• Sonuç bulunamadı

DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA

N/A
N/A
Protected

Academic year: 2021

Share "DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA"

Copied!
13
0
0

Yükleniyor.... (view fulltext now)

Tam metin

(1)

DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK

DOKTORA

Doç. Dr. ÖMAY ÇOKLUK BÖKEOĞLU

(2)

Diskriminant Analizi

• Grup üyeliklerini yordamaya yönelik bir model kurma amacına hizmet eden çok değişkenli bir istatistiktir (Çokluk, Şekercioğlu ve

Büyüköztürk, 2010).

(3)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Diskriminant analizi aşağıda belirtilen amaçlar için uygulanabilir (Garson, 2008):

- Diskriminant yordama eşitliği (fonksiyonu) kullanılarak bireyleri ya da birimleri sınıflamak,

- Bireylerin ya da birimlerin tahminlere dayalı olarak sınıflanıp sınıflanamayacağına ilişkin teorileri test etmek,

(4)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

- Gruplar arasındaki farklılıkları araştırmak,

- Grupları ayırmadaki en tutucu (parsimonious) yolu belirlemek,

- Bağımlı değişkende, bağımsız değişkenlerce açıklanan varyans oranını belirlemek,

- Bağımlı değişkene göre yapılan sınıflamada, bağımsız değişkenlerin göreli önem sırasını değerlendirmek,

- Grupları ayırmada çok az önemi olan (ya da önemsiz olan) değişkenleri elemek.

(5)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Bireylerin gruplandırılmasında kullanılması nedeniyle, diskriminant analizi ile kümeleme analizi de benzerlikler gösterir. Bu nedenle de zaman zaman birbirine karıştırıldığına rastlanır. Ancak bu iki yöntemin de önemli farklılıkları bulunmaktadır. Diskriminant analizinde grup ya da küme sayısı bilinmekte ve bu sayı analiz süresince

değişmemektedir.

(6)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Analizden, bireyleri bu kümelere yerleştirmesi ya da ataması

beklenmektedir. Oysaki kümeleme analizinde başlangıçta küme sayısı bilinmemektedir. Bilindiği takdirde de analizin yapılmasının bir anlamı kalmamaktadır. Ayrıca, diskriminant analizi sonucunda elde edilen

diskriminant fonksiyonlarının gelecekte de kullanılması mümkünken, kümeleme analizi sadece mevcut duruma (gruba) ilişkin sonuçlar

ürettiğinden, gelecekte kullanılabilirliği yoktur (Tatlıdil, 1992).

(7)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Bireylerin gruplandırılmasında kullanılan bir diğer yöntem de lojistik regresyon analizidir. Lojistik regresyon kategorik sonuçları –örneğin grup üyeliklerini- bir grup değişken yardımıyla yordamaya olanak

veren bir analizdir. Yordayıcı değişkenler sürekli, çok kategorili ya da iki kategorili (ikilem) olabilir. Diskriminant analizi de bir grup yordayıcı

değişken ile grup üyeliklerini yordamayı amaçlar.

(8)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Bu tanımlamalar dikkate alındığında, aslında diskriminant analizi ile logistik regresyon analizinin aynı araştırma sorularının yanıtlanmasına olanak sağladığı görülmektedir. Lojistik regresyon ile diskriminant

analizi, bağımlı değişkenin kategorik olması açısından benzerlik gösterirler. Lojistik regresyon, bağımlı değişkenin evet/hayır, doğru/yanlış, başarılı/başarısız, hasta/sağlıklı vb. ikilem olduğu durumlarda daha iyi sonuçlar üretmektedir.

(9)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Bununla birlikte bağımsız değişkenler; sınıflamalı, sıralamalı, aralıklı ya da oranlı olabilir.

• Diskriminant analizi ise, bağımlı değişkenin ikiden çok grup /

kategoriye sahip olduğu durumlarda daha iyi sonuçlar üretebilir.

(10)

Diskriminant Analizi

(Çokluk ve diğ., 2010)

• Ancak hangi yöntemin kullanılacağına karar vermede dikkate alınması gereken en önemli noktalar; dağılıma ilişkin sayıltılar, bağımsız

değişkenler arasındaki ilişkiler ve bağımlı değişkenlerin dağılımı ile ilgilidir. Bir başka ifadeyle, her iki yöntem de kategorik sonuçlar ürettiğinden, bağımlı değişkenin ikiden fazla kategorisinin olması

durumunda hangi yöntemin kullanılacağına karar vermede, öncelikle yöntemlere özgü sayıltıların test edilmesi gerekir.

(11)

Diskriminant Analizi

Varsayımlar

1. Örneklem büyüklüğü 2. Normal Dağılım

3. Varyans-kovaryans matrislerinin homojenliği 4. Uç değerler

5. Çoklu doğrusal bağlantı (Çokluk ve diğ., 2010).

(12)

SPSS UYGULAMASI

• Diskriminant Analizi varsayımları ve örnek veriler üzerinden analizlerin yapılması

(13)

Kaynak

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

• Tatlıdil, H. (1992). Uygulamalı Çok Değişkenli İstatistik. Ankara:

Akademi Matbaası.

Referanslar

Benzer Belgeler

Değişkenler sürekli bir dağılıma sahipler, ancak normal dağılım göstermiyorlarsa, iki değişken arasındaki ilişkiyi açıklamak amacıyla Spearman Brown Sıra

Bağımlı/İlişkili Ölçümler için t Testi: İlişkili iki örneklem (ölçüm) ortalaması arasındaki farkın manidarlığını test etmek için

İkiden Fazla Ortalamanın Karşılaştırılmasına Yönelik Parametrik Teknikler: Bağımlı / İlişkili Ölçümler için Tek Yönlü Varyans analizi ANOVA.. Tekrarlı ölçümler için

İlişkisiz Örneklemler İçin İki Faktörlü ANOVA (Two- Way ANOVA for Independent Samples) (Büyüköztürk, 2004). • İki boyutlu varyans analizi için de geçerli olan

Karışık Desen (Mixed Design / Split Plot) ANOVA (Bir Faktörde Tekrarlı İki Faktörlü ANOVA) (Büyüköztürk, 2004).. • Tek faktör üzerinde tekrarlı ölçümler için

• Tek faktörlü ve çok faktörlü ölçme araçları için faktör analizi uygulamaları ve güvenirlik hesaplamaları.. Sosyal Bilimler için Veri Analizi

• Diğer yandan örneklem büyüklüklerinin aynı olması durumunda, bağımlı değişkenin her bir kategorisinde bağımsız değişkenlerin çok değişkenli normalliğe sahip

• Anderberg (1973) hiyerarşik kümeleme yöntemlerinin, araştırmacının incelediği veri setinde kaç grup bulunduğunu başlangıçta bilmediği durumlarda çok uygun