Bölüm 8

Varyans Analizi
 Öğrenme hedefleri
Bu bölümde öğreneceklerimiz:
 Deney tasarımının temel yapısı
 Çok sayıda grubun ortalamaları arasındaki farkın testi için tek-
yönlü varyans analizinin nasıl kullanılacağı
 Çift-yönlü varyans analizinin nasıl kullanılacağı ve etkileşimlerin
etkisinin yorumlanması
 Tek-yönlü varyans analizinde ve çift-yönlü varyans analizinde
çoklu karşılaştırmaların nasıl yapılacağı

2
 Neden varyans analizi?

 İki veri grubunun ortalamalarının karşılaştırılması t veya Z

testi ile yapılabilir.
 Ancak karşılaştırılacak ortalama sayısı arttıkça test sayısı da
çok fazla artmaktadır.
 Örneğin, karşılaştırılacak ortalama sayısı 5 ise 10 adet t
veya Z testi yapılmalıdır (5C2=10). Bu durumda =0.05 ise
(1- )10=(0.95)10=0.60  =0.40 olacaktır. Yani test sayısı
arttıkça kabul edilebilirlik ihtimali düşerken hata ihtimali
artmaktadır (istenmeyen bir durum).
 Ortalamalar üzerindeki test, varyansların incelenmesi ile
yapıldığından bu yönteme varyans analizi denir.
3
 Neden varyans analizi?

 Varyans analizinin esası gözlenen varyasyonu

(değişkenliği) meydana getiren kaynaklarına
ayırarak test etmektir.
 Başka bir ifadeyle, toplam varyasyonu meydana
getiren alt varyasyon kaynaklarının belirlenmesi ve
bu varyasyon kaynaklarına karşı önlemlerin
alınması araştırmalarda ulaşılmak istenen asıl
sonuçtur.
 Böylece, önce problemin sebeplerini doğru teşhis
edip, sonra da uygun önlemleri almak mümkün
olacaktır.
4
 Tanımlar

 Parametre (faktör): Deney sonucunu etkileyen değişken.

 Seviye (düzey veya muamele): Parametrelerin deneyde
kullanılan farklı değerleri.
 Performans karakteristiği (çıktı, karşılık veya cevap
değişkeni): Deney sonucunda elde edilen değer.

5
 Varyans analizindeki dağılımlar

 İki ana kütleden varyansının birbirine eşit olup

olmadığını belirlenmesinde F dağılımı kullanılır.
 İki varyansın karşılaştırılmasında da v 1 ve v2
serbestlik dereceli bağımsız iki 2 değişkeni
oranının F dağılımına uyduğu bilinmektedir.
S 12
 2v1  12
Fv1 , v 2  
 2v 2 S 22
 22

6
 Bölüme kısa bir bakış
Varyans Analizi (ANOVA)

Tek-Yönlü Çift-Yönlü
ANOVA ANOVA
F-testi
Etkileşimin
Etkileri
Tukey-Kramer
Çoklu
Karşılaştırmalar Tukey Çoklu
Karşılaştırmalar
Varyansın
Homojenliği
İçin
Levene Testi
7
 Genel ANOVA ayarları

 Araştırmacı ilgilenilen bir veya daha fazla faktörü kontrol

eder
 Her faktör iki veya daha fazla seviye içerir

 Seviyeler numerik veya kategorik olabilir

 Farklı seviyeler farklı gruplar üretir

 Her grup farklı anakütlelerden farklı örnekler olarak

düşünülür
 Bağımlı değişken üzerindeki etkiler gözlemlenir
 Gruplar aynı mı?

 Deney tasarımı: verilerin toplanmasında kullanılan plan

8
 Bütünüyle rassal tasarım

 Deneysel birimler (denekler) gruplara rastgele

atanır
 Deneklerin homojen olduğu varsayılır
 Sadece bir faktör veya bağımsız değişken
 İki veya daha fazla seviye ile
 Tek-faktör varyans analizi (ANOVA) ile analiz
edilir

9
 Tek-Yönlü varyans analizi
 Üç veya daha fazla grubun ortalamaları arasındaki
farkı değerlendirir
Örnekler: 1’inci, 2’inci ve 3’üncü vardiyalardaki kaza sayısı
Beş farklı markanın lastiklerinin beklenen ömrü

 Varsayımlar
 Anakütleler normal dağılır

 Anakütleler eşit varyanslara sahiptir

 Örnekler rastgele ve bağımsızdır

10
 Tek-Yönlü ANOVA’nın hipotezleri


H0 : μ1  μ2  μ3    μc
 Bütün anakütlelerin ortalamaları eşittir
 Yani faktör etkisi yoktur (gruplar arasında
ortalamalarda varyasyon bulunmamaktadır)

H1: Anakütle ortalamalarından en az
biri diğerlerinden farklıdır
 En az bir anakütle ortalaması farklıdır
 Yani faktör etkisi vardır
 Bu bütün anakütle ortalamaları birbirinden farklıdır
anlamına gelmez (bazıları aynı olabilir)
11
Yek-Yönlü ANOVA
H0 : μ1  μ2  μ3    μc
H1: Bütün j’ler eşit değil
Sıfır Hipotezi Doğru
Bütün Ortalamalar Aynı
(Faktör Etkisi Yok)

μ1  μ 2  μ 3
12
 Tek-Yönlü ANOVA
H0 : μ1  μ2  μ3    μc
H1: Bütün j’ler eşit değil
Sıfır Hipotezi Yanlış
En Az Bir Ortalama Diğerlerinden Farklı
(Faktör Etkisi Var)

veya

μ1  μ2  μ3 μ1  μ2  μ3
13
 Varyasyon bölümleme

 Toplam varyasyon iki parçaya bölünebilir:

SST = SSA + SSW

SST (Total Sum of Squares)= Kareler Toplamı

(Toplam varyasyon)
SSA (Sum of Squares Among Groups)= Gruplar Arası Kareler Toplamı
(Gruplar arası varyasyon)
SSW (Sum of Squares Within Groups)= Gruplar İçi Kareler Toplamı
(Grup içi varyasyon)

14
 Varyasyon bölümleme

SST = SSA + SSW

Toplam Varyasyon = çeşitli faktör düzeyleri arasındaki

bireysel veri değerleri toplam varyasyonu (SST)

Gruplar Arası Varyasyon = faktör örnek ortalamaları

arasındaki varyasyon (SSA)

Gruplar İçi Varyasyon = belirli bir faktör düzeyi içinde

veri değerleri arasında var olan varyasyon (SSW)

15
 Toplam varyasyon
Toplam Varyasyon
(SST)

Faktör Nedeniyle Rassal Hata Nedeniyle

= Varyasyon (SSA) + Varyasyon (SSW)

16
 Kareler toplamı
SST = SSA + SSW
c nj

SST   ( Xij  X) 2

j1 i1
Burada:
SST = Kareler toplamı
c = grup veya seviye sayısı
nj = grup j’deki gözlem sayısı
Xij = grup j’nin i’inci gözlemi
X = büyük ortalama (bütün veri değerlerinin
ortalaması) 17
 Toplam varyasyon

2 2 2
SST  ( X 11  X )  ( X 12  X )      ( X cn  X )
c

X
R esponse, X

GGrup
roup11 GGrup
roup22 G roup33
Grup
18
 Gruplar arası varyasyon
SST = SSA + SSW
c
SSA   n j ( X j  X)2
j1
Burada:
SSA = gruplar arası kareler toplamı
c = grup sayısı
nj = grup j’deki örnek boyutu
Xj = grup j’nin örnek ortalaması
X = büyük ortalama (bütün veri değerlerinin
ortalaması) 19
 Gruplar arası varyasyon
c
SSA   n j ( X j  X)2
j1

SSA
Gruplar Arası Farklılıklardan
MSA 
Dolayı Varyasyon
c 1
Gruplar Arası Ortalama
Kareler (Mean Square
Among) = SSA/serbestlik
i j derecesi

20
 Gruplar arası varyasyon

SSA  n 1 (X1  X)  n 2 (X 2  X)      n c (X c  X)
2 2 2

X
R esponse, X

X3
X2 X
X1

GGrup
roup11 G roup2 2
Grup GGrup
roup33
21
 Gruplar içi varyasyon
SST = SSA + SSW
c nj

SSW    ( Xij  X j ) 2

j1 i1
Burada:
SSW = gruplar içi kareler toplamı
c = grup sayısı
nj = grup j’nin örnek boyutu
Xj = grup j’nin örnek ortalaması
Xij = grup j’deki i’inci gözlem
22
 Gruplar içi varyasyon

c nj

SSW    ( Xij  X j )2
j1 i1
SSW
Her bir grup içindeki varyasyonun
MSW 
toplanması ve daha sonra tüm
gruplar üzerine eklenmesi nc
Gruplar İçi Ortalama
Kareler (Mean Square
Within) = SSW/serbestlik
derecesi
n = bütün grupların örnek
μj sayısı toplamı
23
 Gruplar içi varyasyon

SSW  (X11  X1 )  (X12  X 2 )      (X cn c  X c )

2 2 2

X
R esponse, X

X3
X2
X1

GGrup
roup11 G roup2 2
Grup GGrup
roup33
24
 Ortalama karelerin elde
edilmesi
Ortalama Kareler, hesaplanan kareler toplamlarının ilgili
serbestlik derecesine bölünmesiyle elde edilir

SSA Gruplar Arası Ortalama Kare

MSA  (Mean Square Among)
c 1 (d.f. = c-1)

SSW Gruplar İçi Ortalama Kare

MSW  (Mean Square Within)
nc (d.f. = n-c)

SST Toplam Ortalama Kare

MST  (Mean Square Total)
n 1 (d.f. = n-1) 25
 Tek-Yönlü ANOVA tablosu

Varyasyon Serbestlik Derecesi Kareler Toplamı Ortalama Kareler

Kaynağı (Source (Degrees of (Sum Of (Mean Square) F
of Variation) Freedom) Squares) (Varyans)

Gruplar Arası SSA FSTAT =

(Among
c-1 SSA MSA =
groups)
c-1
MSA
Gruplar İçi SSW
(Within
n-c SSW MSW = MSW
Groups)
n-c
Toplam (Total)
n-1 SST

c = grup sayısı
n = bütün grupların örnek sayısı toplamı
df = serbestlik derecesi
26
 Tek-Yönlü ANOVA
F testi
H0: μ1= μ2 = … = μc
H1: En az iki anakütlenin ortalaması birbirinden farklıdır
 Test istatistiği MSA
FSTAT 
MSW
MSA gruplar arası ortalama kareler
MSW gruplar içi ortalama kareler
 Serbestlik derecesi
 df1 = c – 1 (c = grup sayısı)
 df2 = n – c (n = bütün anakütlelerin örnek sayısı toplamı)
27
 Tek-Yönlü ANOVA
F istatistiğinin yorumlanması
 F istatistiği gruplar arası ve gruplar içi
varyans tahminleri oranıdır
 Oran daima pozitif olmalıdır
 df1 = c -1 küçük olacaktır
 df2 = n - c büyük olacaktır

Karar Kuralı:
 F 
STAT > Fα ise H0 Reddedilir,
Değilse H0 Kabul Edilir 0 H0 Kabul H0 Red

Fα
28
 Tek-Yönlü ANOVA
Örnek

Bir atölyede aynı işi yapan üç M1 M2 M3

makine bulunmaktadır. İşlem 254 234 200
süreleri rastgele farklı 263 218 222
zamanlarda yapılan beş 241 235 197
ölçüm ile elde edilmiştir. 0.05 237 227 206
anlam düzeyinde bu 251 216 204
makinelerin işlem süreleri
ortalamaları arasında bir
farklılık olup olmadığını test
ediniz.

29
 Tek-Yönlü ANOVA örnek:
Dağılım grafiği
Süre (Sn)
270
M1 M2 M3
254 234 200 260 •
•
263
241
218
235
222
197
250 • X1
240 •
237 227 206 • ••
230
251 216 204
220
•
X2 • X
••
210
x1  249.2 x 2  226.0 x 3  205.8
•• X3
200 ••
x  227.0 190

1 2 3
Makine 30
 Tek-Yönlü ANOVA örnek:
Hesaplamalar
M1 M2 M3 X1 = 249.2 n1 = 5
254 234 200
X2 = 226.0 n2 = 5
263 218 222
241 235 197 X3 = 205.8 n3 = 5
237 227 206 n = 15
251 216 204 X = 227.0
c=3
SSA = 5 (249.2 – 227)2 + 5 (226 – 227)2 + 5 (205.8 – 227)2 = 4716.4
SSW = (254 – 249.2)2 + (263 – 249.2)2 +…+ (204 – 205.8)2 = 1119.6

MSA = 4716.4 / (3-1) = 2358.2 2358.2

FSTAT   25.275
MSW = 1119.6 / (15-3) = 93.3 93.3
31
 Tek-Yönlü ANOVA örnek: Çözüm
H 0: μ 1 = μ 2 = μ 3 Test İstatistiği:
H1: μj en az biri eşit değil
MSA 2358.2
 = 0.05 FSTAT    25.275
MSW 93.3
df1= 2 df2 = 12
Kritik Karar:
değer:
 = 0.05’de H0 Reddedilir
Fα = 3.89
 = .05 Sonuç:
En az bir μj‘nin
0 H0 Kabul H0 Red
diğerlerinden farklı
Fα = 3.89 olduğuna dair kanıt vardır
FSTAT = 25.275
32
 Tek-Yönlü ANOVA
Excel çıktısı

SUMMARY
Groups Count Sum Average Variance
M1 5 1246 249.2 108.2
M2 5 1130 226 77.5
M3 5 1029 205.8 94.2
ANOVA
Source of
SS df MS F P-value F crit
Variation
Between
4716.4 2 2358.2 25.275 0.0000 3.89
Groups
Within
1119.6 12 93.3
Groups
Total 5836.0 14

33
 Tukey-Kramer prosedürü

 Hangi anakütle ortalamasının diğerlerinden

önemli derecede (‘da) farklı olduğunu söyler
 örn.: μ1 = μ2  μ3
 Çift karşılaştırmalara izin verir
 Ortalama farkların mutlak değeri ile kritik aralığın
karşılaştırması yapılır

μ1= μ2 μ3 x

34
 Tukey-Kramer kritik aralığı

MSW  1 1 
Critical Aralık  Q α
Kritik Range 
2  n j n j' 

burada:
Qα = Üst kuyruk kritik değeri (Studentized
Range Distribution with c and n - c degrees
of freedom) (E.7 table)
MSW = grup içi ortalama kare
nj ve nj’ = sırasıyla grup j ve grup j’ örnek sayıları

35
 Tukey-Kramer prosedürü: Örnek
1. Mutlak ortalama farklarını
M1 M2 M3 hesapla:
254 234 200
263 218 222 x1  x 2  249.2  226.0  23.2
241 235 197 x1  x 3  249.2  205.8  43.4
237 227 206
251 216 204 x 2  x 3  226.0  205.8  20.2

2. Qα değerini tablodan bul (the table in E.7

c = 3 ve (n – c) = (15 – 3) = 12 serbestlik derecesi,
=0.05):
Q α  3.77
36
Tukey-Kramer prosedürü: Örnek
3. Kritik Aralığı hesapla:
MSW  1 1  93.3  1 1
Critical Aralık  Q α
Kritik Range 


 3.77     16.285
2  n j n j'  2 5 5

4. Karşılaştır:
5. Bütün mutlak ortalama farklar kritik x1  x 2  23.2
aralıktan daha büyük. Bu yüzden, %5
önem düzeyinde ortalamaların her bir x1  x 3  43.4
çifti arasında istatistiksel olarak
anlamlı bir farklılık vardır. Sonuç olarak, x 2  x 3  20.2
95% güven düzeyinde M1’in ortalama işlem
süresi M2 ve M3’ten büyük ve M2’nin
ortalama işlem süresi M3’ten büyüktür
denilebilir.
37
 ANOVA varsayımlar

 Rassallık ve Bağımsızlık
 c adet gruptan rassal örnekler seçilir (veya seviyeler
rastgele atanır)
 Normallik
 Her grubun örnek değerleri normal anakütlelerden
alınmıştır
 Varyans Homojenliği
 Örneklerin varyansı birbirine eşittir
 Levene Testi ile test yapılabilir

38
 ANOVA varsayımları
Levene testi

 Anakütlelerin varyansının eşit olduğu varsayımını test

eder.
 Öncelikle, sıfır ve alternatif hipotezler kurulur:
 H0: σ21 = σ22 = …=σ2c
 H1: σ2j en az biri diğerlerinden farklıdır
 İkinci olarak, her bir grubun medyanı hesaplanır ve her
değerin medyandan farkının mutlak değeri hesaplanır.
 Son olarak, mutlak fark değerleri üzerinde tek-yönlü
ANOVA yapılır.

39
 Levene varyans homojenliği testi
Örnek

H0: σ21 = σ22 = σ23

H1: σ2j en az biri farklı

Medyan Hesabı Medyandan Farkların Mutlak Değerleri

M1 M2 M3 M1 M2 M3
237 216 197 14 11 7
241 218 200 10 9 4
251 227 204 Medyan 0 0 0
254 234 206 3 7 2
263 235 222 12 8 18

40
 Levene varyans homojenliği testi
Örnek
Anova: Single Factor
SUMMARY
Groups Count Sum Average Variance
p-değeri 0.05’ten
M1 5 39 7.8 36.2 büyük
M2 5 35 7 17.5 olduğundan
M3 5 31 6.2 50.2 varyansların farklı
olduğuna ilişkin
P- yeterli kanıt
Source of Variation SS df MS F value F crit
bulunmamaktadır
Between Groups 6.4 2 3.2 0.092 0.912 3.885

Within Groups 415.6 12 34.6

Total 422 14

41
 Tek-Yönlü ANOVA
Örnek
Bir atölyede aynı parçayı üreten 3 tezgah vardır. Her tezgah farklı bir
operatör tarafından çalıştırılmaktadır. Altı saatlik bir üretim devresinde
her bir saatte üretilen kusurlu birim sayıları belirlenmiş ve aşağıda
verilmiştir. Bir saat içinde üretilen kusurlu parçaların normal dağıldığı
varsayılmaktadır. %95 güven düzeyinde (=%5 hata seviyesinde)
tezgahların kusurlu üretim ortalamalarının aynı olup olmadığına karar
veriniz.

42
Tek-Yönlü ANOVA
Örnek

43
Tek-Yönlü ANOVA
Örnek

44
 Faktöriyel dizayn:
Çift-Yönlü ANOVA
 Aşağıdakilerin etkisinin araştırılmasında
kullanılır
 Bağımlı değişken üzerinde iki faktör etkisi
 örn., meşrubat şişeleme sürecinde yüzde
karbonatlaşma ve hat hızı etkisi
 Bu iki faktörün farklı seviyelerinin arasında
etkileşim olup olmadığı
 örn, Belirli bir karbonatlaşma seviyesi ile belirli bir hat
hızı ayarının arasında etkileşimin olup olmadığı?

45
 Çift-Yönlü ANOVA

 Varsayımlar

 Anakütleler normal dağılmaktadır

 Anakütlelerin varyansı eşittir
 Bağımsız rastsal örnekler çekilmiştir

46
 Çift-Yönlü ANOVA
varyasyon kaynağı
İki faktörün etkisi araştırılmaktadır: A and B
r = A faktörünün seviye sayısı
c = B faktörünün seviye sayısı
n’ = her bir hücrenin tekerrür sayısı (ij hücresi)
n = bütün seviyelerdeki toplam gözlem sayısı
n = (r)(c)(n’)
Xijk = A faktörü i’nci seviye ve B faktörü j’inci
seviye için k’nıncı gözlemin değeri
47
 Çift-Yönlü ANOVA
varyasyon kaynağı
SST = SSA + SSB + SSAB + SSE Serbestlik
derecesi:
SSA r–1
Faktör A Varyasyonu

SST SSB c–1

Toplam Faktör B Varyasyonu
Varyasyon
SSAB
A ve B Arasındaki (r – 1)(c – 1)
Etkileşimden Dolayı Varyasyon
n-1
SSE rc(n’ – 1)
Rassal Varyasyon (Hata)
48
 Çift-Yönlü ANOVA eşitlikleri

r c n
Toplam Varyasyon SST   ( Xijk  X) 2

i1 j1 k 1

r
Faktör A Varyasyonu SSA  cn  ( Xi..  X)
 2

i1

c
Faktör B Varyasyonu SSB  rn ( X. j.  X)2
j1

49
 Çift-Yönlü ANOVA eşitlikleri

Etkileşim Kaynaklı Varyasyon:

r c
SSAB  n ( Xij.  Xi..  X.j.  X)2
i1 j1

Hata Kareler Toplamı

r c n
(Sum of Squares Error):
SSE   ( Xijk  Xij. ) 2

i1 j1 k 1

50
 Çift-Yönlü ANOVA eşitlikleri
r c n

burada:  X
i 1 j 1 k 1
ijk

X  Buyuk Ortalama
c n
rc n
 X
j 1 k 1
ijk

X i..   Faktor A' nin i' nci seviye ortalamasi (i  1, 2, ..., r)

cn
r n

 X ijk
X . j.  i 1 k 1
 Faktor B' nin j' nci seviye ortalamasi (j  1, 2, ..., c)
rn
n X ijk

r = faktör A’nın seviye sayısı
X ij .  Hucre ij' nin ortalamasi c = faktör B’nin seviye sayısı
k 1 n n’ = her hücrede tekrar (deneme)
sayısı
51
 Ortalama kare hesaplamaları
SSA
MSA  Faktör A ortalama kare (Mean square factor A) 
r 1

SSB
MSB  Faktor B ortalama kare (Mean square factor B) 
c 1
MSAB  Ortalama kare etkilesimi
SSAB
(Mean square interaction) 
(r  1)(c  1)
SSE
MSE  Ortalama kare hatasi (Mean square error) 
rc (n'1)
52
 Çift-Yönlü ANOVA:
F testi istatistikleri
Faktör A Etkisi İçin F Testi
H0: μ1..= μ2.. = μ3..= • • = µr..
MSA
H1: Bütün μi.. eşit değil FSTAT  FSTAT > Fα ise
MSE H0 Reddedilir

Faktör B Etkisi İçin F Testi

H0: μ.1. = μ.2. = μ.3.= • • = µ.c.
MSB FSTAT > Fα ise
H1: Bütün μ.j. eşit değil FSTAT 
MSE H0 Reddedilir

Etkileşim Etkisi İçin F Testi

H0: A ve B arasındaki etkileşim
sıfıra eşittir MSAB
FSTAT  FSTAT > Fα ise
H1: A ve B arasındaki etkileşim MSE
H0 Reddedilir
sıfıra eşit değildir
53
 Çift-Yönlü ANOVA
özet tablosu
Varyasyon Kareler Serbestlik
Ortalama Kareler
Kaynağı Toplamı Derecesi
(Mean F
(Source of (Sum of (Degrees of
Squares)
Variation) Squares) Freedom)
MSA MSA
Faktör A SSA r–1
= SSA /(r – 1) MSE
MSB MSB
Faktör B SSB c–1
= SSB /(c – 1) MSE
AB
MSAB MSAB
(Etkileşimi SSAB (r – 1)(c – 1)
= SSAB / (r – 1)(c – 1) MSE
(Interaction))
MSE =
Hata (Error) SSE rc(n’ – 1)
SSE/rc(n’ – 1)
Toplam
SST n–1
(Total) 54
 Çift-Yönlü ANOVA özellikleri
F testi
 Serbestlik derecesi aşağıdaki gibi hesaplanır
 n-1 = rc(n’-1) + (r-1) + (c-1) + (r-1)(c-1)
 Toplam = hata + faktör A + faktör B + etkileşim
 F testinde payda daima aynı (MSE) fakat pay
farklıdır (MSA, MSB, MSAB)
 Kareler toplamı aşağıdaki gibi hesaplanır
 SST = SSE + SSA + SSB + SSAB
 Toplam = hata + faktör A + faktör B + etkileşim

55
 Örnekler:
Etkileşimler
Etkileşim Var: bazı doğru
 Etkileşim Yok: doğru parçaları paralel değil
parçaları paralel

Faktör B Seviye 1
Ortalama Karşılık

Ortalama Karşılık
Faktör B Seviye 1
Faktör B Seviye 3

Faktör B Seviye 2
Faktör B Seviye 2
Faktör B Seviye 3

Faktör A Seviyeleri Faktör A Seviyeleri

56
 Çift-Yönlü ANOVA
Örnek
ACT Scores for Different Types and Lengths of Courses

LENGTH OF COURSE

TYPE OF COURSE Condensed Regular

Traditional 26 18 34 28

Traditional 27 24 24 21

Traditional 25 19 35 23

Traditional 21 20 31 29

Traditional 21 18 28 26

Online 27 21 24 21

Online 29 32 16 19

Online 30 20 22 19

Online 24 28 20 24

Online 30 29 23 25 57
 Şekilden güçlü bir etkileşim
olduğu anlaşılmaktadır

Paralel olmayan doğrular

En yüksek puan
derslerin geleneksel yada
En yüksek puan uzaktan öğretime bağımlı
olduklarını göstermektedir

Uzaktan öğretim
yoğunlaştırılmış derslerde
en yüksek puanı verirken,
geleneksel öğretim
düzenli eğitimde en
yüksek puanı
vermektedir.

58
Excel İle ders verileri analizi
Kurs uzunluğu (düzenli,
yoğunlaştırılmış) ile tipi
(geleneksel, uzaktan) arasında
etkileşim vardır çünkü
p-değeri 0.0000’dır.

Hem kurs uzunluğu hem de

Kurs tipi ile ilgili ayrı ayrı
p-değerleri anlamlı değildir.
Buna rağmen etkileşim anlamlı
olduğu için bunların da
etkisi yoktur denilemez.

59
 Dört grup verileri arasındaki etkileşim

 Kurs örneğindeki verileri dört grup halinde

düzenlenirse tek-yönlü ANOVA yapılabilir

 Bu dört grup şöyle düzenlenebilir

1. Yoğunlaştırılmış geleneksel kurs
2. Düzenli geleneksel kurs
3. Yoğunlaştırılmış online kurs
4. Düzenli online kurs

60
 Excel ile analiz
Gruplar önemli etkiye sahiptir.
p-value of 0.0003 < 0.05
1. Geleneksel düzenli > Geleneksel yoğun
2. Online yoğun> Geleneksel yoğun
3. Geleneksel düzenli > Online düzenli
4. Online yoğun> Online düzenli
If the course is take online should use the
condensed version and if the course is taken
by traditional method should use the regular.
61
 Bölüm özeti
Bu bölümde;
 Tek-yönlü varyans analizi
 ANOVA’nın mantığı
 ANOVA’nın varsayımları
 F testi
 Çoklu karşılaştırmalarda Tukey-Kramer prosedürü
 Varyans homojenliği için Levene testi
 Çift-yönlü varyans analizi
 Çoklu faktör etkilerinin araştırılması
 Faktörler arası etkileşimlerin araştırılması

62