SPSS nedir?

SPSS (Statistical Package for the Social Sciences), birçok disiplinde kullanılan istatistiksel veri analizi için önde gelen bir yazılımdır. Veri toplama, veri yönetimi, veri analizi ve raporlama gibi bir dizi işlevi kapsayan kapsamlı bir araçtır. SPSS, kullanıcı dostu bir arayüze sahiptir ve istatistiksel analiz için geniş bir araç seti sunar. Bu güçlü yazılım, karmaşık veri setlerini daha anlaşılır hale getirmek, eğilimleri ve ilişkileri keşfetmek, sonuçları yorumlamak ve karar verme süreçlerini desteklemek için kullanılır. SPSS, akademisyenlerden pazarlama uzmanlarına, sağlık profesyonellerinden sosyal araştırmacılara kadar birçok alanda yaygın olarak kullanılmaktadır. Verilerinizi derinlemesine analiz etmek ve bilgiye dayalı kararlar almak için SPSS, size güvenilir bir yol haritası sunmaktadır.

SPSS Analizi Yapılırken Veri Toplama ve Hazırlık Süreci

SPSS analizi için doğru veri toplama ve hazırlık adımları oldukça önemlidir. Çünkü SPSS'in gücünden tam olarak faydalanabilmek için doğru ve nitelikli verilere ihtiyaç vardır. SPSS analizi yaptırmak isteyenler için, veri toplama ve hazırlık sürecinde profesyonel destek sağlayan birçok yer bulunmaktadır. Veri toplama aşamasında, araştırmanın amacına uygun olarak verilerin doğru ve güvenilir bir şekilde elde edilmesi gerekmektedir. Bu aşamada anketler, görüşmeler, gözlem yöntemleri veya mevcut veri kaynaklarından veri toplanabilir. SPSS analizi için gerekli olan veriler, genellikle niceliksel verilerdir ve doğru bir şekilde toplanmaları önemlidir. Veri hazırlık aşamasında ise, toplanan verilerin analiz için uygun bir formata dönüştürülmesi gerekmektedir. Bu adımda, verilerin düzenlenmesi, eksik veya hatalı değerlerin düzeltilmesi, veri tipinin belirlenmesi gibi işlemler yapılır. Veri setinin SPSS'e yüklenmesi için uygun bir yapıya sahip olması ve gerektiğinde dönüşümler yapılması önemlidir. SPSS analizi yaptırmak isteyenler, veri toplama ve hazırlık sürecinde profesyonel destek almak için SPSS analizi yapan yerlere başvurabilirler. Bu yerler, deneyimli veri analistleri ve istatistik uzmanlarından oluşan ekipleriyle müşterilerine kaliteli hizmet sunarlar. SPSS analizi yaptırmak isteyenler için veri toplama ve hazırlık sürecinde profesyonel rehberlik sağlayan bu yerler, analiz sürecinin güvenilir ve etkili bir şekilde gerçekleştirilmesini sağlar. Veri analizinde doğru adımların atılması, sonuçların güvenilirliğini ve analizin etkinliğini artırır. SPSS analizi yaptırmak isteyenler için veri toplama ve hazırlık sürecinde profesyonel destek sağlayan yerler, bu adımların doğru bir şekilde yönetilmesine yardımcı olur. SPSS analizi yapan yerler, veri toplama ve hazırlık sürecindeki karmaşıklığı azaltarak müşterilerine analiz sürecinde güven ve rahatlık sunarlar.

Veri Analizi için Temel İstatistiksel Yöntemler

Veri analizi için temel istatistiksel yöntemler, SPSS gibi analiz araçlarıyla kullanılarak veri setlerinin anlaşılmasını ve çıkarımların yapılmasını sağlar. İşte bazı temel istatistiksel yöntemler: Merkezi Eğilim Ölçüleri: Orta değer: Veri setinin merkezindeki değeri temsil eder. Örneğin, ortanca veya ortalama kullanılabilir. Mod: Veri setindeki en sık tekrarlanan değeri temsil eder. Dağılım Ölçüleri: Standart sapma: Veri noktalarının ortalama değerden ne kadar uzaklaştığını ölçer. Varyans: Veri noktalarının dağılımının yayılımını ölçer. Çeyrekler arası aralık: Verilerin alt, üst ve orta çeyrekleri arasındaki farkı ifade eder. Frekans Dağılımı: Veri setindeki değerlerin sıklığını gösterir. Frekans tablosu veya histogram kullanılabilir. Korelasyon Analizi: İki değişken arasındaki ilişkiyi ölçer. Pearson korelasyon katsayısı,ilişkinin gücünü ve yönünü ifade eder. Hipotez Testleri: Örneklem verileri kullanılarak bir hipotezi test etmek için kullanılır. T-testi ve ANOVA (Varyans Analizi) gibi yöntemler yaygın olarak kullanılır.

SPSS Analizi için İleri İstatistiksel Yöntemler

SPSS analizi için ileri istatistiksel yöntemler, daha karmaşık analizleri gerçekleştirmek ve daha derinlemesine anlayış elde etmek için kullanılır. İşte bazı ileri istatistiksel yöntemler: Regresyon Analizi: Bir bağımlı değişkenin, bir veya daha fazla bağımsız değişkene nasıl bağlı olduğunu inceler. Örneğin, lineer regresyon veya lojistik regresyon analizi yapılabilir. Faktör Analizi: Bir dizi ilişkili değişken arasındaki yapıyı anlamak için kullanılır. Değişkenlerin birkaç faktör altında gruplandırılmasına yardımcı olur. Kümeleme Analizi: Benzer özelliklere sahip veri noktalarını gruplandırır. Kümeleme analizi, veri setinde gizli desenleri veya kümeleri ortaya çıkarmak için kullanılır. ANCOVA (Kovaryans Analizi): Bağımlı değişkeni etkileyen bağımsız değişkenler arasındaki farkları kontrol etmek için kullanılır. Kovaryans analizi, gruplar arasındaki farkları kontrol eden bir kovaryans değişkenini dikkate alır. Bu ileri istatistiksel yöntemler, SPSS gibi araçlarla uygulanabilir ve veri setlerinin daha karmaşık analizlerini gerçekleştirmek için kullanılabilir. Bu yöntemler, daha derin bir anlayış sağlayarak verilerdeki ilişkileri ve desenleri daha ayrıntılı bir şekilde incelemek için kullanılabilir.

Dikkat edilmesi gereken önemli hususlar

SPSS analizleri yapılırken en büyük hata geleneksel yaklaşımlar kullanmaktır. Kaba bir deyişle “benim hocam böyle yapmış, o yüzden ben de böyle yapmalıyım” ifadesi geleneksel bir yaklaşımdır. Analizlerde önemli olan kimin ne şekilde analiz yaptığı değil, kriterlerin sağlanıp sağlanamadığıdır. SPSS programında hangi analizlerin yapılacağı çalışmaya (anket uygulaması, laboratuvar ya da saha testleri) başlamadan önce planlanmalı ve çalışma sırasında bu doğrultuda hareket edilmelidir. Çalışma sonrasında hangi analizlerin yapılacağını kararlaştırmaya çalışmak oldukça riskli bir durumdur ve yapılan bütün ölçümlerin boşa gitmesine neden olabilir. Bu nedenle SPSS ya da bir başka analiz programı kullanılacaksa çalışmaya başlamadan önce bir uzmana danışılması araştırmacının yararına olacaktır.

Kullanılacak Ölçek Türünün Belirlenmesi

SPSS ile yapılacak analiz öncesinde, kullanacak verilerin türünü belirlenmesi ve analiz yöntemlerini bu veri türüne uygun olarak seçilmesi büyük önem taşır. SPSS programında, Scale (Ölçek), Nominal (Sınıflama) ve Ordinal (Sıralama) olmak üzere üç farklı ölçek türü bulunmaktadır. Literatürde yer alan Interval (Aralık) ve Ratio (Oran) ölçekleri SPSS programında Scale ölçeği altında toplanmıştır. Şimdi kısaca bu ölçek türlerini inceleyelim. Oran (Ratio) Ölçeği: Aylık gelir, ağırlık, uzunluk, hız gibi değişkenleri ölçmek için kullanılır. Bu ölçekte başlangıç “0” noktasıdır. Aralık (Interval) Ölçeği: Sıcaklık, başarı, performans gibi nicel değişkenleri ölçmek için kullanılır. Aralık ölçeğinin oran ölçeğinden temel farkı bir başlangıç noktasının bulunmamasıdır. Diğer bir ifade ile “0” değeri aralık ölçeğinde yokluk ifade etmez. Örneğin termometrede görülen “0 oC” belirli bir anlam taşır. Oysa oran ölçeğinde yer alan “0 Kg” bir yokluk ifadesidir. SPSS programında yapılan analizlerde iki ölçek türü arasındaki söz konusu farklılık sonuca etki etmediğinden bu ölçekler, “Scale” olarak tanımlanmıştır. Sınıflama Ölçeği (Nominal): Sınıflama ölçeğinde değişkenlerin aldığı değerler sayısal bir büyüklük ifade etmezler. Bu değerler değişkenlere ait bazı özellikleri tanımlarlar. Örneğin Cinsiyet değişkeni için “1” değeri “Kadın”ları, “2” değeri “Erkek”leri temsil edebilir. Bu çerçevede Medeni Durum, Meslek, Doğum Yeri gibi değişkenlere ait ölçümler için sınıflama ölçeğinin kullanımı uygun olacaktır. Sıralama Ölçeği (Ordinal): Sınıflama ölçeğinde değişkenlerin aldığı değerler önem derecesi ya da üstünlükleri baz alınarak sıralanır. Katılım Düzeyi (Kesinlikle Katılıyorum, Katılıyorum, Karasızım, Katılmıyorum, Kesinlikle Katılmıyorum), Sıklık Düzeyi (Hiç, Nadiren, Genellikle, Her Zaman) Öğrenim Durumu (İlköğretim, Lise, Lisans, Yüksek Lisans), Yönetim Kademesi (Alt, Orta, Üst) vb. değişkenler için Sıralama (Ordinal) Ölçeğinin kullanımı uygun olacaktır.

α Güvenilirlik Analizi

Güvenilirlik değeri bir ölçme aracının tekrarlanan ölçümlerde aynı sonucu verme derecesinin göstergesidir. Biraz karışık mı? Aslında değil. Şimdi evinizde bir tartı aleti olduğunu düşünün. Üzerine ilk çıktığınızda sizi 75 Kg göstersin. Şimdi 30 saniye aralıklarla aynı işlemi tekrarlayın. Tartının her defasında sizi 75 Kg göstermesini beklersiniz. Eğer tartı her defasında farklı bir ağırlık gösterirse (2 nci Ölçüm: 85kg, 3 ncü Ölçüm: 60 kg, 4 ncü Ölçüm: 70 kg) ne yaparsınız? Evet tartıyı çöpe atmak ya da kalibre etmek zorundasınız. Aksi takdirde tartı bu haliyle işlevsizdir. Aynı durum sosyal olguları ölçmek için kullanılan anketler için de söz konusudur. Anketin aynı düşüncede olan kişilerin görüşlerini tartı gibi eşit göstermesi beklenir. Bunun için soruların ifade ediliş şekli çok önemlidir. Farklı kişiler tarafından farklı şekillerde yorumlanabilecek ifadeler ölçüm sonuçlarının güvenilirliα 7 www.istatistikmerkezi.com 75 ğini düşürür. Bu yüzden öncelikle soruları herkes tarafından aynı anlam yüklenecek şekilde tasarlamalısınız. Bu da soruların kısa ve öz ifadeler içermesini gerekli kılar. Sorular insanların kafasını karıştırmamalıdır. Örneğin; Madde: Mustafa Özer akıllı ve çalışkan bir öğretmendir. ( ) Kesinlikle Katılıyorum ( ) Katılıyorum ( ) Karasızım ( ) Katılmıyorum ( ) Kesinlikle Katılmıyorum İfadesine cevap verecek insanları düşünün. Burada Mustafa Özer’in akıllı fakat çalışkan olmadığını düşünenler hangi seçeneği işaretleyecekler. Ya da az çalışkan, orta derecede akıllı olduğunu düşünenler? Tartışmalı değil mi. Burada soruya verilen cevaplar Mustafa Özer’e ait düşüncenin ötesinde sorunun ifade ediliş şeklinden kaynaklanan yorumlara göre farklılaşacaktır. Bu problemi bu soruyu ikiye bölerek çözebiliriz. Ancak durum her zaman bu denli açık değildir. Örneğin; Soru: Düzenli olarak spor yapar mısınız? ( ) Evet ( ) Hayır Çok basit ve güvenilir gözüküyor değil mi? Aslında değil. Çünkü ayda 1 gün (30 gün arayla) spor yapan bir kişi bu soruya evet 76 www.istatistikmerkezi.com cevabı verirken, genelde her gün spor yapan fakat zaman zaman programını aksatan bir kişi aynı soruya hayır cevabı verebilir. Diğer bir ifade ile kişilerin bu soruya verdikleri cevapları spor yayıp yapmamalarının yanında “düzenli” kavramına ilişkin yorumları etkileyecektir. Anket sorularını her ne kadar dikkatli hazırlarsanız hazırlayın bu gibi durumları gözden kaçırmanız mümkündür. Ayrıca yabancı bir dilden çevrilmiş bir anket kullanıyorsanız yine aynı durum söz konusu olacaktır. Belli bir kültürde herkes için aynı anlam ifade eden olgular, diğer bir kültürde farklı şekilde yorumlanabilir. İşte bu yüzden anket araştırması tamamlandıktan sonra elde ettiğimiz verileri güvenilirlik analizine tabi tutuyoruz. Güvenilirlik analizi sonuçları bize bu tür yorum hatasına neden olan soruları gösteriyor. Bundan sonra yapılması gereken farklı alternatifler söz konusu… Eğer güvenirlilik analizini bir ön testten elde ettiğiniz verilere dayalı olarak yaptıysanız soruları tekrar ve daha güvenilir şekilde ifade ederek uygulamayı revize edilmiş sorularla yapabilirsiniz. Ancak araştırmanız tamamlandıysa güvenirliliği düşük soruları anketten çıkartarak, değerlendirmeyi kalan sorularla yapmaktan başka çareniz yok. Şimdi gelelim bu işin SPSS’de nasıl yapılacağına… Güvenilirlik analizi için öncelikle aşağıdaki menüleri kullanın.

Factor Analizi

Şimdi lisede girdiğiniz sınavları düşünün. Öğretmeniniz fen bilgisi ya da matematik dersinde bilgi düzeyinizi tek bir soru ile mi ölçerdi. Nadir durumlar (kötü öğretmenler) dışında tabii ki hayır. Benzer durum anketler için de geçerlidir. İnsanların belli bir olguya ilişkin düşüncelerini tek bir soruyla ölçemezsiniz. Olguyu farklı birbirini destekleyen yönleriyle ölçebildiğiniz taktirde başarılı bir sonuç alabilirsiniz. Şimdi matematik dersinin final sınavında soruların ünite bazında gruplandırılmadan karışık olarak size yöneltildiğini düşünün. İlk başta sorun olmadığını düşünebilirsiniz. Genel puanınız nasıl olsa bellidir. Ancak ünite bazında başarı düzeyinizi öğrenmek 8 82 www.istatistikmerkezi.com isterseniz… İşte o zaman soruların gruplanması gerekir. Tabii matematik gibi somut bir disiplinde geometri soruları ile trigonometri sorularını ayırmak son derece kolaydır. Ancak iş sosyal olguları ölçen anketlere geldiğinde bu işlem için bazı tekniklerin kullanımı zorunlu olur. Örneğin okul müdürlerinin faklı liderlik davranışlarının öğretmenlerin iş tatminine etkilerinin ölçüldüğü bir araştırma yaptığınızı düşünün. Bu araştırmada müdürlerin farklı liderlik davranışlarını (Örnek, Otokritik, Katılımcı, Destekleyici vb.) ayrı ayrı değerlendirmeniz gerekecektir. Belki anket öncesi bu tür bir gruplandırma yapmış da olabilirsiniz. Bu durumda dahi yaptığınız gruplandırmanın ne derecede doğru olduğunu Faktör Analizi ile sayısal olarak doğrulamanız yararlı olacaktır. Çünkü sizin katılımcı liderlik davranışı olarak tanımladığınız bir davranış öğretmenler tarafından destekleyici liderlik davranışı olarak yorumlanmış olabilir. Bu durumda bu soru ya anketten çıkartılmalı ya da destekleyici liderlik kategorisinde değerlendirmeye alınmalıdır. Anket öncesi hiçbir kategorizasyon yapılmadığı durumlarda ise Faktör Analizi eşsiz bir araçtır. Soruları sizin için gruplandırır. Bundan sonra size kalan sadece her bir gruba isim vermektir. Şimdi gelelim bu muhteşem tekniğin SPSS’de nasıl uygulanacağına… Faktör analizi için öncelikle aşağıdaki menüleri kullanın.

Uygun Analiz Türünün Belirlenmesi

Uygun analiz türünün belirlenmesinde ilk kriter verilerin türüdür. Analiz yöntemleri verilerin özelliklerine göre iki temel gruba ayrılır. Bu gruplarda yer alan temel analiz yöntemleri aşağıdaki gibidir. (1) Parametrik veriler için kullanılan analiz yöntemleri; Varyans Analizi, T-Testi, Pearson Korelasyonu. (2) Parametrik olmayan veriler için kullanılan analiz yöntemleri; Ki-Kare Testleri, Spearman Korelasyonu. Dolayısıyla uygun analiz türünü seçebilmek için öncelikle verilerin özelliklerinin belirlenmesi gerekecektir. Şimdi bunu nasıl yapacağımız görelim. İstatistiksel analiz yapmanın ilk şartı verilerin tesadüfi (yansız) olarak seçilmiş olmasıdır. Veriler ister parametrik ister parametrik olmayan özellikte olsun mutlaka tesadüfi olarak seçilmelidir. 9 88 www.istatistikmerkezi.com Verilerin seçiminde (örneklemin oluşturulması) yapılacak bir hata hangi analiz yöntemi kullanılırsa kullanılsın sonuçların yanlı ve değersiz olmasına yol açacaktır. Bu şart sağlandıktan sonra ilk bakacağımız kriter örneklem büyüklüğü olacaktır. Eğer örneklem büyüklüğünüz 30’dan az ise parametrik olmayan yöntemleri kullanmanız gerek. Bu durumda veri setinizin diğer kriterleri karşılayıp karşılamadığını incelemenize gerek kalmaz. Eğer veri seti 30’dan büyük ise her bir faktörün normal dağılıma sahip olup olmadığını ve verilerin homojen dağılıp dağılmadığını incelemelisiniz. Parametrik testlerde bu kadar ısrar etmemizin nedeni; hesaplamalarda veri setinin tümünü kullanmaları ve bu nedenle parametrik olmayan testlere göre daha üstün olmalarıdır. Ancak parametrik testlerin kullanabilmesi için verilerin normal dağılması ve homojen olması gerekmektedir.

Regresyon ve Korelasyon Analizi

Regresyon analizi, değişkenler arasındaki neden-sonuç ilişkisini bulmamıza imkan veren bir analiz yöntemidir. Örneğin “yemek yeme” ile “kilo alma” arasındaki ilişki regresyon analizi ile ölçülebilir. Korelasyon analizinde ise iki değişkene arasındaki ilişkinin yönü ve şiddeti hesaplanır. Fakat bu ilişki bir neden-sonuç ilişkisi olmak zorunda değildir. Örneğin, horozların sabah ötmeleriyle, güneşin doğması arasında kusursuz doğrusal pozitif korelasyon ilişki vardır. Ancak bu ilişki güneşi horozların doğmasını sağladığını göstermez. Günlük hayatta da iki değişken arasındaki güçlü ilişkileri sürekli olarak neden-sonuç ilişkisi olarak yorumlamak eğilimi hakimdir. Analistler patronların önüne sayfalar dolusu veriyi yığarlar. Ancak bu basit ayrımın yapılmaması hatalı kararların alınması ve kaynakların boşa harcanmasına yol açar. İkili Regresyon İkili regresyonda araştırmacı, bağımsız değişken X hakkında sahip olduğu bilgilerden hareketle bağımlı değişken Y’yi tahmin etmeye çalışır. Çoklu Regresyon Çoklu regresyonda ikili regresyondan farklı olarak bağımlı değişken üzerinde birden fazla bağımsız değişkenin toplu etkisi araştırılır. Burada da ikili regresyonda kullanılan mönülerden yararlanılır. Ancak Independent(s) penceresine birden fazla değişken girişi yapılır. Biz burada Öğrenme, Ortak Vizyon, Açık Fikirlilik ve Koordinasyon değişkenlerinin Yenilikçi İş Davranışına etkilerini belirlemeye çalışacağız. Korelasyon Korelasyon analizi ile iki farklı değişken arasındaki ilişkinin yönü ve şiddeti hakkında bilgi edinebiliriz. Ancak daha önce de belirttiğimiz gibi korelasyon, neden-sonuç ilişkisinin göstergesi değildir. Kısmi Korelasyon Kısmi korelasyonda incelenen değişkenlerle ilişkili olduğu düşünülen bir ve ya daha fazla değişkenin bu değişkenler üzerindeki etkisi kontrol altında tutulur.

tt – Testi

t – testi iki ortalamanın karşılaştırılmasında kullanılan bir analiz yöntemidir. Eğer karşılaştıracağınız ortalama sayısı ikinin üzerinde ise bundan sonraki bölümde açıklayacağımız Varyans Analizi yöntemini kullanmanız gerekecektir. Bu bölümde Tek Örneklem İçin t – Testi, Bağımsız Örneklemler İçin t – Testi, İlişkili Ölçümler İçin t – Testi analizleri incelenecektir. Ayrıca Tek Örneklem İçin t – Testi bölümünde istatistiğin bazı temel kavramlarını açıkladık. Pek çok istatistik kitabında sayfalarca anlatılan bu kavramları mümkün olduğunca basite indirmeye çalıştık. Bundan sonraki analizler için de ihtiyaç duyacağınız “örnekleme hatası”, “güven aralığı” gibi kavramları mutlaka incelemenizi tavsiye ediyoruz. Tek Örneklem t – Testi Tek Örneklem t – Testinde, aynı örneklemin ölçülen ortalaması ile tahmin edilen ya da bilinen ortalaması karşılaştırılır. Biraz karışık mı? Aslında değil. Şimdi Ziraat Bankası gibi 24.000 kişinin çalıştığı büyük bir kuruluşta anket çalışması yapmak istediğinizi düşünün. Herkese anket uygulamanız maliyetli olacaktır. Bunun için kaçınılmaz olarak örnekleme yaptınız ve rastgele 400 kişi seçtiniz. Ancak içinize bir kurt düştü ve bu seçtiğiniz örneklemin ana kütlenin özelliklerini yansıtıp yansıtmadığını test etmek istiyorsunuz. İşte Tek Örneklem t – Testi burada yardımınıza yetişiyor. Bunun yanında bir konuya ilişkin tahminlerinizin doğru olup olmadığını da Tek Örneklem t – Testini kullanarak test edebilirsiniz. Örneğin bir şehirdeki insanların yaş ortalamasının 40 olarak tahmin ediyorsunuz. Daha sonra rastgele 100 kişi seçtiniz ve bunların yaş ortalamasını hesapladınız. Fakat örnekleminizin ortalaması 42 çıktı. Tahmininiz hatalı mıydı? Tek Örneklem t – Testini kullanmadan böyle bir sonuca gidemezsiniz. Çünkü hata örneklemden de kaynaklanabilir. Diğer bir ifade ile başka bir 100’lük grup seçseniz bu grubun yaş ortalaması 38 çıkabilir. En sağlamı herkesi hesaplamaya dahi ederek bu tartışmayı bitirmek gibi gözüküyor. Ancak buna ne zaman ne kaynak yetmez. Ayrıca pratikte herkese de ulaşamazsınız. İşte bu yüzden istatistik hesaplamaları yapıyoruz. Tek Örneklem t – Testi size yaptığınız tahminin belirli bir anlamlılık düzeyinde doğru olup olmadığı gösterir. “Anlamlılık düzeyi” diyoruz çünkü ana kitledeki tüm bireyler hesaba katılmadığından ulaşılan sonuçta yanılma ihtimali her zaman olacaktır. Bu yanılma olasılığı; “0,05” anlamlılık düzeyi için % 5, “0,01” anlamlılık düzeyi içinse % 1 düzeyindedir. Ama ben sıfır hata isterim diyorsanız oturup herkesi hesaba katmanız gerekir. Burada dikkat çekmek istediğimiz nokta hangi istatistik yöntemi ve hangi programı kullanırsanız kullanın eğer işin içinde “istatistik” geçiyorsa her zaman bir yanılma payı olacağının unutulmaması gerektiğidir. Bağımsız Örneklem t – Testi Bağımsız örneklem t-testinde ise tek örneklem t-testinden farklı olarak iki ayrı grubun ortalamaları karşılaştırılır. Öreğin feminizm konusunda hakkında erkek ve kadınların görüşleri arasında fark olup olmadığını test etmek isterseniz bağımsız örneklem t-testini kullanabilirsiniz. Benzer şekilde evli ve bekar kadınların kozmetik harcamaları arasında fark olup olmadığını bulmak için kullanılabilecek yöntem yine bağımsız örneklem t-testidir. Eşleştirilmiş Örneklem t – Testi Özellikle deneme modelli araştırmalarda deney öncesi ve sonrası değerlerin karşılaştırılmasına ihtiyaç duyulabilir. Bunun dışında belli bir grubun ilişkili fakat farklı iki konu ya da uygulamaya ilişkin görüşlerini karşılaştırmak isteyebilirsiniz. Biraz karmaşık mı oldu? Aslında değil. Örneğin bir işletmenin ISO 9001:2000 öncesi ve sonrası performansını karşılaştırmak istiyorsunuz. Ya da öğretmenlerin “eleştirel öğrenme” ile “çoklu öğrenme” yöntemlerinin etkinliklerine ilişkin görüşlerini karşılaştırmanız gerek. Son olarak demokratik liderlik modelinin uygulandığı proje takımı ile geleneksel liderlik yaklaşımlarının uygulandığı bir başka proje takımının performanslarını karşılaştıracaksınız. Eşleştirilmiş Örneklem t – Testi tüm bu durumlar için uygun bir yöntemdir.

F Varyans Analizi

Varyans Analizi İki farklı grup arasında karşılaştırma yapmamız gerektiğinde ttestini kullandık. Eğer grup sayısı ikiden fazla ise… Bu durumda varyans analizini kullanacağız. Varyans analizi de t-testinde olduğu gibi farklı yöntemler içeriyor. Bu bölümde Bağımsız Örneklem Tek Yönlü Varyans Analizi, Bağımsız Örneklem İki Yönlü Varyans Analizi, İlişkili Örneklem Tek Yönlü Varyans Analizi, İlişki Örneklem İki Yönlü Varyans Analizi ve Çok Faktörlü Varyans Analizi yöntemlerini inceleyeceğiz. Bağımsız Örneklem Tek Yönlü Varyans Analizi Bağımsız örneklem tek yönlü varyans analizinde ikiden fazla grubun ortalamaları karşılaştırılır. Öreğin evlilik hakkındaki görüşlerin medeni duruma (evli, bekar, dul) göre farklılık gösterip göstermediğini test etmek isterseniz tek yönlü varyans analizini F 12 118 www.istatistikmerkezi.com kullanabilirsiniz. Benzer şekilde farklı eğitim düzeylerindeki kadınların kozmetik harcamaları arasında fark olup olmadığını bulmak için kullanılabilecek yöntem yine bağımsız örneklem tek yönlü varyans analizidir. Bağımsız Örneklem İki Yönlü Varyans Analizi Bağımsız örneklem iki yönlü varyans analizi, belli bir bağımlı değişken üzerinde (Örneğimizde, Öğretmenlerin performansı), birden fazla bağımsız değişkenin (Örneğimizde, Öğretmenlerin cinsiyeti ve kıdemi) ortak etkisini ölçmek için kullanılır. İlişkili Örneklem Tek Yönlü Varyans Analizi Eşleştirilmiş örneklem t-testini kullanarak; belirli bir değişkene ait deney öncesi ve sonrası değerlerini karşılaştırılmıştık. Ayrıca yine bu yöntemi, bir grubun ilişkili fakat farklı iki konuya ilişkin görüşlerini karşılaştırmak için kullanmıştık. Ölçüm sayısının ikiden fazla olduğu durumlar ile ikiden fazla konuya ilişkin görüşlerin karşılaştırılmasında ise bu bölümde açıklayacağımız İlişkili Örneklem Tek Yönlü Varyans Analizi yöntemini kullanabiliriz. Örneğin bir ilacın etkilerini ölçmek için ikişer hafta arayla yapılan dört farklı testin sonuçlarının ya da öğretmenlerin A, B, C eğitim yöntemlerine ilişkin görüşlerini İlişkili Örneklem Tek Yönlü Varyans Analizi yöntemini kullanarak karşılaştırabiliriz. İlişkili Örneklem İki Yönlü Varyans Analizi Bir ilacın etkilerini ölçmek için ikişer ay arayla yapılan dört farklı testin sonuçlarını ya da öğretmenlerin A, B, C eğitim yöntemlerine ilişkin görüşlerini İlişkili Örneklem Tek Yönlü Varyans Analizi yöntemini kullanarak karşılaştırdık. Peki bu ilaçların etkilerinin deneklerin cinsiyetlerine göre farklılık gösterip göstermediğini ya da öğretmenlerin farklı eğitim yöntemlerine ilişkin görüşlerinin kıdemlerine göre farklılık gösterip göstermediğini bulmak isterseniz… Bu durumda İlişkili Örneklem İki Yönlü Varyans Analizi yöntemini kullanmak mümkün. Çok Faktörlü Varyans Analizi Eğer birden fazla bağımlı değişkenin (performans, tatmin düzeyi, başarı notu vb.), birden fazla bağımsız değişken (cinsiyet, gelir düzeyi, mezun olunan okul vb.) göre farklılaşma durumunu aynı anda incelemeniz gerekiyorsa çok faktörlü varyans analizi yöntemini kullanabilirsiniz.