Name değişkeninin ismi yazılıyor.

Type numerik seçiliyor. Çünkü analiz yapabilmek için bunun sayı olması gerekiyor. Veriler sayısallaştırılıyor. Yazı yazmak için ise string işaretlenir.

Width değişken ismini karakter sayısını gösteriyor. Bunun 8 olması, 8 karaktere kadar değişken adının sığabileceğini gösteriyor. mesela “isim”değişkenin adı 5 karakterli olduğundan sığmış. Bunu artırmak mümkün.

Desimals virgülden sonra kaç basamak olacağını gösterir. Tam sayılarda bu 0 olarak alınır.

Label etiket demek. Ve değişken ismini uzun olarak yazmayı sağlar.

Values kodlanan değişkenleri gösteriyor.aşağıda 1= erkek 2= kadın olarak kodlanmış.

Value 1 yaz

Value label erkek yaz

OK bas

Veya bir değişkeni seçip remove basarsan siler.

veya

Value 1 yaz

Value label kadın yaz

Change bas erkek yerine kadın ile değiştirir.

Remove bası

Missing kayıp veriyi gösteriyor. ∫

Bunlar kategorik değişkenler

ANOVA 1 verisini aç sürekli değişkenler için frekans dağılımı oluşturulmaz. Kategorik değişkenler için oluşturulur. Sınıf değişkeni için frekansa bakılıyor. Yaşam tatmini sürekli değişken olduğu için bakılmıyor. Analiz →descriptive statistics→Frequencies…

Sınıf değişkeni aktarılır.

Frequencies

sinif

Frequenc

y PercentValid

PercentCumulative

Percent

Valid 9.sinif 78 22,7 22,7 22,7

10.sinif 97 28,3 28,3 51,0

11.sinif 90 26,2 26,2 77,3

12.sinif 78 22,7 22,7 100,0

Total 343 100,0 100,0

Sürekli değişken olan yaşam standardı için Analiz →descriptive statistics→Descriptives… işaretlenir.

Yaşam standardı değişkeni variables aktarılır.

Options dan bazı kutular işaretli çıkıyor bunlara continue denip OK denir aşağıdakı outputa ulaşılır.

Descriptives

Descriptive Statistics

N Minimum Maximum MeanStd.

Deviation

Yasam Tatmini 343 1,95 3,83 2,9630 ,35214

Valid N (listwise)

343

Dataların birleştirilmesi Merge file→add cases veya add variables ile oluyor.

Sınıflara ayırarak analizleri farklı sınıflar için yapıp karşılaştırmayı sağlıyor.

Analizde hem kızları hem de birinci sınıfları seçmek istiyorsak. Data→Select case kullanılır. If condition’a basılır filtered yada delete basılır.

continue ve ok basılınca aşağıdaki gibi sonuç verir. Yeni bir veri çekmiş olunur.

burada filter diye yeni bir veri oluşturdu. fitler yerine delete ile yapılacaksa, save as ile farklı kaydederek veri kaybının önüne geçilebilir.

If butonuna tıkla sinif=1 yaz continue ve OK

Yukardaki verileri çekmiş oluruz. Bazı veriler kayboldu. Ama başka bir dosyaya farklı kaydet ile kaydettiğimiz için orda verilerimiz duruyor.

Data weight cases case’leri ağırlıklandırır.

Transform → compute doğum yılı sorulursa daha güvenilir sonuçlara ulaşılır. Doğum yılından yaşa ulaşmak yaş hesaplanacak. Yas=2009-doğum yili

Yas=2009-doğum yili yazınca yeni bir değişken olan yas değişkeni çıkıyor.

Transform compute target variables (yeni oluşturulacak verinin ismi yazılır.) (Örneğin Lngelir gibi ) Functions penceresinden “LN number expr”seçilir. Numeric expression penceresinden LN(?) çıkar . Gelir değişkeni çift tıklanarak lngelir olur OK tıklanarak ln gelir oluşur.

Value labels işaretlenince değişkenlerin kodlarının yerini asılları alıyor. Mesela sınıf değişkeninde kodlar yerine 9. sınıf, 10. sınıf, 11. sınıf geliyor.

Transform

Recode Into same variable

Into Different variable eski ve yeni değerleri yazarak kodlamayı değiştirebiliriz.

Old and new values dan yazılabilir.

_ölçekle çalışıyorsak konunun uzmanı geliştirmişse. Örneğin 12 sorudan oluşan likert tipinde sorulardan oluşuyorsa 5’li likertin türkiyede iyi işlediği ispat edilmiş. Orjinali işe 7 lidir. Üçlü olanı da vardır. Buna scale ölçek diyoruz. Cross check sorusu yapıyoruz. Soruları bir de ters soruyoruz. Analiz yaparken bunları düzeltmemiz gerekiyor. Akışı yanlış olduğu için analiz de yanlış sonuç verebiliyor.

- Parametrik testleri kullanmak için normal dağılım olması gerekir.

Graphs, Boxplot, Histogram, Scatter/Dot, Error Bar, Population Brand gibi testlerle dağılımın normal mi? bakmak gerekiyor.

Çubuk grafik

Graps/Bar

Bar Chart penceresinde

Tek değişkenin çubuk grafiği alınacaksa

Simple

Çok değişkenin grafiği alınacaksa

“Clustred”

Birden fazla değişken aynı çubuk grafik üzerinde gösterilecekse

“Stacked”

Denek ölçümlerinin tek tek değerleri görülmek istenirse “Summaries for groups of cases” seçilir.

Define tuşuna basılır.

Yazılı bir veri girilmişse bunun “variable view” kısmında “Type” nin “string olmasına dikkat etmek gerekir. Graps komutundan “Bar” seçeneği seçilir. “simple” “values of induvidual cases “ “Define” frekans değişkeni “Bar represent” sebep değişkenini “variable” kutusuna aktarın “OK” tıklayın.

“tüketicilerin giyim tercihlerinde en çok dikkat ettiği hususlar”

Satın alma sebebi Frekans

Fiyat 100

Kalite 210

Moda 50

Renk 60

Vade 110

VadeRenkModaKaliteFiyat

sebep

250,00

200,00

150,00

100,00

50,00

0,00

Val

ue

frek

ann

s

İki değişkenli çubuk grafiği

“Graps”/Bar/ Clusttered” Seçilir.

Summaries of separete variables” seçilir

Define tıklanır

“Bar Represent” Kadın” ve “erkek” değişkeni tıklanır.

Category Axis” kutusuna “Sebep” aktarılır.

“OK” tıklanır.

Satın alma sebebi Frekans

Kadın Erkek Toplam

Fiyat 80 20 100

Kalite 110 100 210

Moda 10 40 50

Renk 30 30 60

Vade 30 80 110

VAR00004 * VAR00005 Crosstabulation

Count

VAR00005

Total1 2

VAR00004 1 6 3 9

2 1 2 3

3 2 0 2

4 0 3 3

5 3 0 3

Total 12 8 20

sebep * frekans Crosstabulation

Count

frekans

Totalerkek kadin

sebep fiyat 6 3 9

kalite 1 2 3

moda 2 0 2

renk 0 3 3

vade 3 0 3

Total 12 8 20

VadeRenkModaKaliteFiyat

sebep

120,00

100,00

80,00

60,00

40,00

20,00

0,00

Mea

nErkek

Kadin

Yuvarlak Grafik Çizimi

“Graps”

“Pie”

“Values of Indidual Cases”

“Slices Represent”

“Frekans” değişkeni

Variable kutucuğuna “Sebep” aktarılır.

“OK” tıklanır.

Vade

Renk

Moda

Kalite

Fiyat

Çizgi Grafiğinin Çizimi

“Graps” / “Line”

Tek verinin seçimi için “simple” ikili veriler için “multiple”

“Summaries of separete variable”

“Define”

“Line represent” kutucuğuna iki değişkeni örneğin ihracat ve ithalat değişkenlerini aktarın.

Category Axis” kutucuna da yılları aktaralım “OK” tıklanır.

Yillar Ihracat Ithalat

1995 120 65

1996 132 79

1997 145 120

1998 110 150

1999 160 190

2000 320 200

2001 270 210

2001200019991998199719961995

Yillar

350

300

250

200

150

100

50

Mea

n

Ithalat

Ihracat

Cinsiyet tercih sebebi

1 a

2 s

2 d

1 s

1 a

2 s

1 a

1 s

1 d

1 a

1 s

1 d

1 a

2 d

1 s

1 a

1 s

1 d

2 a

2 s

2 d

1 a

2 s

1 a

2 s

1 f

2 g

1 g

2 f

1 g

sgfda

sebep

8

6

4

2

0

Co

un

t

2,00

1,00Cinsiyet

T testi

Hipotez testlerinde bir hipotez ile onun karşıtı diğer bir hipotezden hangisinin örneklem verilerine dayanarak elde edilen sonuç ile daha iyi bağdaştığı araştırılmaktadır. Karşılaştırılan iki hipotezden birine sıfır hipotezi (Ho), diğerine ise karşıt hipotez (H1) adı verilir.

Eskiden beri geçerli kabul edilen bir önerme, onun aksi yeni bir görüşle karşılaştırılıyorsa, geçerli önermeye sıfır hipotezi, yeni görüşe ise karşıt hipotez adı verilir.

Gerçekte Ho yanlış iken, reddedilmez ise I. tip hata (Alfa tipi hata) yapılmış olur. Bununla birlikte, Ho doğru iken reddedilir ise bu kez II. tip hata (Beta tipi hata) yapılmış olur.

Araştırmacının Kararı

Gerçek Durum

Ho Yanlış Ho Doğru

Reddedilmeyen Hipotez

I. Tip Hata (α tipi hata)

Doğru Karar

Reddedilen Hipotez Doğru Karar II. Tip Hata (β tipi hata)

Bağımsız İki Örneklem t-Testi Parametrik testler arasında yer alan bu test, iki bağımsız örneklem ortalamaları arasındaki

farkın istatistiksel olarak anlamlı olup olmadığını sınamak amacıyla geliştirilmiştir.

T Testi Nedir?

Akademisyenlerin cinsiyet bağlamında tükenmişlik durumlarının birbirinden farklı olup olmadığını araştırmak istiyoruz. Ne yapılmalıdır? Veya iş tatmini yönünden fark var mı? Kadın ve erkek farkı için iki grubun ortalamaları birbirinden farklı mı değil mi? t testi yapılır.

T testinin varsayımları

1-Örneklemler birbirinden bağımsız olarak seçilmelidir.

2-Örneklem için seçilen her birimin diğerinden bağımsız olarak örnekleme alınması

3-Anakütlenin normal olarak dağılması

(Normal dağılım simetrik olduğu için normal dağılım gösteren değişkenlerin ortalama, ortanca ve modları eşittir.)

4-Verilerin en azından eşit aralıklı ve oranlı ölçme düzeyinde (sürekli değişken olması)

5-Varyansların birbirine eşit olması gerekir. Varyans standart sapmanın karesidir. Verilerin değişkenliğini ölçer.

Bağımsız iki örneklem t-testi ortalamalar arasındaki farkın standart hatası (ortalamalar arasındaki farkın örneklem dağılımının standart sapması) ile iki örneklem ortalamasını karşılaştırır. Test istatistiği, birinci örneklem ortalamasından ikinci örneklem ortalamasının çıkartılarak, ortalamalar arasındaki farkın standart hatasına bölünmesi ile elde edilir.

Varyansların homojen olup olmadığı ise SPSS paket programında Levene’s (1960) testi ile gerçekleştirilir.

Bu test F istatistiğini ve p-değerini temel alır. Eğer Sig. (anlamlılık) 0,05’den az ise (p<0,05) Levene’s testi iki anakütle arasındaki varyansın eşit olmadığını işaret eder. Eğer p>0,05 ise iki anakütlenin eşit varyanslara sahip olduğu varsayılabilir.

Örnek Uygulama

Bireylerin stres düzeylerinin cinsiyete göre farklılık gösterip göstermediği araştırılacaktır.

Dosya Adı: t-testi

Örneklemde n-1’e bölünürken; ana kütlenin standart sapmasını bulurken N’e bölünür.

SS : Standart sapma

Xi : i’nci ölçüm değeri

: n sayıda ölçümün ortalaması

n : Ölçüm sayısı

Değişkenliğin az mı fazla mı olması gerekir. Terimlerin ortalamadan veya birbirinden az mı sapmasını isteriz. Tabi ki az sapmasını isteriz. Ortalama µ ile gösterilir.

Normal Dağılım en kısa ve güzel ifadeyle normal hayattaki durumları en iyi temsil eden dağılımdır. Gauss Dağılımı adı da verilir. Randomizasyon sonucu seçilen örneklemlerin normal dağılım göstermesi beklenir.

µ

Ortalama

 

3.7 “Değişimi Anlama” - Normal Dağılım

Eğer süreklilik gösteren bir değişken gözleniyorsa, bu değişken normal olarak ortalama değerin (m) etrafında dağılım gösterecektir. Değerlerin yayılımı, çan eğrisinin genişliğini tanımlayan “popülasyon standart sapması”nın ( σ ) birimlerinde ölçülebilecektir.

 

 

 

 

Değişkenliğin aynı olması gerekir. Kadın ve erkeklerin ortalamadan (tükenmişlik veya iş tatmini açısından ) sapmaları aynı olması gerekir.

Değişkenler

N

Karşılaştırma Parametrik testler Parametrik olmayan testler

Bir grup-örneklem için Tek örneklem için t testi İşaret testi

Bağımsız iki grup için Bağımsız örnekjlemler için t testi

Mann-Whitney U testi

İlişkili iki ölçüm için İlişkili ölçümler için t testi Wilcoxon eşleştirilmiş iki

Nicel

Nitel

değişkenler

Aralık

oran

sıralı

Parametrik olmayan testler

Parametrik koşulları sağlıyor mu?

evet

hayırsınıflı

Ölçek

Parametrik testler

örneklem testi

Bağımzsız üç veya daha fazla grup için

Bağımsız örneklemler için tek faktörlü varyans analizi

Kruskal-Wallis H testi

İlişkili üç ve daha fazla ölçüm için

İlişkili (tekrarlı) ölçümler için tek faktörlü varyans analizi

Friedman testi

t= (birinci örneklem ortalaması-ikinci örneklem ortalaması)/ ortalamalar arası farkın standart hatası

t testi

Ho: Bayanlar ile erkekler arasındaki iş tatmini ortalamaları birbirine eşit

Hı: eşit değil

Anakütle ortalamaları

Ho: μ1= μ2 (mü1 diye okunuyor.)

*Hı: μ1≠ μ2

Ho red

Hı kabul olsun isteriz.

*Ho: σ1= σ2 (sigma1 diye okunuyor.)

Hı: σ1≠ σ2

Ho reddedilemez. Burada Ho kabul olsun isteriz.

σ varyans demek

Örnek uygulama:

Ho:Bayanlar ile erkekler arasında stres düzeyleri açısında anlamlı bir fark yoktur.

Hı: Anlamlı bir fark vardır.

Ho: günlük hata miktarı 20den farklıdır

Hı: Günlük hata miktarı 20 dir

h

Ho: fiyat ile talep miktarı arasında bir ilişki yoktur

Hı: fiyat ile talep miktarı arasında bir ilişki vardır.

Bireylerin stres düzeylerinin cinsiyete göre farklılık gösterip göstermediği araştırılacaktır.

Dosya adı: t testi

SPSS programında

Analiz→ Compare Means→Independent Samples→ t testi

Continue bas ve options dan %95 güven aralığından seç. Continue bas ve OK de. Output çıkar.

Output:

T-Test

Group Statistics

Cinsiyet N MeanStd.

DeviationStd. Error

Mean

Stres puanlari

Erkek 316

16,27 7,276 ,409

Kiz 75

18,97 7,102 ,820

Independent Samples Test

Levene's Test for Equality of t-test for Equality of Means

Variances

F Sig. t dfSig. (2-tailed)

Mean Difference

Stres puanlari

Equal variances assumed ,075

,784

-2,907 389 ,004 -2,704 ,930 -4,533 -,875

Equal variances not assumed

-2,951 113,803 ,004 -2,704 ,916 -4,520 -,889

±±

Ki-KARE TESTİ

Parametrik olmayan testler arasında yer alan ki-kare testi, iki veya daha fazla kategoriye sahip, iki değişken arasında bağımsızlık olup olmadığının, diğer bir deyişle ilişki bulunup bulunmadığının incelenmesinde kullanılır.

Örnekleme dağılımı olan ki-kare dağılımı; ilk olarak 1900’lü yıllarda Pearson tarafından ortaya atılmıştır.

Ki-kare; aritmetik ortalaması 0 ve varyansı 1 olan normal bölünmeli bir anakütleden birbirinden bağımsız olarak seçilen n birimli bir örnekleme ait değerlerin karelerinin toplamı demektir.

Ki-kare testi parametrik olmayan testler için en yaygın kullanıma sahip olan testlerden biridir. Bu test rxc, şeklinde çapraz tabloların analiz edilmesinde kullanılır. Serbestlik derecesi, r satır sayısı, c sütun sayısını göstermek üzere,

sd=(r-1)(c-1) şeklinde hesaplanır.Ki-Kare testinin uygulanırken dikkat edilmesi gereken noktalar

2x2’lik bir çapraz tabloda beklenen frekansların herhangi biri 5’den az ise, ki-kare testi kullanılmamalı, bunun yerine Fisher’in Tam Olasılık Testi (Fisher’s exact test) kullanılmalıdır.

rxc şeklindeki çapraz tablolarda beklenen frekanslardan herhangi biri 1’den az veya %20’den fazlası 5’den az ise ki-kare testi kullanılmamalıdır. Bunun yerine eğer uygun ise satır veya sütun kategorileri birleştirilmelidir. Uygun bir çözüm elde edilemiyorsa sonuçlar ve yorumlar sadece çapraz tablolar için yapılmalıdır.

Örnek Uygulama

Eğitim durumu ile cinsiyete arasında ilişki olup olmadığı araştırılacaktır.

Dosya Adı: ki-kare

Kikare

Kikare dosyasını açınız

Satıra eğitim

Sütuna nüfus

Statistics Chi kare ve Phe and Cramer’s V işaretlenip continue bas

Burada gözlenen işaretledik ancak beklenen de olabilir.