Professional Documents
Culture Documents
DESENLER
GENEL TANIM
12.4
KORELASYONEL
ARAŞTIRMALARDA TEMEL
BASAMAKLAR
12.6
KORELASYONEL
DESENLERİN ÖZELLİKLERİ
12.7
SCATTERPLOT
Depression Depression scores
(scores from Y=D.V.
15–45)
50
ayşe 17 30
-
fatma 13 41 40
ahmet 5 18
Mehmet 9 20 30 M +
5 25
15 44 20
7 20 + -
6 30 10 M
2 17
5 10 15 20
18 48 Hours of Internet Use
ortalama 9.7 29.3 X=I.V.
12.8
KORELASYON
MATRİSİ*P≤..05; **P ≤.01
1 2 3 4 5 6
1.Okul doyumu -
2. Okul dışı faaliyetler -.33**
-
3. Arkadaşlık .24 -.03
-
4. Benlik saygısı -.15 .65** .24* -
5. Okulda duyulan gurur -.09 -.02 .49** .16 -
6. Benlik-farkındalığı .29** -.02 .39** .03 .22 -
*p < .05
**p < .01
12.9
İKİ PUAN ARASINDAKİ İLİŞKİLER 3
AÇIDAN DEĞERLENDİRİLEBİLİR
12.10
DOĞRUSAL YA DA DOĞRUSAL
OLMAYAN:1. OLUMLU DOĞRUSAL,
2. OLUMSUZ DOĞRUSAL 3. KORELASYON
0. B. Negative Linear (r = -.68)
A. Positive Linear (r = +.75)
C. No Correlation
(r = .00)
12.11
DOĞRUSAL OLMAYAN …
D. Curvilinear
E. Curvilinear F. Curvilinear
12.12
PEARSON KORELASYON
KATSAYISI
• Pearson çarpım moment korelasyon katsayısı
– İki boyutsal değişken arasındaki ilişkiyi ölçek, gücünü ve yönünü
belirlemek için kullanılır.
– r işareti ile ifade edilir
– r = -1.00 ve r = +1.00 arasındadır.
R’NİN
YORUMLAMASI
• Anlamlı bir r değişkenler arasında doğrusal bir ilişki olduğunu
ortaya koyar.
– Ölçülen varyans ise r2 dir.
DOĞRUSAL OLMAYAN
İLİŞKİLERDE KULLANILAN
KORELASYON KATSAYILARI
• Spearman rho (rs), Point-biserial ve Phi-coefficient:
12.15
KISMİ KORELASYON
Motivasyon
12.16
KISMİ KORELASYON
• Karıştırıcı değişkenler
• Sonuç değişkeni üzerinde etkili olan ancak yordayıcı değişken
üzerinde etkili olmayan değişken
• Aracı değişkenler
– Yordayıcı değişken üzerinde etkili olan ve böylece sonuç
değişkenini de etkileyen değişkenler
ÇOKLU REGRESYON
• Çoklu regresyon
– Birden fazla yordayıcı değişkenin (bağımsız değişken yerine
kullanılıyor) tek bir sonuç değişkeni yordamak için kullanılan
teknik.
• Çoklu regresyon şunları sağlar:
• Çoklu korelasyon katsayısı
• Regresyon katsayısı ve beta ağırlıkları
ÇOKLU REGRESYON
ÖRNEĞİ
Üç yordayıcı (bağımsız değişken): sosyal destekl, çalışılan
saatler, SAT puanı. Sonuç (bağımlı) değişken: GAO.
ÇOKLU REGRESYON
• Mediatör (aracılık)
• Moderatör (Düzenleyicilik)
analizleridir.
ARACILIK (MEDIATÖR )
VARSAYIMLARI
(Baron & Kenny, 1986).
1. Y K'yı anlamlı bir şekilde yordar. Bu koşul, Baron ve Kenny tarafından bir
önkoşul olarak konmuştur. Buradaki temel mantık, "eğer Y ile K arasında bir
ilişki yoksa, zaten aracılık edilecek bir ilişki de yoktur" şeklinde ifade
edilebilir.
2. Y A'yı anlamlı bir şekilde yordar. Bu aşama oldukça açıktır: A'nin aracı bir
değişken olabilmesi için Y tarafından yordanabilmesi gerekir.
3. A K'yı anlamlı bir şekilde yordar. Ancak bu regresyon eşitliğinin, Y'nin
kontrol edilmesiyle belirlenmesi gerekmektedir.
4. A'nın etkisi kontrol edildiğinde, Y ile K arasındaki ilişkinin miktarında
anlamlı bir düşüş olur (ya da bu ilişki artık istatistiksel olarak anlamlı
olmaz).
ARACILIK ÖRNEK
• Çevre
• İnsan davranışları
• Aracı: Bilişlerimiz ya da kişilik özelliklerimiz
• ilişki miktarında düşüş olması "kısmen aracılığın", ilişkinin
istatistiksel olarak anlamlı çıkmaması ise "tümüyle
aracılığın" bir göstergesi olarak kabul edilir
MODERATÖR-DÜZENLEYİCİ
DEĞİŞKEN
A- Parametrik
T- Test, Anova, Tekyönlü (One Way) Anova
A- Tek Değişkenli:
Analiz İşlemi Tek Bir Değişken Üzerinde Yapılabilir.
T-test, Z-test, Tekyönlü Anova, Mann Whitney U, Ki-kare
B- Çok Değişkenli:
İki Veya Daha Fazla Değişken Üzerinde İşlem Yapılır.
Korelasyon, Regresyon, Ayırma, Gruplama, Faktör
Analizleri
VE YAPISAL EŞİTLİK MODELLERİ (YEM)
HİPOTEZ TESTİ