SPSS ile Wilcoxon işaretli sıralar testi nasıl yapılır? Videolu anlatım!

Bu dersimizde Wilcoxon işaretli sıralar testinin SPSS de örnek bir uygulamasını göreceğiz.
Bu test kullanılarak ilişkili iki ölçüm setine ait puanlar arasındaki farkın anlamlılığı test edilebilmektedir.

Bu test kullanılabilmesi için;
1- bağımlı değişkenin en az sıralama ölçeği düzeyinde olması ve,
2- gözlem çiftlerinin (her bir ölçüm puanının) birbirinden bağımsız olması gerekmektedir.

Aşağıda Wilcoxon işaretli sıralar testi kullanılarak cevaplanacak örnek bir araştırma sorusuna yer verilmiştir.

1-Deney grubu öğrencilerinin "zihinsel çevirme testi" öntest ve sontest puan ortalamaları arasında anlamlı bir farklılık var mıdır?

Örnek veri dosyasını buradan indirebilirsiniz. Şimdi SPSS de Wilcoxon işaretli sıralar testi uygulamasını gerçekleştirelim.

SPSS ile Mann-Whitney U testi uygulaması, videolu anlatım

Bugünkü dersimizde non-parametrik bir test olan Mann-Whitney U testinin SPSS de nasıl uygulandığını göreceğiz. Bu test iki ilişkisiz örneklemlerden elde edilen puanların birbirinden anlamlı bir şekilde farklılık gösterip göstermediğini test eder.

Bu testi uygulayabilmemiz için;
-Araştırmamızdaki bağımlı değişkenin en az sıralama ölçeği düzeyinde ve
-Gözlemlerin (puanların) birbirinden bağımsız elde edilmiş olması gerekmektedir.

Aşağıda Mann-Whitney U testini uygulayarak cevap bulabileceğimiz örnek araştırma soruları gösterilmiştir;

1-Deney ve Kontrol grubu öğrencilerinin öz-yeterlik düzeyleri arasında anlamlı bir farklılık var mıdır?
2-Atılganlık düzeyi  ile cinsiyet arasında anlamlı bir ilişki var mıdır?

Şimdi SPSS de Mann-Whitney U testi örnek uygulamamızı görelim, örnek veri dosyasını buradan indirebilirsiniz.

SPSS ile parametrik ve parametrik olmayan testlerin uygulanması

Veri setimizin taşıdığı özelliklere göre araştırmamızda parametrik veya non-parametrik testler kullanabiliriz.

Veri setimiz;

-karşılaştırma yapacağımız gruplara göre normal dağılım göstermiyor veya,

- en az aralık ölçeğinde değil veya,

-az ise (30’a kadar)ise

Non-parametrik testleri mecburen tercih etmeliyiz. 

Parametrik testler, non-parametrik testlere göre daha güçlü testlerdir. Aşağıdaki tabloda parametrik testler ve karşılıkları olan non-parametrik testler yer almaktadır. Her bir teste tıklayarak SPSS örnek uygulamalarını inceleyebilirsiniz.

Parametrik Testler*	Non-parametrik Testler*
Bağımsız örneklem t testi	Mann Whitney U testi
Bağımlı örneklem t testi	Wilcoxon testi
Tek yönlü varyans analizi (ANOVA)	Kruskall-Wallis H testi

*Testlere tıklayarak SPSS örnek uygulamalarını inceleyebilirsiniz.

SPSS de Tek Faktörlü Varyans Analizi (ANOVA) nasıl gerçekleştirilir?

Birbirinden bağımsız iki ya da daha çok örneklem ortalaması arasındaki farkın istatistiksel olarak sıfırdan anlamlı bir şekilde farklı olup olmadığını test etmek için Tek Faktörlü Varyans Analizi (ANOVA) kullanılmaktadır. Aşağıda yer alan araştırma sorularının çözümü için ANOVA kullanılabilir.

1- Sınıf düzeyine (6, 7, ve 8. sınıf) göre öğrencilerin "içsel motivasyon puanları" anlamlı bir şekilde farklılaşmakta mıdır?
2-Deney 1, Deney2 ve Kontrol gruplarında bulunan öğrencilerin "içsel motivasyon puanları" anlamlı bir şekilde farklılaşmakta mıdır?

Dikkat edilirse araştırma sorularında ikiden fazla grup (faktör) bulunmaktadır.

ANOVA gerçekleştirilmeden önce veri setimizin bazı varsayımları kaşılaması gerekmektedir. Bunlar;

1-Araştırmada yer alan bağımlı değişkene ait puanlar en az aralık ölçeğinde olmalıdır.
2-Bağımlı değişkene ait puanlar her bir faktörde (grupta) normal dağılım göstermelidir.
3-Puanlara ait örneklemler ilişkisizdir.
4-Bağımlı değişkene ait varyanslar her bir örneklem için eşittir.

Şimdi SPSS de ANOVA'nın nasıl gerçekleştirildiğini örnek bir video uygulaması ile anlatacağım. Örnek veri dosyasını buradan indirebilirsiniz.

Regresyon analizlerinde etki büyüklüğü (effect size) değeri hesaplama

Etki büyüklüğü değerlerinin hesaplanmasında farklı yaklaşımlar bulunmaktadır.  Cohen (1988), Regresyon analizleri ve doğrusal modeller için etki büyüklüğünün hesaplanmasında standartlaştırılımış etki büyüklüğü (f²) değerinin hesaplanmasını önermiştir. 

f² değeri, çoklu korelasyon katsayısının (R²), birden çıkarılan değerine (1–R²) bölünmesi ile elde edilmektedir. 

(f² = R²/(1 – R²)).  

Cohen’nin (1988) sınıflandırmasına göre, 0.02 ≤ f² < 0,15 değeri küçük etkiyi, 0.15 ≤ f² < 0.35 değeri orta etkiyi, 0.35 ≤ f² değeri ise geniş etkiyi göstermektedir. 

Bu değerler R² için dönüştürüldüğünde; 0.02 ≤ R² < 0.13 değeri küçük etkiyi, 0.13 ≤  R² < 0.26 değeri orta etkiyi, 0.26 ≤ R² değerler ise geniş etkiyi göstermektedir. 

Kaynak

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd Ed.). hillsdale, NJ: Lawrence Earlbaum Associates.

SPSS de tek değişkenli normal dağılımın incelenmesi

Bu makalemde SPSS programı ile tek değişkenli ve çok değişkenli dağılımın nasıl incelenebileceğini anlatmaya çalışacağım.

Parametrik istatistiksel teknikler kullanarak analiz yapabilmek için eldeki veri setinin normal dağılım göstermesi gerekmektedir. Aşağıdaki alt problemi inceleyelim.

1- Katılımcıların "akademik motivasyonları" cinsiyetlerine göre farklılaşmakta mıdır?

Bu araştırma probleminde parametrik bir test olan bağımsız örneklem t testi kullanılarak katılımcıların akademik motivasyon puan ortalamaları cinsiyetlerine göre karşılaştırılacaktır. Fakat bu testin kullanılabilmesi için veri setinin her iki gruba göre (kız ve erkeklere göre) normal dağılım göstermesi gerekmektedir. Bu örnek üzerinden tek değişkenli normal dağılımın nasıl incelendiğini açıkladıktan sonra başka bir dersimizde yine bir örnek ile çok değişkenli normal dağılımı açıklayacağız ve inceleyeceğiz.

Şimdi örneğimiz üzerinden tek değişkenli normal dağılımı SPSS ile incelemeye devam edelim. Örnek veri dosyasını buradan indirebilirsiniz. Örneğimizdeki veri dosyasının görünümü aşağıdaki resimde yer almaktadır. Veri dosyasında cinsiyet bağımsız değişken, akademik motivasyon ise bağımlı değişken olarak yer almaktadır.

Şimdi veri setimizde bulunan akademik motivasyon puan ortalamalarının cinsiyete göre normal dağılım gösterip göstermediğini inceleyelim. Bunun için Analysze menüsünden, Desciriptive Statistics, buradan da Explore sekmesine tıklıyoruz.

Sonraki aşamada Explore penceresi açılıyor. Bu pencerede Dependent List gözeneğine bağımlı değişkenimiz olan akademikMotivasyon değişkeni atıyoruz. Factor List gözeneğine ise bağımsız değişkenimiz olan cinsiyet değişkenini atıyoruz. Daha sonra Plots sekmesine tıklıyoruz ve Explore:Plots sekmesi açılıyor. Bu sekmede de Normality plots with tests'i işaretliyoruz. Continue butonuna ve son olarak OK butonuna tıklıyoruz ve analizi gerçekleştiriyoruz.

SPSS çıktı olarak bize birçok tablo oluşturuyor. SPSS çıktısında odaklanacağımız bir kaç tablo var. Bunlardan ilki Test of Norality tablosudur. Bu tabloda iki test yer almaktadır. Bunlar; Kolmagorov-Smirnov ve Shapiro-Wilk testleridir. Bu testlerdeki Sig. yazan başlığın altındaki p anlamlılık değerlerine odaklanıyoruz. Bu değerin 0,05 den büyük olması durumunda akademikMotivasyon puanlarının kız ve erkeklere göre normal dağılım gösterdiğini anlayacağız. Eğer p anlamlılık değeri 0,05 den küçük ise, akademikMotivasyon puanlarının cinsiyetete göre normal dağılım göstermediğini anlıyoruz. Örneğimizde de her iki teste göre puanların cinsiyete göre normal dağılım göstermediğini anlıyoruz.

Şimdi bu testler hakkında biraz daha bilgi verelim. Bu testler küçük örneklemlerde daha iyi çalışan testlerdir. Büyük veri setlerinde bu testler iyi sonuç vermemektedir. Dolayısı ile örneklem sayısı küçük ise (30'a kadar) bu testlere göre normal dağılımı incelememiz daha uygun olacaktır. Örneklem sayımız büyük ise veri setimizin dağılımını çarpıklık ve basıklık değerlerine bakarak incelememiz daha uygun olacaktır. Bir sonraki tabloda çarpıklık ve basıklık değerlerini inceleyeceğiz.

Descriptives tablosundaki Skewness ve Kurtosis değerlerine odaklanıyoruz (Bunlar çarpıklık ve basıklık değerleridir). Bu değerler ne kadar sıfıra yakınsa verilerimiz normal dağılıma o dakar yaklaşmıştır demektir. Ayrıca, bu değerlerin ±1 aralığında bulunması durumunda verilerin normale yakın dağıldığını söyleyebiliriz (George ve Mallery, 2003). Örneğimizdeki verileri incelediğimizde,  akademikMotivasyon puanlarının kız ve erkeklere göre normale yakın dağıldığını söylemek mümkündür. Bu durumda tek değişkenli normallik varsayımının büyük ölçüde karşılandığı yorumunu yapabiliriz.

 

İstatistikte Kayıp Değerlerin Analizi (assessing patterns of missing data)

Literatürde kayıp değerlerin analizi için farklı yaklaşımlar sunan birçok teknik bulunmaktadır. Bu teknikler arasında liste bazında veri silme  (listwise data deletion), durum bazında veri silme (casewise data deletion), çiftler bazında veri silme  (pairwise data deletion), ortalama atama (mean substitution), regresyon atfı (regression imputation) ve en çok olabilirlik tahmini (maximum likelihood estimation) teknikleri bulunmaktadır (Çokluk, Şekercioğlu ve Büyüköztürk, 2010; Çokluk ve Kayri, 2011; Oğuzlar, 2001).

Liste bazında ve durum bazında veri silme tekniklerinde, kayıp değer içeren her gözlem veri dosyasından çıkarılır. Eğer veri setinde çok az sayıda gözlem kayıp değere sahip ise bu gözlemlerin veri dosyasından çıkarılması iyi bir seçenektir. Ancak kayıp değerler veri seti boyunca dağılmış ve çok sayıda ise kayıp verilere sahip gözlemlerin veri setinden çıkarılması önemli ölçüde veri kayıplarına neden olacaktır ve buna bağlı olarak bazı analizler gerçekleştirilemeyecektir. Çiftler bazında veri silme tekniğinde, her değişken çifti için tüm durumları eksiksiz olan gözlemlerden korelasyon/kovaryans tahminleri hesaplanmaktadır. Korelasyon matrisinin pozitif tanımlı olmadığı durumlarda çiftler bazında veri silme tekniğinde sorunlar yaşanabilmektedir (Oğuzlar, 2001).

Ortalama atama tekniğinde, tüm gözlemlerin belirli bir değişkene ilişkin ortalaması alınır ve elde edilen değer kayıp değerlere atanır. Regresyon atfı tekniğinde, bir ya da birkaç bağımsız değişken, bağımlı değişkenin değerini tahmin etmede kullanılır. Bu amaçla bağımsız değişkenlerin bağımlı değişken üzerindeki etkisini araştırmak için regresyon analizi gerçekleştirilir. Regresyon analizi ile elde edilen eşitlik, bağımlı değişkende bulunan kayıp değerleri tahmin etmek amacı ile kullanılır. En çok olabilirlik tahmini tekniğinde ise, verilerin ve kayıp verilerin dağılımına göre, farklı noktalardaki kayıp değerlere farklı değerler atanır (Çokluk, Şekercioğlu ve Büyüköztürk, 2010).

Literatürde küçük miktarda kayıp değerlerin analizi için ortalama atama; orta büyüklükte kayıp değerlerin analizi için regresyon atfı; büyük miktarlardaki kayıp değerlerin analizi için ise en çok olabilirlik tahmini tekniklerinin kayıp değer analizlerinde kullanılması tavsiye edilmektedir (Schumacker ve Lomax, 2004). 

Kaynaklar

Çokluk, Ö., Şekercioğlu, G., & Büyüköztürk, Ş. (2010). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları. Ankara: Pegem Akademi.

Oğuzlar, A. (2001). Alan Araştırmalarında Kayıp Değer Problemi ve Çözüm Önerileri, V. Ulusal Ekonometri ve İstatistik Sempozyumu bildiriler kitabı içinde (ss.1-30). Adana: Çukurova Üniversitesi.

Schumacker, R.E., & Lomax, R.G. (2004). A beginner’s guide to structural equation modeling. Mahwah, NJ: Lawrence Erlbaum.

SPSS de veri düzenleme ve değişken kavramı üzerine...

SPSS de veri düzenleme

Araştırmalarınızda veri dosyası oluştururken SPSS'e direk veri girişi yapabilirsiniz veya excel'e verilerinizi girip gerekli düzenlemeleri yaptıktan soran SPSS'e verilerinizi aktarabilirsiniz.

Her ne kadar SPSS'e veri girilebilse de, verilerin düzenlenmesi excel'de daha kolaydır. Bu bakımdan araştırmacıların çoğu excel'de verilerini düzenlemeyi,  SPSS'de ise analizlerini yapmayı tercih etmektedir. Excel'deki bir veriyi SPSS'e aktarmak için verinin sürüklenip SPSS ekranına bırakılması yeterlidir.

Aşağıda örnek bir SPSS veri görünüm ekranı yer almaktadır. Bu ekranda iki önemli konu açıklanmıştır. Bunlardan ilki değişken türünün belirlenmesidir. SPSS'de değişkenlerimizi düzenlemek için öncelikle değişkenlerimizin hangi ölçek türünde olduğunu tanımlamamız gerekmektedir. Bunun için Measure sekmesinde yer alan ve her verinin karşısında bulunan satırlara tıklayarak  açılır pencelerin karşımıza çıkmasını sağlayabiliriz. Bu pencereler ile  değişkenlerimizin hangi ölçek türünde (Scale, Ordinal ve Nominal) olduğunu belirleriz. Değişkenlerimiz aralık (Scale), sıralama (Ordinal) ve sınıflama (Nominal) ölçeği türünde olabilir. Örneğin, cinsiyet ve sınıf düzeyi değişkenleri sınıflama (Nominal) ölçeği türündedir.

Birey ya da objelerin sahip olduğu özellikler dört farklı ölçek türü ile açıklanabilir.

Aralık Ölçeği

Bu ölçek türünde her puan bir miktarı gösterir ve her puanı ayıran eşit bir ölçme birimi vardır. Bu ölçü biriminin izafi bir başlangıç noktası vardır. Sosyal bilimlerde kullanılan ölçek türleri aralık ölçeği türündedir. Başarı testleri, zeka testleri, kişilik testleri yetenek testleri aralık ölçeği türündedir.

Sıralama Ölçeği

Bu ölçek türündeki puanlar daha çok bir sıra dizisini göstermektedir. Ölçülen özellikte artma veya azalma söz konusudur. Bu ölçekte rakamların matematiksel anlamı yoktur. Rakamlar sadece azlık-çokluk veya sıralama hakkında bilgi verir.

Sınıflama Ölçeği

Bu ölçekte yer alan puanlarda miktar göstermezler. Puanlar daha çok bir kişi veya objeyi tanımlamak için kullanılır. Cinsiyet, medeni durum, plaka numarası vb. sınıflama ölçeği türünde değişkenlerdir.

Oran Ölçeği

Bu ölçek türünde eşit ölçme birimi ve gerçek yokluğu belirten sıfır noktası vardır. Bu ölçek türünde elde edilen puanlar değişkenin gerçek miktarını belirtir. Yaş, ağırlık ve uzunluk ölçüleri bu ölçek türündedir. Oran ölçeği ile aralık ölçeği arasındaki temel fark, oran ölçeğinin gerçek sıfıra sahip olması, aralık ölçeğinin ise izafi sıfıra sahip olmasıdır. Dolayısı ile oran ölçeğinde çarpma ve bölme işlemleri yapılabilirken, aralık ölçeğinde bu işlemler yapılamaz.

İkinci önemli husus, veri setimizde yer alan değişkenlerimizin SPSS'e tanıtılmasıdır. SPSS'e girdiğimiz değerler sadece sayılardan oluşur. Program sayısal değerlerin ne anlama geldiğini bilemez. Bu durumda özellikle sıralama (Ordinal) ve sınıflama (Nominal) ölçeği türünde olan verilerimizi tanımlamamız gerekmektedir. Tanımlama işlemi Values sekmesinde yer alan her bir satıra tıklayarak gerçekleştirilmektedir. Açıklan pencerede hangi değerin (Values) hangi etiket (Label) ile tanımlanmak istediği sorulacaktır. Örneğimizde cinsiyet değişkeni tanımlanmıştır. Bunun için 1 değerine kız, 2 değerine ise erkek etiketi tanımlanmıştır.

Değişken Kavramı

Değişken, bir özelliğin nicel ya da nitel anlamda   bir durumdan diğerine belirgin olarak farklılık göstermesi olarak tanımlanabilir. Dolayısı ile değişkenler farklı durumlarda farklı değerler alabilen dinamik değerlerdir. Değişkenlerin almış olduğu değerlere veri denir. 

Değişkenler sahip oldukları özelliklere; göre nitel ve nicel değişken,

neden sonuç ilişkilerine göre; bağımlı ve bağımsız değişkenler ve kontrol değişkeni,

aldıkları değerlere göre; sürekli ve süreksiz değişken olarak sınıflandırılmaktadır.

SPSS ile bağımsız (ilişkisiz) örneklem t testi nasıl yapılır?

Bu makalemde SPSS kullanarak bağımsız örneklem t testinin nasıl yapıldığını örnek bir uygulama ile anlatmaya çalışacağım. Bağımsız örneklem t testi, ilişkisiz örneklem t testi olarak da karşımıza çıkabilmektedir.
Araştırmamızda bir gruba (cinsiyet, medeni durum vb.) ait ölçümleri (puanları) karşılaştırmak isteyebiliriz. Bu durumda hipotez testlerini kullanarak, gruplar arasında gözlenen farkların istatistiksel olarak anlamlı olup olmadığını belirleyebiliriz. Sonuç olarak, bağımsız örneklem t tesi, iki ilişkisiz grubun puan ortalamaları arasındaki farkın manidar olup olmadığını test etmek için kullanılır.
Örneğin, cinsiyete göre, katılımcıların mesleki tükenmişlik düzeyleri arasında manidar bir farklılık olup olmadığını bağımsız örneklem t testi kullanarak inceleyebiliriz. Bir başka örnek; Deneysel bir uygulama yaptığınızı düşünün. Çalışmanızda yer alan kontrol ve deney gruplarının deneysel işlem öncesinde ve sonrasında uygulamış olduğunuz ölçme araçlarından almış oldukları puanları karşılaştırmak istiyorsunuz. Bu durumda bağımsız örneklem t testi kullanmanız gerekmektedir.

Bağımsız örneklem t testini gerçekleştirebilmek için veri setimizin bazı varsayımları karşılaması gerekmektedir. Bunlar;

1- Araştırmadaki bağımlı değişkene ait puanlar (ölçümler) en az aralık ölçeğinde olmalıdır.
2- Bağımlı değişkene ait puanların dağılımı gruplara göre normal dağılım göstermelidir.
3- Puan ortalamaları karşılaştırılacak örneklemler ilişkisiz olmalıdır.

Şimdi SPSS kullanarak bir örnek üzerinde bağımsız örneklem t testini uygulamaya çalışalım. Örnek veri dosyasını buradan indirebilirsiniz.

Örneğimizde cinsiyete göre katılımcıların "matematiğe yönelik içsel motivasyonlarını" ve "matematiğe yönelik görev zorluğu algılarını" karşılaştırılmak istenmektedir. Dolayısı ile araştırmanın alt problemleri şu şekilde olabilir?

1-Katılımcıların "matematiğe yönelik içsel motivasyonları" cinsiyete göre farklılaşmakta mıdır?
2-Katılımcıların "matematiğe yönelik görev zorluğu algıları" cinsiyete göre farklılaşmakta mıdır?

Bu problemlere cevap bulmak için araştırmacı bağımsız (ilişkisiz) örneklem t testini kullanmıştır. Aşağıdaki şekilde görüldüğü gibi veri setinde cinsiyet bağımsız değişken, içsel motivasyon ve görev zorluğu algısı ise bağımlı değişken olarak yer almaktadır. Değişken kavramı ve değişken türlerine ilişkin bilgileri blogumda arama yaparak bulabilirsiniz.

Analize başlamak için SPSS'de Analysis menusünden, Compare Means, buradan da Independent Samples T Testini seçiyoruz.

Bir sonraki adımda Independent Samples T Test için bir pencere açılıyor. Bu pencerede Test Variable(s) ve Grouping Variable olmak üzere iki gözenek yer alıyor. 

Test Variable(s) gözeneğine araştırmamızın bağımlı değişkenleri olan "İçselMotivasyon" ve "GörevZorluğuAlgısı" değişkenlerini; Grouping Variable gözeneğine ise araştırmamızın bağımsız değişkeni olan cinsiyet değişkenini ok butonu yardımı ile gönderiyoruz. 
Bir sonraki adımda, Define Groups butonuna tıklayarak, veri girişi sırasında cinsiyet değişkenini hangi rakamlarla kodlanmış ise o rakamları gruplara atıyoruz. Örneğimizde kızlar 1, erkekler ise 2 ile kodlanmıştır. Bu işlemi de bitirdikten sonra Continue butonuna tıklıyoruz ve son olarak OK butonuna tıklayarak analizimizi gerçekleştiriyoruz.

Bu işlemleri gerçekleştirdikten sonra SPSS, Output çıktısı ile gerçekleştirdiğimiz bağımsız örneklem t testi sonuçlarını tablolar halinde bize özetliyor. Şimdi bu tabloları açıklamaya çalışacağım.

Birinci tablo katılımcıların "İçselMotivasyon" ve "GörevZorluğuAlgısı" ölçeklerinden almış oldukları

 puanların ortalamalarını (Mean), standart sapmasını (Std. Deviation), ortalama standart hatasını (Std. Error Mean) ve uygulamadaki kişi sayısını (N) göstermektedir. Bu tabloda odaklanacağımız nokta kız ve erkek katılımcıların ölçeklerden almış oldukları puan ortalamalarıdır. Görüldüğü gibi "İçselMotivasyon" ölçeğinden elde edilen puan ortalamaları arasında ciddi bir fark bulunmamaktadır. Diğer yandan "GörevZorluğuAlgısı" ölçeğinden elde edilen puanlar arasında belirli bir farkın olduğu görülmektedir. Bu farkın istatistiksel olarak anlamlı olup olmadığını ikinci tabloya bakarak anlamaya çalışacağız. 

İkinci tabloda odaklanacağımız değer Sig (2-tailed) olarak belirtilen p anlamlılık değeridir. Bu değer 0,05'den küçük ise puan ortalamaları arasındaki farkın manidar olduğu, büyük ise puan ortalamaları arasındaki farkın manidar olmadığı ortaya çıkacaktır. Bu bilgiye göre, "İçselMotivasyon" puan ortalamaları arasındaki farkın manidar olmadığı (p=0,921>0,05) yani kız ve erkek katılımcıların benzer içsel motivasyona sahip oldukları söylenebilir. Diğer yandan cinsiyete göre "GörevZorluğuAlgısı"nın farklılaştığı (p=0,02<0,05) görülmektedir. Farklılığın kimin lehine olduğunu belirlemek için birinci tablodaki ortalamalar dikkate alınmalıdır. Buna göre kızlar (13,55) erkeklere (12,26) göre daha yüksek görev zorluğu algısına sahiptir denebilir.

SPSS ile bağımlı (ilişkili) örneklem t testi nasıl yapılır?

Bu makalemde SPSS ile bağımlı  örneklem t testinin nasıl yapıldığını adım adım anlatmaya çalışacağım. Bağımlı örneklem t testi, ilişkili örneklemler için t testi olarak da bilinmektedir.

Bağımlı örneklem t testi, ilişkili iki örneklem ortalaması arasındaki farkın birbirinden anlamlı bir şekilde farklı olup olmadığını test etmek için kullanılır. Örneğin bir gruba farklı zamanlarda uygulanan bir testten elde edilen puanları karşılaştırmak için bağımlı örneklem t testi kullanılabilir. Deneysel bir çalışma yaptığınızı düşünün. Deney grubuna bir testi deneysel işlem öncesinde (öntest) ve sonrasında (sontest) uyguladınız. Daha sonra bu uygulamalardan elde edilen puan ortalamalarını karşılaştırmak istiyorsunuz. Bu durumda bağımlı (ilişkili) örneklem t testini kullanmanız gerekir.

Bağımlı örnkelem t testini kullanmak isteyen araştırmacılar özellikle şu hususa dikkat etmelidir. Verileri excell veya spss'e girerken katılımcıların her birinin uygulamalardan (ölçme araçlarından) almış oldukları puanlar aynı satırda yer almalıdır.

Bağımlı örneklem t tsti parametrik bir test olduğundan, bu testi kullanarak analiz yapabilmek için veri setinin bazı varsayımları karşılaması gerekmektedir. Veri setinizin bu varsayımları karşılayıp karşılamadığını kontrol ettikten sonra bağımlı örneklem t testini kullanarak analiz yapabilirsiniz. Eğer veri setinin gerekli varsayımları karşılamıyor ise bağımsız örneklem t testinin karşılığı olan ve none-parametirk bir test olan Mann-Whitney U testini kullanmanızı tavsiye ediyorum. Bu teste ilişkin örnek bir uygulamayı bloğumda bulabilirsiniz.

Şimdi bağımlı örneklem t testinin kullanılabilmesi için karşılanması gereke varsayımları belirtelim;
1. Araştırmada yer alan bağımlı değişkene ait puanlar, aralık ya da oran ölçeğinde olmalıdır.
2. Bağımlı değişkenlere ait puanların her biri normal dağılım göstermelidir.

Şimdi somut bir örnek ile SPSS'de bağımlı örneklem t testinin nasıl yapıldığını adım adım açıklayalım. Örnek veri setimizi buradan indirebilirsiniz. Bu örneğimizde yer alan veri seti bağımlı örneklem t testinin yapılabilmesi için gerekli varsayımları karşılamaktadır.

Verilerin SPSS'deki görünümü aşağıdaki gibidir. Toplam 26 katılımcının bulunduğu araştırmada deneysel bir işlem gerçekleştirilmiştir. Deneysel işlem öncesinde gruba öntest olarak "uzamsal beceri testi" uygulanmış. deneysel işlemden sonra aynı beceri testi gruba sontest olarak uygulanmıştır. Deneysel işlemin katılımcıların "uzamsal becerileri" üzerindeki etkisi incelenmek istenmektedir.

Verileri ve araştırmanın amaçlarını açıkladıktan sonra bağımsız örneklem t testini yapmaya başlayabiliriz. SPSS'de Analysis menusünden, Compare Means, buradan da Pared Samples T Testini seçiyoruz.

Daha sonra Pared Samples T Test için bir pencere açılıyor. Bu pencerede Variable 1 ve Variable 2 yazan iki seçenek gözüküyor. Bu seçeneklere uygulama_1 ve uygulama_2 verilerini sırasıyla ve ok butonu yardımı ile atıyoruz. Daha sonra OK butonunu tıklıyoruz.

Bu işlemleri gerçekleştirdikten sonra SPSS Output çıktısı ile gerçekleştirdiğimiz bağımlı örneklem t testi sonuçlarını tablolar halinde bize veriyor. Şimdi bu tabloları açıklamaya çalışacağım.

Birinci tablo katılımcıların uygulama_1(öntest) ve uygulama 2'den (sontest) almış olduğu puanların ortalamalarını (Mean), standart sapmasını (Std. Deviation), ortalama standart hatasını (Std. Error Mean) ve uygulamadaki kişi sayısını (N) göstermektedir. Bu tabloda odaklanacağımız nokta uygulamalardan elde edilen yani öntest ve sontstten elde edilen puanların ortalamalarıdır. Sontest puan ortalaması (9,8846) öntest puan ortalamasına (6,5769) göre belli bir miktar artmış gözükmektedir. Şimdi bu artışın istatistiksel olarak anlamlı olup olmadığını üçüncü tabloya bakarak anlamaya çalışacağız. 

Üçüncü tabloda uygulama_1 ve uygulama_'den elde edilen puan ortalamaları arasındaki farkı (Mean) görebiliriz (-3,30769). Bu tabloda da odaklanacağımız değer p anlamlılık değeridir. Bu değer de tablonun en sonundaki değerdir (Sig. (2-tailed)). Bu değerin ,000 olduğunu görüyoruz. Bu değer0,001'den küçük, yani istatistiksel olarak anlamlıdır. Elde edilen bu sonuç, uygulama_1 ve uygulama_2'den elde edilen puan ortalamaları arasındaki farkın istatistiksel olarak anlamlı olduğunu göstermektedir. Buda yapılan deneysel uygulamanın etkili olduğunu, katılımcıların "uzamsal becerilerini" geliştirdiğini göstermektedir.

SPSS Hakkında

İngilizce açılımı “Statistical Package for the Social Sciences” olan SPSS çok yönlü bir istatistik programıdır. GünümüzdeSPSS, özellikle "Sosyal Bilimler" alanında çok geniş bir kullanım alanına ulaşmıştır. SPSS; sağlık, eğitim, ticaret, pazarlama vb. alanlardaki istatistiksel analizler için kullanılmaktadır. SPSS veri analizi işlemlerini oldukça kolaylaştırmaktadır.

Tahmine dayalı analitik yazılım temelli SPSS ile bilimsel çalışmalarınızın problemlerine yanıt arayabilir ve problemler ile ilgili mantıklı kararlar verebilirsiniz. SPSS ile ulaştığınız sonuçları geliştirerek bir sonraki adımda ne olabileceğini çok rahat tahmin edebilirsiniz.

SPSS grafiksel bir kullanıcı ara yüzüne sahiptir. Açılır menüler yardımıyla SPSS’in kullanımı oldukça kolaylaştırılmıştır. Ayrıca, kullanıcılar SPSS’de bulunan makro diller yardımıyla,SPSS programını kendi amaçları doğrultusunda şekillendirebilmektedir. 

SPSS programının deneme sürümünü buradan indirebilirsiniz.

Bir sonraki yazımda spss de gerceklestirebileceginiz analizlere giriş yapacağım. Ve her bir analizi adım adım açıklayarak sizlere yardımcı olacağım.

AMOS ile yapısal eşitlik modeli analizi

İngilizce açılımı “Analysis of Moment Structures” olan AMOS, yapısal eşitlik modeli analizlerinde kullanılan oldukça başarılı bir programdır. Birden çok bağımlı ve bağımsız değişkenler arasındaki doğrudan ve dolaylı ilişkileri betimleyip, bu ilişkileri bir model üzerinde test edebilmek için AMOS, basit ve kullanıcı dostu bir ara yüz sunmaktadır. 

AMOS, değişkenler arasındaki varsayılan ilişkileri göstermek için modeller oluşturmanızı, modelleri; tahmin etmenizi, değerlendirmenizi ve sunmanızı sağlar. AMOS, standart çok değişkenli istatistik teknikleriyle modelleri daha doğru oluşturmanızı sağlar. Kullanıcılar AMOS’da grafiksel olan ya da grafiksel olmayan, programlanabilir bir arabirimi de tercih edebilir. AMOS’da, karmaşık ilişkileri yansıtan davranışsal ve tutumsal modeller oluşturabilir ve test edebilirsiniz. 

Ölçek geliştirme çalışmalarında doğrulayıcı faktör analiziniAMOS’da çok rahat gerçekleştirebilirsiniz. AMOS ile doğrulayıcı faktör analizi, yol analizi ve yapısal regresyon modeli analizi gerçekleştirilebilmektedir. AMOS ile hem gözlenen hem de gizil değişkenler arasındaki ilişkileri bir model üzerinde test edebilirsiniz.

IBM AMOS programının deneme sürümünü buradan indirebilirsiniz.

Bir sonraki aşamada amos ile gerceklestirebilecegimiz basit ve karmasik model analizlerini adım adım açıklamaya çalışacağım.