Ders Detayı

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Sayın Hocam, Öncelikle ilginiz için teşekkür ederim. matekindal@gmail.com adresinden ulaşabilirseniz veiler hakkında haberleşebiliriz.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Hem basit hem de çoklu doğrusal regresyonda bağımlı değişken mutlak suretle sürekli olmak zorunda ancak, bağımsız değiken (önerilmesede) bazen kategorik olabiliyor bu durumda kukla değişken kodlaması yaparak model kurulabilir.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Basit doğrusal regresyon analizinde tek bir bağımsız değişken olduğu için bu varsayımlar çoklu doğrusal regresyon için geçerlidir. Çoklu doğrusal bağlantı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır. Çoklu regresyon analizinde otokorelasyon, hata teriminin birbirini izleyen değerleri arasındaki ilişkiyi tanımlar. Bu durum, genel doğrusal regresyon modelinin önemli bir varsayımından sapmadır. Genel doğrusal regresyon modeli varsayım gereği olarak, hata terimleri arasında bir ilişki yoktur.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Çoklu regresyonda bazen hangi bağımsız değişkenin daha önemli olduğunu ve bağımlı değişkeni daha çok etkilediğini bilmek gerekir.Bunun için önce korelasyonlara bakarız.Yüksek korelasyon,daha güçlü doğrusal ilişkiyi gösterir.Dkinci yol,bağımsız değişkenin bağımlı değişkeni,bir kez ikili değişken formülünde bir kez de ikili ,bir kez de çoklu regresyon içinde nasıl etkilediğine bakmaktır. Çoklu Regresyon Metodları • Enter metodu :Bağımsız değişkenleri bir blok olarak tek adımda girilip değerlendirildiği metod. • İleri Doğru Seçim Metodu (Forward selection) : Bağımlı değişken ile en yüksek pozitif veya negatif korelasyonu olan bağımsız değişken ilkönce seçilir.Daha sonra girilen değişkenin katsayısının 0 olduğu hipotezi F testi ile test edilir .Burada elde edilen F değeri,SPSS’in öngörülen F değerleri ile karşılaştırılır.SPSS’in iki F ölçütü vardır. 1. F değeri sizin belirleyeceğiniz minumum bir F değeri ile karşılaştırılır.( F-to-enter,FIN ).Normal ayar 3,84’tür.(Bunu ayar yeri “Linear regression” penceresinden “options” anahtarı ile geçilen pencerede “Use F Value” kısmındadır. 2. F istatistiği ile bağlantılı ihtimalin ayarlanması (Porbability of F-to-enter,PIN).Bunun normal ayarı da 0,05’tir.Eğer elde edilen F değeri bu ölçütlere eşit veya küçükse,o bağımsız değişken regresyon değerlendirmesine alınır ve seçim ileri doğru devam eder;yoksa işlem orada durdurulur. Bir değişken seçilip işleme alındığında,geride kalan bağımsız değişkenlerle bağımlı değişken arasındaki korelasyonlara bakılır ve en yüksek korelasyona sahip bağımsız değişken bir sonraki aday olur.Bu, aynı zamanda en yüksek F değerine sahip değişkenin de seçimi olur. Geriye Doğru Eleme ( Backward Elimination ) Metodu : İleri doğru seçimin tersine,burada önce bütün bağımsız değikenler seçilir;sonra sıra ile belli ölçütlere göre eleme yapılır.SPSS ; eleme için iki ölçüt koymaktadır. 1. Değişkenin formülde kalabilmesi için en küçük kareler F değeri ( F-to-remove,FOUT ).Normal ayar 2,71’dir. 2. En büyük F ihtimali (Probabability of F-to-remove,POUT).Bunun normal ayarı da 0,10’dur. İlk önce en küçük kısmi korelasyon katsayısına sahip değişken incelenir.Öngörülen değerlerden,büyük değere sahip değişken elenir. Adım Adım Seçme (Stepwise Selection) Metodu : İlk olarak bağımsız değişken seçilir;eğer bu –ileri doğru seçmedeki- FIN veya PIN gereklerini yerine getirirse ikinci değişken seçilir;yoksa işlem orada biter.Dkinci değişken olarak en yüksek kısmi korelasyona sahip değişken alınır.Seçimler yüksek korelasyondan düşüğe doğru yapılır.Bağımsız değişkenler ölçütlere uyarsa regresyon analizine başlanır. İlk değişken seçildikten sonra Adım Adım seçme,ileri doğru seçmeden farklılaşır.İlk değişkenin,geriye doğru elemedeki gibi FOUT veya POUT ölçütlerine uyup uymadığı kontrol edilir.Yani adım adım seçmede,hem ileri doğru seçme hem e geriye doğru eleme işlemleri yapılır. Burada biri diğerinden daha avantajlıdır diyebilmesi sadece araştırmacının veri yapısını ve değişkneler arasındaki örüntüyü iyi bilmesine bağlıdır. Enter Yönteminde değişkenlerin regresyon katsayalı anlamsız çıktığında yorum yapılmamaz. ANcak model anlamlı ise değişkenler tek tek değil de model kullanılabilirliği yorumlanabilir. Her bir değişken için regresyon katasayısını yorumlamak isterseniz değişkene ait regresyon katsayısının anlamlı olup olmamasını mutlaka göz önünde bulundurmalısınız.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Varsayımlardan sapmalar sonucu oluşan durumları şu şekilde sıralayabiliriz; 1. Tahmin hataları arasında ( Ui) bağımlılık olması. (Otokorelasyon) 2. Tahmin hatalarının varyanslarının eşit olmaması. 3. Bağımsız değişkenler arasında bağımlılık olması.(Çoklu doğrusal bağlantı) 4. Hataların(Ui) normal dağılıma uymaması.6 Bu seçeneklerde nelerin yer aldığına kısaca göz atalım. Estimates seçeneği regresyon katsayılarını, yani istatistik dilindeki beta katsayılarını veriyor. Bu sayede bağımsız değişkenlerimizin bağımlı değişken üzerindeki lineer etkisini matematiksel olarak görebiliyoruz. Confidence intervals seçeneği de beta katsayılarımıza ait güven aralıklarını gösteriyor. Salt güven aralıklarına baksak bile, beta katsayılarımızın istatistiksel olarak anlamlı olup olmadığını tespit edebiliyoruz. Güven aralıklarımızın hangi güven düzeyinde hesaplanacağına da karar verebiliyoruz. SPSS programının kendi hazır değeri %95 olarak veriliyor. Confidence intervals seçeneği beta katsayılarımıza ait varyans-kovaryans matrisini bize sunuyor. Nasıl ki değişkenlerin varyans-kovaryans matrisleri varsa, parametre tahminlerimizin de varyans-kovaryans matrisleri var. Model fit seçeneği regresyon analizi sonuçlarımızda ANOVA tablosunu, çoklu korelasyon katsayısını, belirtme katsayısını (R-kare) ve modelin standart hatasının tahmin değerini bize sunuyor. Bu açıdan olmazsa olmazsa adımlardan birini oluşturuyor. R squared change seçeneği modelimize yeni bir değişkenin eklenmesi sonucunda R-kare değerimizin nasıl değişeceğini gösteriyor. Bu adım modele yeni bir değişkeni eklediğimizde anlamlı bir katkının oluşup oluşmayacağını bize gösteren spesifik bir seçim işleminden oluşuyor. Descriptives seçeneği değişkenlere yönelik tanımlayıcı istatistikleri bize gösteriyor. Tanımlayıcı istatistiklerden aritmetik ortalama ve standart sapma değerlerini görebiliyoruz. Ayrıca bu seçenek bize değişkenlerimize dönük Pearson korelasyon analizi sonuçlarını matris şeklinde sunuyor. Part and partial correlations seçeneği bize bağımsız değişkenlerimize yönelik sıfır-dereceli, kısım ve kısmi korelasyonları ayrı ayrı veriyor. Collinearity diagnostics seçeneği bize çoklu bağlantı probleminin tespitine yönelik varyans şişirme faktörü (VIF) ve koşul indeksi gibi istatistikleri sunuyor. Bu istatistiklerden yola çıkılarak, çoklu regresyon analizi SPSS uygulamalarında çoklu bağlantı probleminin ortaya çıkıp çıkmadığına ilişkin fikir yürütebiliyoruz. Çoklu regresyon analizi SPSS programı ile uygulanırken artık değerlerimiz, yani hatalarımıza dair birtakım özel istatistikleri Residuals bölümünden elde edebiliyoruz. Şimdi bu seçeneklere göz atalım. Durbin-Watson seçeneğinde hata değerlerinden hareketle otokorelasyon probleminin olup olmadığını test edebiliyoruz. Bu seçenek bize Durbin-Watson testinin sonuçlarını sunuyor. Casewise diagnostics seçeneği bize hata değerlerimize yönelik istatistikleri sunuyor. Bu bölümden hata paylarında aykırı değerin olup olmadığını belirleyebiliyoruz. Outliers outside şeklinde görülen rakama göre, hangi gözlemlerin aykırı değer sınıfına girebileceğini kendimiz tanımlayabiliyoruz. Çoklu regresyon analizi SPSS programı ile modellenirken, burada yer alan değer 3 standart sapma olarak belirlenmiş. Buna göre hata değeri 3 standart sapmadan uzak olan hatalar potansiyel aykırı değer olarak belirleniyor ve çıktılarda varsa bize gösteriliyor. Ayrıca bu bölümde yer alan istatistiklere göre hatalara ait ortalama, standart sapma, minimum ve maksimum değerlerini de gözlemleyebiliyoruz. Bu değerler bize modelimizin varsayımlarını (örneğin hata ortalaması sıfır olup olmadığını) kontrol etmemizi sağlıyor. Çoklu regresyon analizi SPSS ile uygulanırken Save seçeneğinden bir takım özel ölçümleri (Cook uzaklığı, standardize artıklar vb.) kaydedebiliyoruz. Ayrıca Plots seçeneğinden de regresyon sonuçlarımıza dair bir takım istatistiksel grafikleri de çizdirebiliyoruz. Bu grafikler ve kaydedilen değerler sayesinde modelimizin genel sonuçlarını, varsayımsal bulguları ve gözlemlerimizin potansiyel sorunlarını belirleyebiliyoruz. Eğer Varsayımlar sağlanmıyorsa, Veri transformasyonu yapabilirsiniz Ek veri toplayabilirsiniz Temel bileşenler regresyonu kullanabilirsiniz Rigde regresyon kullanabilirsiniz Modeli yeniden farklı değişkenlerle kurabilirsiniz. Ayrıca Lojistik regresyon bambaşka dinamiklerle değerlendirilmelidir. Kesinlikle çoklu doğrusal regresyon mantığında düşünülmemelidir.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Lojistik Regresyonda (model iyiliği testleri) 0,05'den büyük olmalı. Uyum iyiliğinin sağlanması için.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Burada ANKSİYETE VE YAŞAM DOYUMU ÖLÇEĞİNDEN elde edilen toplam puanları korelason ile değerlendirmeniz daha doğru olacaktır. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Hiyerarşik Regresyon analizinde de benzer şekilde çok değişkenli doğrusal regresyon analizinin varsayımları geçerlidir. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Bağımlı değişken mutlaka sürekli olmalıdır. bağımsız değişken eğer kategorik ise dummy kodlanmalıdır. Ancak tercihimiz hem bağımlı hem de bağımsız değişkenin sürekli olmasıdır. Analize başlamadan önce varsayımların çok değişkenli doğrusal regresyon analizine benzer şekilde sağlanması gerekmektedir. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Frekans sayıları olarak belirtilen gözeler, denek sayıların ilgili kategorilere dağılımıdır. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Varsayımlar şu şekildedir: 1-)Hata terimmi stokastiktir 2-)Hata terimi normal dağılımlı olmalıdır. 3-)Hata teriminin ortalaması sıfırdır. 4-)Hata teriminin varyansı sabittir. 5-)Hata terimiyle X açıklayıcı değişkenleri ilişkisizdir. 6-)Hata terimleri arasında ardışık bağımlılık(otokorelasyon) olmamalıdır 7-)Bağımsız değişkenler arasında tam doğrulsa ilişki(korelasyon) olmamalıdır. Dummy Kodlama için: 2 kategorisi olan bir değişkeni 1 ve 0 şeklinde kodladığımızda aslında tek kategoriye indirmiş oluyoruz. Burada erkek=0 kadın=1 olarak kodlandığında değişkeni erkek olmak ya da olmamak şeklinde yorumlayarak regresyon analizi yapıyoruz. Burada yaptığımız bir grubu referans grubu alıp sadece diğer grubun verileri ile analiz yapıp daha sonra elde edilen regresyon katsayısını da analize giren grup üzerinden yorumlamaktır. Peki 3 kategorisi olan değişkenlerde bunu nasıl başaracağız? Burada yapmamız gereken uygulama aynı değişken için 1. kategoride olup 2. ve 3. kategoride olmayanları, 2. kategoride olup 1. ve 3. kategoride olmayanları, 3. kategoride olup 1. ve 2. kategoride olmayanları belirtmek olacaktır. 2 kategorili durumda olduğu gibi tek değişkenle bunu başarmamız mümkün değildir. Öncelikle üç kategoriden bir tanesini referans grup olarak belirlememiz gerekmektedir. Daha sonra 2 tane yapay değişken üretmemiz gerekmektedir (k-1sayıdayapaydeğişken). Bu iki yapay değişkenlerde referans grubuna ve hesaba katılmayan gruba sıfır hesaba katılan gruba da 1 rakamını gireceğiz. Mahalonobis uzaklığı için bir analmlılık sınaması yapmak gereklidir (Ki kare dağıldığı varsayımı altında) ancak genelde5'in üstünde ise uç değer olma ihtimali yüksektir. Cook uzaklığının 1'den büyük değerler aldığında uç değerli gözlemler olarak kabul edilmektedir.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Veri setini görmeden bir strateji belirlemek doğru olmaycaktır. Ancak "Regression Modeling Strategies With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis Authors: Harrell, Frank" kaynağı yardımcı olabilir.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

MErhabalar, Elbette yapılabilir ancak büyük bir olasılıkla hem regresyon denklemi hem de katsayılar anlamsız çıkma eğilimde olacaktır.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Son adımdaki model için ilgili değerleri yazmak doğrudur.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Model uygun bir modeldir.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Burada temel olan sizin yola çıkış hipotezinizdir. Eğitim durumu ilkokul ve diğerleri olarakmı planladınız yoksa üniversite okuyan ve okumayan şeklinde mi? Bu durum netleştikten sonra sizin için uygun olan modeli kullanabilirisiniz. Eğitim düzeyindeki bir birimlik değişim(örneğin üni okuyan ve okumayan) (üniokumayanlara göre üni okuyanlar) katsayı pozitif çıktıysa katsayı miktarı kadar bakım yükü puanında değişim meydana getirmektedir, şeklinde yorumlamak daha doğru olacaktır.

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, farklı uygulamalar ve kavramlardır

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Hazır bulunuşluğun başarı puanı üzerindeki etkisini araştırmak isterseniz regresyon analizini, eğer birbirlerine olan ilişkilerini ölçmek isterseniz korelasyon analizini kullanmanız daha doğru olacaktır. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Öncelikle tek değişkenli analizleri yaparak fikir ediniyoruz. Sadece tek değişkenli analiz sonucunda anlamlı çıkan değişkenleri eklememiz gerektiğine dair bir eğilim bulunmamaktadır. Bu sebeple çok değişkenli (Lojistik Regresyon) sonunda birliktte haare eden bağımsız değişkenlerin durumuna göre bir karar verebilirsiniz. Lojistik regresyon analizi sonucunda anlamlı bulunana değişkenleri almanızı önerebilirim. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Bu durumda Spss'de çalışmak için bağımsız değişkeni dummy kodlayarak analizinizi gerçekleştirebilirsiniz. Ancak daha hızlı sonuç almak için JAMOVI programında kodlamadan yapmadan (program dummy kodlamayı otomatik yapıyor) analizinizi gerçekleştirebilirsiniz. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Öncelikle verilerinizi parametrik test ön şart kontrolleri için bir hipotez testi kontrolünde değerlendirmelisiniz. Örnek sayısından bağımsız olarak, normallik testi yapmanız daha doğru olacaktır. Ardından parametrik ya da parametrik olmayan yöntemleri kullanmaya karar vermek daha doğru. Eğer normal dağılıma uymuyorsa theil regresyon kullanabilirsiniz. İyi çalışmalar

Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Yeni bir veri geldiğinde ilgili diskriminant denkleminde değerlendirip çıkan olasığğa göre hangi gruba atanacağı belirlenebilir. İyi çalışmalar