgi@spssogreniyorum.com

SPSS Analiz Çalışmaları

SPSS Tablo Oluşturma Reslimli Anlatım

Merhabalar,

Bu konumuzda Uludağ Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Biyoistatistik Dersinin Uygulama Notları olarak paylaşılan SPSS 10 Programında veri girişi ve tablo oluşturma anlatımına ulaşacaksınız…

SPSS Tablo oluşturma resimli anlatım şeklinde paylaşılan bu notlar pdf formatında olup bol görselle desteklenip detaylı olarak anlatılmıştır.

24 sayfalık, spss pdf konu anlatımı sayesinde veri girişi ve tablo oluşturma derslerini uygulayıp, ders sonunda bulunan spss uygulama sorularıyla anlatımları pekiştirebilirsiniz…

Anlatıma ulaşmak için tıklayınız.

SPSS Tablo Oluşturma Reslimli Anlatım

Normal dağılım

Normal dağılım istatistik biliminin birçok alanında kullanılmaktadır. Örneğin örneklem ortalaması için örnek dağılımı, örneğin kaynağı olan anakütle için dağılımın normal olmadığı gayet açık olsa bile, yaklaşık olarak normal dağılım göstermektedir. Bunun yanında, değerleri bilinen ortalaması ve varyansı olan bütün dağılımlar içinde enformasyon entropisini maksimum yapan dağılımın normal olduğu ispat edilmiştir. Böylece örnek ortalaması ve varyansı ile özetlenen her veri için bilinmeyen kaynak dağılımı olarak normal dağılımı kullanmak gayet doğal bir yaklaşım olması çok uygun bir davranıştır. İstatistikte kullanılan dağılımlar aileleri arasında normal dağılım pratikte en çok kullanılanıdır ve birçok istatistiksel test, normal dağılımın varolduğu varsayımına dayanılarak geliştirilmiştir ve kullanılmaktadır. Olasılık kuramı içinde birkaç sürekli olasılık dağılımları ve ayrık olasılık dağılımlarının limite giden dağılımları yani rassal değişkenlerin yakınsama analizinde kullanılmaktadır.

Bu dağılım ailesinin her bir üyesi sadece iki parametre ile, tam olarak tanımlanabilir: Bunlarkonum gösteren ortalama (μ aritmetik ortalama) ve ölçek gösteren varyans (σ² “yayılım”)dır.

Standart normal dağılım ortalama değeri 0 ve varyans değeri 1 olan normal dağılım ailesinin tek bir elemanıdır. Carl Friedrich Gauss bu dağılımlar grubu ile, astronomik verileri analiz etmekte iken, ilgilenmiş ve bu dağılım için olasılık yoğunluk fonksiyonunu ilk defa tanımlamıştır ^[1]. Bu olasılık fonksiyonunun grafik şekli bir çan gibi görüntü verdiği için çoğu kez çan eğrisi olarak da anılır.

Yeşil renkli dağılım bir normal dağılım örneğidir.

Bir normal dağılımdan seçilmiş değerlerin %68i ortalama olan μ’in bir standart sapma σ > 0 uzaklığındaki noktalar arasındadır; değerlerin neredeye %97si μ’den iki standart sapma uzaklıklar aralığında; ve %99,7 üç standart sapma uzaklıklar aralıgında bulunur. Buna empirik kural veya 68-55-99.7 kuralı adı da verilir.

Normallik sınamaları, verilmiş bir veri dizisinin normal dağılıma benzerliğinin incelenmesidir. Bu sınamalarda sıfır hipoztez veri dizisinin normal dağılıma benzer olmasıdır. Bu nedenle normal olmayan veri için yeter derecede küçük bir p-değeri (yani genellikle %0,05den veya 0,01den küçük) ortaya çıkacak ve sıfır hipotez olan veri dizisinin normal dağılıma benzerliği hipotezinin ret edilmesine neden olacaktır.

1. Kolmogorov- Smirnov Sınaması:

Kolmogorov-Smirnov (K-S) sınaması parametrik olmayan istatistik olup iki değişik problem için hipotez sınaması olarak kullanılır:

• Tek örneklem K-S sınaması: Hedef, verilmiş olan bir deneysel olasılık dağılımı gösteren örneklem verilerinin, dağılım parametreleri tam olarak bilinen tam tanımlanmış bir teorik anakitle olasılık dağılımına uyum gösterip göstermediğini sınamak. Bu tip problemde sıfır hipotez Ho örneklem verilerin deneysel dağılımının tam tanımlanmış bir anakitle olasılık dağılımından gelmiş olduğudur.
• İki örneklem K-S sınaması: Hedef, verilmis iki tane değişik deneysel olasılık dağılımı gösteren iki orneklem veri serisinin aynı tek bir teorik anakitle olasılık dağılımından gelip gelmediğini sınamak. Bu tip problemde sıfır hipotez Ho ise iki orneklem verilerin deneysel dağılımlarının tek bir anakitle olasılık dağılımindan gelmiş olduğudur.

Tek örneklem K-S sınaması çok popüler olarak olarak bir normallik sınaması olarak, yani örneklem verilerinin tanımlanmış bir anakitle normal olasılık dağılımına uyumluluk gösterip göstermemesini sınamak için kullanılır. Örneklem verileri standardize edilerek (yani her bir veri değerinden teorik anakitle olasılığı için verilmiş ortalama çıkartıp sonucu verilmiş teorik yığın varyansına bölerek) elde edilen normalize veriler standart normal dağılım ile karşılaştırılır.

2. Jarque-Berra Sınaması:

Jarque-Bera sınaması normal dağılımdan ayrılmayı ölçmek için kullanılan bir uyum iyiliğiölçüsüdür. İlk defa bu sınamayi ortaya atan ekonemetrici A.K.Bera ve C.M.Jarque adları ile anılmaktadir.

Bu sınama icin hipotezler şöyle ifade edilir:

H₀: Veriler normal dağılım gösterir

H₁: Veriler normal dağılım göstermez.

Jarque ve Bera sınaması bir Lagranj çarpanı prensipine dayanan bir sınama tipindendir. Sınama istatistiği örneklem basıklık ve çarpıklık ölçülerinin dönüşümlerinden elde edilmiştir. Sıfır hipotezi daha ayrıntılı olarak bir bileşik hipotezdir: beklenen çarpıklığın 0 değerde ve beklenen basıklık fazlalığının 3 değerde olacağı sıfır hipotezdir; çünkü bir normal dağılım için bu değerler gereklidir.

3. Shapiro-Wilk Sınaması:

Shapiro-Wilk sınaması bir parametrik olmayan istatistik sınaması olup normallik sınamaları arasında bulunmaktadır. Bu sınama ilk defa 1965de Amerikan istatistikçi Samuel Shapiro ile Kanadalı istatistikçi Martin Wilk tarafından yayınlanmıştır.

Bu sınama için sıfır hipotez bir örneklem veri serisinin (yani x₁, …, x_n serisinin) bir normal dağılım gösteren anakütleden geldiğidir.

Shapiro-Wilks sınamasının diğer normallik sınamalarına karşılaştırılması yapılmış ve Shapiro-Wilks için güç özelliklerinin daha iyi olduğu önerilmiştir.

Bu sınamanın büyük örneklem hacimlerine (5000 gözleme kadar) uygulanabilecek geliştirilmiş şekli  bazı istatistik paket programlarında uygulanmıştır.

alıntıdır

t-testi

t-testi iki örneklemin ortalamaları arasında farklılık olup olmadığını inceleyen parametrik bir test tekniğidir. İki örneklem arasında matematiksel bir farklılık olması asla istatistiksel olarak farklılık olacağı anlamına gelmez ki çoğu durumda matematiksel farklılık anlamlı değildir.

Veriler normal dağılıma uymalıdır, bu yüzden önce verilerin normal dağılım testleri yapılır eğer normal dağılıyorsa t-testi yapılabilir. t-Testi herhangi bir değişkenin iki örneklemin ortalamaları alındığında bunların arasındaki farkın “O”a eşit olup olmadığını inceler.  Burada iki örneklemden kastedilen ikinci örneklemin türüne göre t-testi üç farklı şekilde incelenebilir:

Elimizde bir vaka olsun, buna göre ülkenin farklı yerlerinden rassal seçilen kadın ve erkeklerin kilo, boy, yaş gibi verileri elimizde bulunsun. Araştırma konumuz da ülkede yaşayan insanların kilolarının ne gibi farklılıklar gösterdiğinin incelenmesi olsun. Araştırma konusuna göre de temel hipotezlerimiz de bu vakadan çıkarılabilecek üç soru olarak belirlensin.

Ancak böyle bir araştırma sadece kilo değerleri üzerinden yapılırsa vaka incelemesi başından büyük bir hata ile başlar. Çünkü örneğin örneklemde yer alan bir erkek 160cm olabilir ancak 100 kilo ağırlığında olabilir veya 185 cm bir kadın 60 kilo olabilir. Dolayısıyla burada bireylerin kiloları yaş ve boy ile ağırlıklandırılarak bir ara değer bulunarak hareket edilir, bu ara değer BMI (Body Mass Index) yani Vücut Kütle İndeksi olarak belirlenebilir. BMI bir insanın boyu ile ağırlıklandırılmış kilosudur.

1. Bağımsız Örneklem t-Testi (Independent Samples t-test) : Burada iki örneklem birbiriyle ilişkisiz iki gruptur.

* Örneğimize göre temel hipotezimiz şu olsun: Kadın ve Erkek BMI değerleri arasında anlamlı bir farklılık var mıdır?

Cinsiyet ayrımına göre yapılan BMI ortalama kilo değerleri arasında istatistiksel bir farklılık olup olmadığı incelenebilir. Esasen sadece kilo bazında cinsiyet yapılarında beklenen ortalamalar gerçekten farklı olabilir, ancak BMI değerleri, yani boy ile ağırlıklandırılmış kilo değerlerinin ortalamaları arasında bir farklılık bulunmayabilir, çünkü genel eğilim erkeklerin boyu ve kilolarının yüksek, kadınların boyu ve kilolarının ise düşük değerlerde olması beklenir ancak BMI bu asimetriyi kaldırır.

Eğer kadın ve erkeklerin BMI değerleri ortalamaları birbirinden istatistiksel olarak farklı ise, bu ülkenin kadın ve erkek BMI değerleri arasında belirgin bir farklılık vardır denilebilir.

2. Bağımlı Örneklem t-Testi (Paired Samples t-test) : Bu örneklemler en kolay tabiriyle önce-sonra gruplarıdır. Aynı grubun belirli bir dönemden, olaydan önceki ve sonraki verileri arasında farklılık olup olmadığını inceler.

*Örneğimize göre kadınların 1 haftalık ulusal egzersiz günlerine katılmadan önceki ve sonraki BMI değerleri elimizde olsun.  Kadınların ulusal egzersiz programına katılmadan önceki ve sonraki BMI  değerleri arasında farklılık var mıdır?

Bu kısa dönemde boy değeri değişmeyeceğine göre, kadınların BMI değerleri ya büyür ya da küçülür, düşük bir olasılıkla da aynı kalması beklenir. Eğer ulusal egzersiz programından önceki ve sonraki dönemde BMI ortalamaları farklılık gösteriyorsa ulusal egzersiz programı işe yarıyor demektir. Hatta bir adım ileri giderek ulusal egzersiz programından önceki ve sonraki ortalamaların istatistiksel olarak anlamlı olan arasındaki farkın negatif veya pozitif olmasını da test edebiliriz. Eğer bu fark negatif ise kadınlar egzersizlerden sonra kaybolan enerji ihtiyaçları için daha fazla yiyecek tüketmişler ve beklenenin aksine kilo almışlardır, eğer pozitif ise kadınlar gerçekten belli bir oranda kalori yakmayı başarmışlar demektir.

3. Bağımsız Tek örneklem t-testi (Independent One Sample t-test) : Bu örneklem testi de daha önceden belirli bir ortalama değer ile örneklem ortalamasının arasında farklılık olup olmadığını inceler.

*Ülkenin bireylerinin BMI değerlerinin ortalaması, dünya BMI ortalamasından istatistiksel olarak anlamlı bir farklılık içermekte midir?

İşte bu örnekte dünya BMI ortalaması, örneğin 23.3 gibi bir değer bize önceden verilmektedir. Bu değere göre bizim örneklemimizde yer alan tüm bireylerin BMI değerleri de 24.8 olsun. Aradaki bu matematiksel 1.5 BMI fark, istatistiksel olarak anlamlı değil ise ülkenin BMI ortalaması dünya BMI ortalaması ile hemene hemen yakındır denilir, ancak anlamlı bir farklılık var ise ülkeninn ciddi bir ulusal egzersiz programına ve diyet kontrolüne ihtiyacı olabilir.

alıntıdır

Ki-kare testi

Ki-kare testi, gözlenen frekanslar(G) ile beklenen frekanslar(B) arasındaki farkın istatistik olarak anlamlı olup olmadığı temeline dayanır.

Ki-kare testinde, niteliksel veya sıralı (ordinal variables) olarak belirtilen veriler kullanılır. Ayrıca, ölçümle belirtilen sürekli değişkenler de belli bir dereceden az veya çok olarak nitelendirilerek Ki-Kare testi uygulanabilir. Veriler, oranlar veya yüzdelikler olarak ifade edilmişse testin uygulanması mümkün değildir.

Ki-kare testi, serbestlik derecesi (sd) ile karakterize edilir. Dağılımın ortalaması sd’ye ve varyansı ise sd’nin iki katına eşittir. Ki-kare değerleri,  sıfır ile artı sonsuz arasında değerler alır. Dağılım; küçük sd’lerinde basık olmasına rağmen sd arttıkça normal dağılıma yaklaşır. Ki-kare dağılımı, sürekli bir dağılımdır.

Ki-kare dağılımı, genellikle iki bağımsız niteliksel kriteri test etmek için kullanılır. Sıfır hipotezi (H₀), iki kriterin bağımsız olduğunu; araştırma hipotezi(H_A) ise, iki kriterin arasında ilişki olduğunu ifade eder.

Ki-kare testi genellikle,

1. İki veya daha çok grup arasında fark olup olmadığının testinde,

2. İki değişken arasında bağ olup olmadığının testinde,

3. Gruplar arası homojenlik testinde,

4. Örneklemden elde edilen dağılımın istenen bir teorik dağılıma uyup uymadığının testinde (Uyum iyiliği testinde),

5. Kontenjans katsayısının hesabında kullanılır.

1. Gruplararası Farklılık Testi

Ki-Kare analizi ile iki grup gözlemin birbirlerinden farklı dağılıp dağılmadıkları ya da bir başka deyişle aynı gözlem dağılımından gelip gelmedikleri sınanabilir.

2. Bağımsızlık veya Bağımlılık Testi

Nitel iki değişken arasında istatistiksel olarak anlamlı bir ilişki olup olmadığı Ki-Kare testi ile araştırılabilir. H₀’da ilişkinin olmadığı, bağımsızlığın olduğu; H_A’da ise ilişkinin olduğu, bağımsızlığın olmadığı iddia edilir. Bu test ile elde edilen ki kare analizi Pearson Ki-Kare testi diye de bilinir ve iki değişkenin aralarında korelasyon benzeri ama nonparametrik bir ilişkinin olduğu söylenir

3. Homojenlik Testi

İki örneklemin aynı kategoriler açısından homojen olup olmadıkları Ki-Kare testi ile test edilebilir. H₀’da örneklemlerin homojen olduğu, H_A’da ise homojen olmadıkları iddia edilir.  

4. Uygunluk Testi (Uyum iyiliği sınaması)

Uyum iyiliği bir tür normal dağılım testidir. Uygunluk testinde, gözlenen bir değişkenin beklenen bir dağılıma uygunluğu veya gözlenen iki değişkenin aynı dağılıma sahip olup olmadığı araştırılır. H₀’da söz konusu dağılıma uygunluğu, H_A’da ise uygun olmadığı iddia edilir.

Uygunluk testinde G’ler, k sınıftan oluşan tek bir satır veya tek bir sütun halinde verilir. G’lere karşılık gelen B’lerde, tabiatıyla k sınıf içeren ayrı bir satır veya sütun oluşturur. Böylece veriler, tek bir satır veya sütundaki k tane elemandan oluşur.

5. Kontenjans Katsayısı (Contingency Coefficient)

Kontenjans katsayısı, iki nitel değişken arasındaki ilişkinin derecesini veren bir istatistiksel araçtır.

Fisher Kesin Ki-Kare Testi (Fisher’s Exact Test): Dört gözlü (2X2 gözlem) düzenlerde gözlerin herhangi birisinde B, 5’den küçük ise ki-kare dağılımı çarpık ve kesikli olur. Bu durumda, Fisher kesin ki-kare testi uygulanır. Ayrıca, çapraz tabloda toplam gözlem sayısının 20′den az  olduğu her durumda Fisher kesin ki-kare testinin kullanılması gerekir.

alıntı

Veri Tabanları

• EUROMONİTOR

• EUROSTAT

• BORSA İSTANBUL

• OECD STATİSTİC

• TÜİK

• ULAKBİM

• WORLD BANK 
   
• TCMB    EVDS

Mann-Whitney U Testi

İki alt grubu olan bir bağımsız değişken ile bağımlı değişkenin sıralı (sürekli de olabilir) veri tipinde olması durumunda temelde Mann-Whitney U Testi yapılır. Bu koşulda bağımlı değişkenin veri tipi “sürekli” olduğunda anımsayacağınız gibi bağımsız- örneklem t testi yapılıyordu. Mann-Whitney U Testi aynı zamanda t testinin çeşitli nedenlerle yapılamadığı durumda kullanılabilen bir yardımcı testtir. Dolayısıyla bu test t testinin parametrik olmayan bir alternatifidir.

• Mann-Whitney U Testi iki bağımsız (ilişkili olmayan) grubun dağılımlarının istatistiksel olarak anlamlı olup olmadığını saptar.

Ne Gereklidir?

Mann – Whitney U Testi için şunlar gereklidir:

• İkili (dichotomous) olan bir bağımsız değişken (örn. erkek/kadın)
   
• Sürekli veya sıralı olan bir bağımlı değişken (örn. performans puanı, mesleki tatmin düzeyi)

Hangi Sorunlar Çözülür?

Mann-Whitney U Testi sıklıkla üç tip çalışma tasarımında kullanılır:

1. İki bağımsız grup arasında fark olup olmadığını saptama

        İki bağımsız/farklı grup arasında aynı sürekli veya sıralı veri tipindeki bağımlı değişkeni ölçtüğünüz bir çalışma tasarımınız olduğunu düşünelim. Siz iki grup arasında bağımlı değişkende bir “ortalama” farkı olup olmadığını bilmek istiyorsunuz.

Bu tip bir çalışma tasarımında katılımcıları belirli özelliklerine göre iki farklı gruba ayırırsınız. Örneğin A grubunda, erkekler, B grubunda ise kadınlar yer alır. Bu grupların anksiyete puanları veya mesleki tatmin düzeyleri arasındaki farkı saptarsınız.

2. Müdahaleler arasında fark olup olmadığını saptama (ön test uygulaması olmadan)

İki bağımsız gruba farklı müdahaleler yapılan (deney / kontrol) bir çalışma tasarımınız olduğunu düşünelim. Aynı sürekli veya sıralı bağımlı değişkeni çalışmanın sonunda iki gruba da uygularsınız.

3. Değişen puanlar arasında fark olup olmadığını saptama

Her bir gruba farklı müdahalelerin yapıldığı bir çalışma tasarımınız olduğunu düşünelim. Sürekli veya sıralı bağımlı değişken ölçümleri çalışmanın öncesinde ve sonrasında yapıldığında her grup için elde edilen farklı sonuçların bu test ile karşılaştırılması olanaklıdır.

Boş ve Alternatif Hipotez

Mann-Whitney U testinin boş hipotezi:

H0: İki grubun puan dağılımları birbirine eşittir.

Alternatif hipotez ise:

HA: İki grubun puan dağılımları farklılaşır.

Örnek Uygulama

Bu testte sırasıyla:

      1. Mann-Whitney U testinin istatistiksel anlamı,

      2. İki grup için puan dağılımları,

      3. İki grup için ortanca (median) puanları hesaplanır.

Testin geçerli bir sonuç vermesi için gruplardaki dağılımların ikisi de aynı şekilde olmalıdır.

Bağımsız-örneklem t testindeki örneğimizi bu test için de kullanabiliriz.

        Bir reklam ajansı yeni bir ürünü tanıtan TV reklamı hazırlamaktadır. Ürün hem kadın hem de erkek tüketiciler için tasarlandığından TV reklamı her iki cinse eşit yaklaşan bir nitelikte yapılmaya çalışılmıştır. Firmanın istediği şey, TV reklamının kadın ve erkek tüketiciler tarafından faklı algılanıp algılanmadığıdır. Bunun için TV reklamı, yayın öncesinde 20 kadına ve 20 erkeğe gösterilir. Ardından reklamla bağlantılarını gösteren bir anketi doldurmaları istenir. Anket toplam bir skorlama yapmaktadır. Değişken terminolojisiyle belirtirsek; firma cinsiyet düzeylerine göre ürünle bağlantıda farklılık olup olmadığını bilmek ister.

• Çalışmamızda kullanacağımız örnek SPSS dosyasını mann-whitney-test.sav buradanindireblirsiniz.
   

    Veri kurulumu için Bağımsız-örneklem t Testi bölümüne bakınız. Ayrıca veri kurulumunda bağımlı değişkeniniz sürekli değil sıralı veri ise variable view kısmında ölçme türünü “ordinal” olarak işaretlemeyi unutmayınız.

1. adım

SPSS menüsünden sırasıyla Analyze > Nonparametric Tests > Independent

Samples… seçeneklerine tıklayınız.

Nonparametric Tests: Two or More Independent Samples başlıklı diyalog kutusu açılacaktır.

-What is your objective?- alanında Automatically compare distributions across groups

seçeneğini seçili bırakınız.

2. adım

FİELDS sekmesine tıklayınız.

gender bağımsız değişkenini Groups: kutusuna, engagement bağımlı değişkenini Test Fields kutusuna taşıyınız.

RUN butonuna basarak çıktıyı elde ediniz.

 

Ortanca İstatistiklerin Çıkartılması

    Ortanca Mann-Whitney testinde grupların merkezi eğiliminin açıklanmasında kullanılmakla birlikte, parametrik olmayan yöntem her grup için ortanca çıkartmaz. Bunu düzeltmek için ayrıca aşağıdaki uygulamayı yapmak gerekiyor:

1. adım

SPSS menüsünden sırasıyla Analyze > Compare Means > Means… seçeneklerine

tıklayınız.

Means başlıklı diyalog kutusu açılacaktır.

gender bağımsız değişkenini Independent List: kutusuna, engagement bağımlı değişkenini Dependent List: kutusuna taşıyınız.

2. adım

OPTİONS butonuna tıklayınız ve Means: Options başlıklı diyalog kutusu açılacaktır.

Statistics: kutusundan "Median"ı Cell Statistics: kutusuna taşıyınız ve Cell Statistics: kutusunda "Mean", "Number of Cases", ve "Standard Deviation" seçeneklerini kutunun soluna aktarınız. Böylece analiz dışı tutmuş olacaksınız.

 CONTİNUE ve OK butonlarına basarak analiz çıktısını elde ediniz.

 

 

Sonuçların Yorumlanması ve Raporlanması

SPSS, parametrik olmayan test sonuçlarını Hypothesis Test Summary başlıklı bir tabloda veriyor.

      Tablodaki sütunlar testin boş hipotezini (eşitlik) gösteriyor ("Null Hypothesis"). Tabloda yapılan testi testin anlamlılık düzeyi
("Sig." p değeri) ve boş hipoteze göre elde edilen sonuç bildiriliyor. Gördüğünüz gibi, test istatistiksel olarak anlamlı bir sonuç vermemiştir (p = .137). Dolayısıyla boş hipotez reddedilemiyor. Bununla birlikte, testle ilgili daha fazla bilgi için Model Viewer başlıklı pencerede tabloya tıklamak (iki kere) gerekiyor.

Pencerenin Independent-Samples Mann-Whitney U Test başlıklı sağ tarafına bakarsanız, testin sonucunu daha ayrıntılı olarak görürsünüz. Bu tablonun altındaki değerleri şöyle raporlayabilirsiniz:

• Reklamla bağlantı puanı erkekler ve kadınlar arasında istatistiksel olarak anlamlı bir farka sahip değildir;
  U = 145
  z = -1.488
  p = .137
  Burada “145” "Mann-Whitney U" satırının değeri, "-1.488" "Standardized Test Statistic" satırının değeri ve "p = .137", "Asymptotic Sig. (2-tailed test)" satırının değeridir.

Benzer Dağılımlar

Mann-Whitney U testinin temel varsayımı dağılımların şekillerinin benzer olmasıdır. Bunu çıktıda oluşturulan kutu çizime bakarak kontrol edebilirsiniz.

Bazı küçük değerlerde sapma olsa da, dağılımların şekilleri birbirinden çok farklı değil. Kadınların grubunda dışa düşen değer olduğunu da görüyoruz.

Ortanca Değerler

Report başlıklı tabloda bağımsız değişkenin farklı düzeylerinde ortancalar görülüyor.

Bu ortanca değerlerini bilmek sonuçları raporlarken bize yardımcı olacak.

Hepsi Birlikte Raporlama

Sonucunuzu bütün olarak şöyle yazabilirsiniz:

• Erkeklerin ve kadınların reklamla bağlantı puanlarında fark olup olmadığını saptamak için Mann-Whitney U testi yapılmıştır. Erkekler (Mdn = 5.58) ve kadınlar (Mdn = 5.38) arasındaki bağlantı puanlarında istatistiksel olarak anlamlı bir fark bulunmamıştır
  U = 145
  z = -1.488
  p = .137

*Ders notlarından alıntıdır.

Alıntı