SPSS ile Nokta Çift Serili Korelasyon Analizi

[@OfisLab]

Bu videoda anlattıklarımı beğendiysen, *SPSS Dersleri* isimli video serimi de izlemeni tavsiye ederim kzbin.info/aero/PL9dwBqqedrdzg5Ord9MA7kiR0B7eyhecp Gelecekteki videolarımı kaçırmamak için kanalıma abone olmayı unutma 😊kzbin.info Ayrıca, bu videoyu beğendiysen BEĞEN tuşuna da basarsan daha fazla kişinin bu videoyu görmesini sağlayıp onların da faydalanmasını sağlayabilirsin!

[@g.g.8103]

Harikasınız, emeğinize sağlık 👏👏👏

[@OfisLab]

Çok teşekkürler

[@yldz2805]

teşekkür ederim, tezim için çok işime yarayacak.

[@OfisLab]

rica ederim, kolaylıklar

[@oguzergin1100]

iyi günler. çok güzel bir sunum. teşekkürler. benim elimde ki verilerde ordinal verilerin scale ile karşılaştırılması gerekmekte. tüm ön testler "uygun değil" şeklinde çıkıyor. bu noktada pearson yerine normal dağılım olmadığı için spearman testi uygun olur mu? diğer bir şekilde, verinin biri nominal değil ordinalse ve normal homogen dağılım göstermiyorsa nasıl bir yol izlenmelidir? teşekkürler

[@OfisLab]

Merhaba, güzel yorumunuz için teşekkür ederim! Sorunuza gelecek olursak: Eğer elinizdeki ordinal verileri scale (sürekli) verilerle karşılaştırmanız gerekiyorsa ve verileriniz normal dağılım göstermiyorsa, Pearson korelasyon yerine Spearman korelasyon testi kullanmak daha uygun olacaktır. İşte detaylı bir açıklama ve öneriler: Spearman Korelasyon Testi: Spearman korelasyon testi, verilerin sıralarına dayanarak korelasyon hesaplar ve normal dağılım varsayımı gerektirmez. Bu nedenle, ordinal veriler ile sürekli veriler arasında korelasyon hesaplamak için uygundur. Spearman testi, özellikle veriler normal dağılım göstermediğinde veya homojen olmayan dağılımlar söz konusu olduğunda tercih edilir. Ordinal ve Sürekli Veriler Arasındaki Korelasyon: Ordinal veri ile sürekli veri arasında ilişkiyi test etmek için Spearman testi en uygun yöntemlerden biridir. Bu test, verilerin sıralama bilgisine dayanarak ilişkiyi değerlendirir. Eğer veriler nominal ise, nominal veri ile sürekli veri arasındaki ilişkiyi test etmek için Point-Biserial korelasyon testi kullanılabilir. Ancak siz ordinal verilerden bahsettiğiniz için Spearman daha uygun olacaktır. Alternatif Yöntemler: Kendall’s Tau: Bir başka alternatif yöntem de Kendall's Tau olabilir. Bu test de sıralı verilerle çalışmak için uygundur ve özellikle küçük örneklemler için daha güvenilir sonuçlar verebilir. Non-parametrik Yöntemler: Diğer non-parametrik yöntemler de kullanılabilir, ancak Spearman ve Kendall’s Tau en yaygın olanlarıdır. Sonuç olarak, verileriniz normal dağılım göstermiyorsa ve ordinal ile sürekli veri arasındaki ilişkiyi incelemek istiyorsanız, Spearman korelasyon testi doğru bir seçim olacaktır. Umarım bu bilgiler yardımcı olur. Başka sorularınız olursa, çekinmeden sorabilirsiniz!

[@halilyilmaz7543]

Teşekkürler video için çoklu kategorik değişkenler ile scale değişkenleri arasında bu korelasyonu veya farklı bir korelasyon yapabilir miyiz

[@OfisLab]

Merhaba. Yapabilirsiniz ama önce o değişkenleri kukla değişkene çevirmeniz lazım. Bu videoda gösteriyorum: kzbin.info/www/bejne/qqTSfomVes-abMk

[@halilyilmaz7543]

@@OfisLab Gayet açıklayıcı ve faydalı oldu yorumunuz. Çok teşekkür ederim ilginiz için.

[@OfisLab]

rica ederim

[@NurNur-cv4pe]

hocam ben cinsiyet değişkeniyle katılıyorum katılmıyorum vs gibi 5 cevabı olan bir ölçek puanı arasında korelasyona bakıcam hangi korelasyon yöntemini kullanmam gerekiyor lütfen yardımcı olurmusunuz

[@OfisLab]

Bu videodaki analizle yapabilirsiniz hocam

[@NurNur-cv4pe]

@@OfisLab evet hocam bunu videonuzu izleyerek yaptım hocam ölçeğin toplam puanıyla ölçek meddeleri arasındaki korelasyonu da bulmam gerekiyor onun için hangi korelasyonu kullanmam gerekiyor

[@OfisLab]

Onun için de linkteki videodaki analizi kullanın hocam: SPSS Korelasyon Analizi [Yapılması, yorumlanması ve raporunun yazılması] kzbin.info/www/bejne/fJXYlGuEgLmnZqM

[@umutkck300]

Hocam faydalı bir video olmuş teşekkürler analizi test ederken homojenite varsayımı karşılanmadı bu durumda ne yapmamız gerek

[@OfisLab]

Merhaba hocam. Yine bu analizi yapabilirsiniz ancak istatistiksel güç kaybederek bir sonuç bulacaksınız. Mesela .450 değerinde bir korelasyon değeri varsa gerçekte, siz .350 bulacaksınız. Bu rakamlar tamamen uydurma tabi. Demek istediğim olan ilişkiden daha zayıf bir ilişki bulacaksınız. Onun haricinde bir zararı yok bu durumun. Yapmanız gereken varyansların homojenliği testinin anlamlı çıktığını yani bir değişkeninizin değerlerinin diğer değişkenin gruplarında eşit olarak dağılmadığını belirtmek. Sonuçların da bunu göz önüne alarak değerlendirilmesi gerektiğini söylemek.

[@selimy5553]

@@OfisLab Hocam merhaba, takip ettiğim ve güvenilir bulduğum tek yerli istatistik kanal sahibi sizsiniz...emekleriniz için öncelikle teşekkür ederim. Hocam ben de normallik varsayımını karşılayamıyorum...bu durumda ne yapmalıyım? "Çift serili korelasyon" analizi mi yapmalıyım? Cevapladığınız için şimdiden teşekkürler.

[@OfisLab]

Merhaba. O kanalı iyi bulduğunuz için çok teşekkürler elimden geldiğince yorumlara da cevap vermeye çalışıyorum. Değişkenleri dönüştürmeyi düşündünüz mü ya da denediniz mi? Eğer dönüştürmenize rağmen hala normal değil derse o zaman nanparametrik testi yapmamız gerekiyor.

[@OfisLab]

Eğer elinizde iki tane sürekli değişken varsa o zaman Spearman korelasyon dediğimiz analizi yapmamız gerekiyor

[@selimy5553]

@@OfisLab hocam, 1 dichotomous (gerçek kategorik; soba ve kalorifer) 1 sürekli (aralıklı)değişkenim var...

[@fatmaakbulutatakol7711]

Merhaba videonun 10.15 dakikasında ortalama verisi .58 için 1 puanlı katılımcılar 0 puanlı katılımcılardan fazladır diyorsunuz. Bunu nasıl anlayıp neye göre yorumladınız? diğer sorum -.442 cinsiyet ve korumacılık arasında negatif yönlü anlamlı ilişki vardır dedikten sonra buna göre erkekten kadına geçtikçe korumacılık değerleri azalmaktadır, diyorsunuz yine bu yorumu neye dayanarak yaptınız. tabloda cinsiyet için genel veri verirken kadın erkek ayrımını nasıl yaptınız?

[@OfisLab]

Merhaba. Güzelsorularınız için teşekkürler. Birinci sorunuzda .58 cinsiyet değişkenin ortalama değerini temsil ediyor. 1 ve 0 dan oluşan bir değişkenin ortalamasını alınca .5'den büyük bir sayı elde ederken bu değişkende 1 puanlı katılımcıların 0 puanlılardan fazla olduğunu gösterir. Küçük bir örnekle açıklayabilirim: elimizde 5 kişilik bir cinsiyet verisi var diyelim, 1 1 1 0 0. Yani 3 erkek 2 kadın diyelim. Bunun ortalamasını alırsak yani 3ü 5e bölersek .6 buluruz. Eğer 1 1 1 0 0 yerine 0 0 0 1 1 olsaydı o zaman da ortalamayı .4 bulacaktık bu da 0 puanlıların daha fazla olduğunu gösterecekti. İkinci sonuzda nerden nereye geçince ne olduğunu bilmek için cinsiyet değişkeninde kadın ve erkeğin hangi sayılarla temsil edildiğini akılda tutmak gerekiyor. Bu bir korelasyon olduğu için ve -.442 negatif korelasyonu yani bir değer artarken diğerinin azaldığını ima ettiği için, korumacılık değeri azaldıkça cinsiyet değerinin artmasını bekliyoruz. cinsiyet değerinin de artması demek erkekten yani 0 numaradan 1 numaraya yani kadına geçmek demek. Umarım açıklayıcı olmuştur.

[@fatmaakbulutatakol7711]

@@OfisLab ilk açıklamanıza göre kadın ve erkeğe 0-1 kodlamasını biz veriyoruz. yani 0 ve 1 kime ait olacağını biz tayin ettiğimiz için haliyle bu ikinci sorumu da etkilemektedir. yani ben kadına 1 deseydim kadından erkeğe geçtikçe korumacılık değerleri azalmaktadır olacaktı. (belki de detayı kaçırıyorumdur kusura bakmayın). teşekkürler

[@OfisLab]

rica ederim :)