Ders Detayı

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çevik; böyle durumlarda örneğin tamamı Normal Dağılıma uyuyor ise Parametrik Test yapılır. Alt grupların yapısı Homojenlik testleri ile belirlenir. Eğer test sonucunda gruplar arasında farklılık çıktıysa ve gruplar homojen ise Post Hoc testlerinde ilgili olan seçilir. Farklılık var ve gruplar homojen değilse alt gruplardaki homojenlik testlerinden seçim yapılır. Bu sorunuz için ilk olarak Anova yapmalı, grupların homojen olup olmadığını sonuçlara göre yorumlamalı ve ilgili Post Hoc testini seçmelisiniz. Temelde Parametrik Anova yapılmalı. Bu konu homojenlik testleri ile birlikte ANOVA derslerinde anlatılmış olmalı ve tam bu konu hakkında ayrıntı vermiş olmalıyım. Tekrar izlemenizi tavsiye edeceğim. Ayrıca istediginiz zaman tekrar yardıma hazır olduğumu bilmenizi isterim.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Cevik; 1. Ölcek uygulamasında sadece DFA yeterlidir. 2. Daha önceden geliştirilmiş bir ölçek AFA yapılarak guvenilirliği ve geçerliliği ispatlanmıştır. Bu ölçeğin Cronbach Alpha değeri verilerek kullanılmalıdır. Bu nedenle ölçek aynen kullanıldığında sadece DFA yapılarak kendi verilerinde ölçeğin uygun olup olmadığı görülmelidir. Ölçeği değiştirme şansımız malesef yok. Çünkü atıf olarak geliştirilen bu ölçeği kullandığımızı yazmaktayız. 3. İşletme alanında dahi geliştirilmiş olsa da başka bir alanda kullanıldığında AFA yapmaya gerek yoktur. Verileriniz bu ölçeğe uygun değilse zaten başından itibaren ölçek seçiminiz yanlış demektir. Ölçeğin sorularını değiştiremeyeceğimize göre başka bir ölçek kullanımını deneyebilirsiniz. Ölçek soruları DFA sonucunda tamamen uygun çıkmayabilir. Örneğin 9 ifadeli bir ölçekte 7 ifade uygun faktör yükü verir 2 ifade uygun olmaz ise bu durum uygulama kısmında "uygun faktör yükü göstermediği için ölcekten çıkarılmıştır" yazılabilir. Birden fazla aynı olayı ölçen ölçek soruları da ortak olarak verilebilir. Yine dediğim gibi ölçeğin sorularında değişiklik yapılamaz. 4. Ölçekteki 5'li Likert i 7'liye veya 7'li Likerti 9'luya çevirebilirsiniz. Burada da önemli olan düzgün ifadeleri kullanmaktır. Örnegin 7'li Likertte bazı çalışmalarda Kısmen Katılıyorum ve Kısmen Katılmıyorum şeklinde gruplandırmalar görüyorum. Ancak bir şeye kısmen katılıyorsak kısmen de katılmıyoruz demektir. İki şık arasında anlam kargaşası olmamalı gerekir. Kişisel görüşüm 5'li Likertin daha iyi olabileceği yonündedir. Umarım açıklayıcı cevaplar olmuştur.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Çevik tekrar merhaba, Yapılacak testin parametrik olduğu belirlendiktan sonra grupların homojen dağılıp dağılmadığına bakmak için Levene's testi yapılır. T testi seçilmişse Levene's testi ile hangi t degerini kullanacağımızı belirleriz. ANOVA testinde ise Levene's testi hangi Post-Hoc testini kullanmamız gerektiğini verir. Yani özetle veri normal dağılıyor ise Parametrik test kullanılır. Gruplar arasında farklılık çıktı ise farklılığın hangi grupta olduğunu görmek için Levene's test sonucuna bakılır.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Cevik, Ayrı ayrı normallige bakma gibi bir durum yok. Bağımlı değişken normal ise herbir bağımsız değişken için normaldir. Sadece bağımsız değişkenin şıklarına göre homojenlik farklı olabilir. Diyelim ki Cinsiyete göre memnuniyet puanları arasında fark olup olmadığına bakarsak; memnuniyet puanları normal dağılıma sahipse bağımsız örnekler için t testi yapılır. Bu test 2 farklı t testi sonucu verir. Levene's testi sonucuna göre hangi t testi sonucunun kullanılacağına karar verilir ve sonuç yorumlanır. Eğitim durumuna göre bakarken ise 2 den fazla şık olacağı için ANOVA testi yapılır ve hangi grubun farklı olduğuna Post-Hoc testleri ile karar verilir. Varyansların homojen olup olmadığı ile ilgili 2 grup Post-Hoc testi vardır. Bu konular t testi ve AVOVA testinin anlatıldığı derslerde örneklendirilmiştir. Son olarak dediğiniz gibi sadece bağımlı değişkenin normalliğine bakmak yeterlidir. Umarım faydalı bir açıklama olmuştur.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Cevik; evet etkileşimsiz ANOVA sonuçları bireysel yapilan tek yönlu ANOVA ile aynı sonucları verir. Egitim ve bölge degişkeninin memnuniyet üzerine etkisi incelenirken Etkileşimsiz olarak bakilirsa Egitimin ayri Bölge değıskeninin ayrı ANOVA analizleri yapilmaktadir. Etkilesimli olduğunda ise ayni anda hem Egitim hem Bölge isleme alinmaktadır.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Çevik bu konuyla da hemen ilgileniyorum. İyi çalışmalar.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çevik, AVE ve CR değerleri tüm çalısmalarda verilmeli. En kısa zamanda excel dosyasını mail adresinize gönderecek ve sisteme de yükleteceğim.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Çevik; regresyon analizlerinde R square veya Adj R Square değerleri kullanilabilir. Ancak burada önemli olan analizde bağımlı değişkeni açıklamak için kaç bağımsız değişken kullanılacağıdır. Analize ne kadar önemsiz veya ilgisiz olsa da bağımsız değişken eklemek R square değerini artırır. Değişken sayısını dikkate almayan bir ölçüdür R square. Ancak Adj R square değişken sayısına göre açıklama değerini ayarlar. Kaç bağımsız değişkenin olduğuna ve ilgilerine göre Adj R square değeri değişir. Bu nedenle basit regresyon haricindeki diğer çoklu regresyon modellerinde Adj R square değeri verilmelidir.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çevik, klasik regresyon ile lojistik regresyon arasında çok önemli bir farklılık vardır. Lojistik regresyonda bağımlı değişken binary (0,1) kodludur. Yani sadece 2 tane kategorisi vardır. 2 sonuçlu bağımlı değişkenin olduğu durumda Lojistik regresyon kullanılır. Örneğin öğrenci başarısını etkileyen faktörleri belirleyip regresyon analizi yapmak istersek, bağımlı değişken olan Başarı durumu sadece başarılı ve başarısız şeklinde ikili kodlanmış olmalıdır. Iyi çalışmalar.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çevik; AVE ve CR değerlerini hesaplamak için DFA sonucu elde edilen faktör yüklerini kullanıyoruz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Çevik Merhaba, her testin kendine ait varsayımları vardır. Bu varsayımlar eğer o test kullanılıyorsa aranır. Mediation effect analizleri içinde farklı testler mevcut. Kullanılan program mediation effect sonucunu verir ve siz yorumlarsınız. Tabiki bu analizlerin en başında çoklu doğrusallık normallik vb. varsayımlar mevcuttur. Bunlar sağlanmadığı sürece temel analizler dahi yapılamaz. Amos, SmartPLS veya Process v3 eklentisi size analiz sonuçlarını rahatlıkla verecektir.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çevik, güvenilirlik ve geçerlilik işlemleri yaptığımız ölçekler bizim yapmış olduğumuz anketlerdir. Anket sorularının türlerine göre güvenilirlik ya da geçerlilik analizlerini yapmaktayız. Ölçeğimiz ya da anketimizin soruları bu analizler için uygun ise hangi analizi seçeceğimize karar veririz. Iki cevaplı anket soruları için de güvenilirlik yapılır 2'den fazla cevaplı anketler için de yapılabilir. Aslında şu daha net olacak sanırım; Sosyal Bilimler için ölçeklerimiz anketlerimizdir. Fen bilimleri için ölçekler başka türlü olabilir (laboratuvar sonuclari vb.).

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Duran; derslerde kullandığım veri setleri sistemde yüklü olmalı eğer bulamazsanız Ayeum sayfasını açtığınızda Canlı Chat kısmında Elif hanıma iletirseniz hemen dosyaları size atacaktır. Ders anlatımında ders kitabımı kullandım kaynaklar kısmında bulabilirsiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Akyüz izinde olduğum için sorunuzu geç gördüm. Sorunuzun cevabı olarak Model 32'nin altında yer alan Statistical Diagram kısmına bakmanızı tavsiye edeceğim. Model 32 ile bakabileceğiniz hipotezler bu diyagramda verilmektedir. Bu alana resim yüklenemediği için ben size diyagramı gönderemiyorum ancak fatmasonmezcakir@gmail.com hesabına bir mail atarsanız o mail adresine diyagramı yükler ve nasıl bakabileceğinizi anlatırım. İyi çalışmalar dilerim.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Analizlerde kullanılan kategorik faktörler sabit veya rastgele olabilir. Eğer araştırmacı verileri, ilgili faktörün tüm seviyelerinden toplanmış ise sabit faktör yapmış olur. tüm seviyeler kullanıldığı için elde edilen sonuçlar kullanılan bu seçenekler için genellenebilir. Araştırmacı faktörün tüm seviyelerini değil de içinden bazılarını seçerek kullanıyor ise o zaman random faktör olacaktır. Yani araştırmacı bir anakütlede bir faktörün seviyelerini rastgele seçtiyse, o zaman faktör rastgele olur. Örneğin; "İş İstasyonu" adında bir faktörünüz var ve bunun beş düzeyi olduğunu varsayalım. Bu beş iş istasyonunu bilinçli olarak seçerseniz ve sonuçlarınızın yalnızca bu istasyonlar için geçerli olmasını isterseniz, fixed faktör kullanırsınız. Ancak bu faktörün 20 düzeyi varsa ve siz içinde 5 iş istasyonunu rastgele seçip sonuçlarınızın tüm istasyonlara genellemek isterseniz , random faktör kullanırsınız. Araştırmada içerisinde faktörlerin manipüle edilmiş olması veya ölçülmüş olması etki büyüklüğü hesaplarını etkiler. Manipule edilen faktörler için rassal (random) ölçülen faktörler için sabit (fixed) faktör isimlendirilmesi de yaygındır. Örneğin TCA puanları rasgele seçilen 10 ilde yaşayan erkek ve kadınlar için hesaplansın. İki faktörlü bu tasarımda iller manipüle edlien faktör (random), cinsiyet ise ölçülen faktördür (sabit) (https://bookdown.org/burak2358/SARP-TR/varyans-analizi-anova.html).

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Akyüz merhaba, veride normalliğe bakabilmek için testler, grafikler veya çarpıklık/basıklık gibi değerler kullanılabilir. Normal dağılıma uygunluk testlerinde H1 kabul ediliyor ise (H1: Veriler normal dağılıma uygun değildir) çarpıklık ve basıklığa bakılabilir. Eğer çarpıklık/basıklık değerleriniz literatürde verilen değerler arasında ise bu değerlere göre normallik sonucunu yorumlar ve çalışmanızda verirsiniz. Normal dağılıma verileri birkaç yöntemle uydurma şansınız da vardır. Verinin logaritmasını almak, tüm veriyi 1'e bölmek vb. yöntemler ile veri normal dağılıma uygun hale de getirilebilir. Veri üzerinde logaritma alma veya normalize etme işlemleri ile Kolmogorov Smirnov veya Shapiro Wilks gibi testlerin sonucu değişmez ancak Çarpıklık ve Basıklık katsayıları ile normal dağılım ölçülerini karşılar. Sizde Çarpıklık ve Basıklık katsayılarına göre Normal dağılıma sahiptir diye yorum yapabilirsiniz. Bu değerler bazı çalışmalarda -1 ile +1 bazı çalışmalarda -2 ile +2 arasında yorumlanmıştır. Hatta Basıklık formülünde yer alan +3 değeri nedeni ile -3 ile +3 arasında da yorumlanmaktadır. SPSS gibi programlarda -1 ile +1 aralığı kullanılarak yorum yapılır. Umarım cevabım faydalı ve açıklayıcı olmuştur.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Kuşci merhaba, faktör yükleri her bir ifadenin ayrı ayrı yükleridir. Örneğin çalışmanızda 4 farklı boyut ve her boyutta 5'er ifade olduğunu varsayalım. Faktör yükleri bu 20 ifade için ayrı ayrı verilir. AVE ve CR hesaplama Excel dosyası an itibari ile mail adresinize gönderilmiştir. Her tür konu ve destek ihtiyacı için fatmasonmezcakir@gmail.com'dan ulaşabilirisiniz. İyi çalışmalar dilerim..

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Uğurbulduk, güzel düşünceleriniz için çok teşekkür ederim. Hertür destek ihtiyacı ve sorularınız için iletişime geçmek için tereddüt etmeyiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Çalışkan, güzel düşünceleriniz için öncelikle teşekkür ederim. Normalliği birçok şekilde test edebiliyoruz. Çarpıklık ve Basıklık katsayısını kullanarak veya Normallik testleri ile bakarak (farklı teknikler de var) kararı verebiliriz. Bunlardan hangisi normal dağılıma uygun çıkarsa ona göre yorum yazabilirsin. Kitabımda tam olarak şöyle bir cümle var "Çarpıklık katsayısı kendi standart sapmasına, basıklık katsayısı da kendi standart sapmasına bölündüğünde elde edilen değer -1.96 ile +1.96 aralığında ise dağılım normal kabul edilebilir" Bu duruma da bakmanı tavsiye ederim. Aynı zamanda yine kitapta "Sosyal bilimlerde kullanılan birçok ölçek ve ölçüm, negatif ya da pozitif olarak çarpık olan puanlara sahiptir. Bu durum ölçekte bir sorun olduğunu göstermez, bunun yerine ölçülen yapının genel durumunu yansıtır. Örneğin herkesin rahatsız olduğu bir konu hakkında ölçüm yapılıyorsa ölçekte genellikle “Kesinlikle Katılmıyorum” ya da “Kesinlikle Katılıyorum” şıklarının işaretlenmesi muhtemeldir. Bu ölçeğin 9’lu Likert olduğu durumda dahi ağırlık 1-2 veya 8-9 değerlerinde olacağından verinin çarpık olduğu sonucu ortaya çıkacaktır. Bu alandaki bazı yazarlar, çarpık verilerle puanların istatistiksel olarak "dönüştürülmesini" önermektedir" şeklinde yazmaktadır. (Bunları atıf lazım olursa diye yazıyorum). Yani veri üzerinde işlem yaparak rahatlıkla dönüşüm yapabilirsin. En basiti yöntem Logaritma almaktır. Tüm ifadelerin dönüşümü ile elde edilen faktör yükleri ile sonraki faktör yükleri arasında fark olmaz ancak Faktör analizi yapımında temel varsayım normal dağılım olduğundan dolayı faktör analizi yapmadan veriyi dönüştürmen gerekir. dünüşüm için tek tek tüm ölçek ifadelerini kullanmalısın. Excel de küçük bir formül yazarak işlemleri basitçe yapabilirsin. Veriyi dönüştürdükten sonra hep o veriyi kullanmalısın. İlk olarak KMO ve Bartlett değerleri ile ölçeğin faktör analizine uygun olup olmadığına karar verilir. Sonrasında Faktör analizi yapılır. Elde edilen faktör sonuçlarına göre ölçeğin güvenilirlik ve geçerlilik sonuçlarının verilmesi gerekir. AVE ve CR değerleri hesaplanmalıdır. Bunun nasıl hesaplandığını anlatmıştım. Ölçeğin Cronbach Alpha, AVE, CR değerleri yapı ve içerik geçerliliği değerleri olarak verilir. Bu değerler de uygun ise hipotezlerini test etmeye geçebilirsin. SPSS te analiz yapacaksan her bir faktörün altındaki ifadelerin ortalamalarını alarak yepyeni bir değişken oluşturman gerekir. Bu değişken regresyon korelasyon analizinde kullanacağın değişken olacaktır. son yapılacak işlem ise aracılık etkisinin test edilmesidir. Bunu çok rahatlıkla SPSS programında yapabilirsin. Process V3 eklentisi indirip analiz yapmayı anlatmış olmalıyım. Çok uzun yazdım :D Burada anlattıklarımı dilersen Zoom üzerinden bir canlı ders ile hızlıca anlatabilirim. Soruların için fatmasonmezcakir@gmail.com u da kullanabilirsin. Başarılar..

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın GÜVEN merhaba, eksik veri ile ilgili birkaç tamamlama yöntemi var bunlardan veri setindeki hesaplamalara en az zarar verecek olanlardan biri ortalama kullanmaktır. Aritmetik Ortalama duyarlı bir hesaplama olduğundan veri setindeki tüm değerler kullanılarak hesaplanır. Mod ise duyarsız bir ortalama yöntemidir. Hesaplanması için sadece veri setinin sayılması (hangi veriden kaç tane) yeterlidir. Bu nedenle veri setinde en çok tekrar edilen değerin çok büyük yada çok küçük olması durumunda, eksik veriye mod değerini atamak geri kalan matematiksel işlemlerde veri setine zarar verecektir. Hem ortalama hem medyan hem mod kullanımı literatür tarafından destek bulmaktadır. Eğer veri sürekli (gelir, yaş, boy, ağırlık vb.) bir veri seti özelliğine sahipse ben ortalama kullanmayı tercih ediyorum. Kesikli verilerde (kodlanmış yaş, cinsiyet, eğitim vb.) mod veya medyanı tercih ediyorum. Bence ayrımın verinin türü üzerinden yapılması daha mantıklı olur. Kısacası kodlanmış verilere mod veya medyan, sürekli verilere ortalama kullanımını şahsen tavsiye ederim. Umarım faydalı bir cevap olmuştur. Daha ayrıntılı soru ve destek talepleriniz için fatmasonmezcakir@gmail.com adresine çekinmeden yazabilirsiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Kurban Merhaba, tabiki ilişki kurabilirsiniz. zaten analizler sırasında yapmış olduğumuz şey o dur. Örneğin Örgütsel bağlılığın Finansal Performans üzerindeki etkisini analiz ederken, birbirinden farklı iki ölçek vardır ve bu ölçekten elde edilen skorları birbiri ile karşılaştırırız. Sorunuzdan bu kastettiğinizi düşünüyorum farklı bir şey kastetmişseniz bana fatmasonmezcakir@gmail.com mail adresimden ulaşabilirsiniz. Her tür destek talebinizi bana iletebilirsiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba; bu konuda o kadar çok tartışma ve fikir var ki ama ben kendimce en mantıklı açıklamayı uzunca okuyarak buldum ve bunu uyguluyorum hep. Constant hem tekli hem çoklu regresyonda Sabit terimi (a) göstermekte. Regresyonun türü ne olursa olsun bağımsız değişkenlerin tamamının sıfır olması durumunda bağımlı değişkenin alacağı değeri gösteriyor. Y=8+0,5X1-0,08X2 gibi bir denklemde X1 ve X2 nin sıfır olması durumunda bağımsız değişken olan Y "8" olacak demektir. Burada 8 değerinin anlamsız çıkması durumunda karar sana kalıyor bence. Çünkü bu sonuç constant değerinin sıfırdan anlamlı derecede farklı olmadığını göstermekte. Bağımsız değişkenlerinin sıfır olması durumunda, sabitteki değerin elde edilebileceğini düşünüyorsan modelinde dursun. İlla modelde tutman gereken bir durum yok. Eğer mecburen modelinde olması gerekiyor olsaydı Sig. değeri hesaplanmazdı. Çıkarırsan "önemli çıkmadığı için modele dahil etmedim" diyebilirsin. Çıkartmazsan da "sıfırdan anlamlı bir farklılığı yoktu bu nedenle çıkartmadım" diyebilirsin. Modelin anlamlı hiç bir sorun yok. Bu şeklide devam et ve endişelenme FSÇ hep burada yardıma hazır.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Şahin, güzel düşünceniz için teşekkür ederim. 1) Burada önemli olan konu veri setinizin normal dağılıma sahip olup olmadığıdır. Küçük örneklerde genellikle veri normal dağılıma sahip olmadığı için parametrik testler kullanılmaz. Sizin veriniz normal dağılım şartlarına uyuyor veya normal dağılıma dönüştürülebiliyor ise Parametrik test kullanabilirsiniz. T testi küçük örnekler için tasarlanmış, normal dağılım varsayımı olan bir testtir bu nedenle sizin veriniz içinde uygun olacaktır. 2) Burada bir problem var gibi geliyor bana. Çünkü öntest sontest analizleri yapabilmek için ilk önce grupların homojen yani benzer özelliklere sahip olması gerekir. Belli bir işlemden önce yani deney öncesi gruplar arasında farklılık olmamalıdır. Böyle bir farkla karşılaşınca önlemler alınmalıdır. Farklılıklar ortadan kaldırılmaya homojen gruplar kurulmaya çalışılmalıdır. Yada tüm deney bittikten sonra öntest sontest sonuçları karşılaştırılırken baştaki farklılıklarda işleme alınarak karar verilmelidir. Kontrol ve deney gruplarının temel amaç yapılacak olan uygulamanın etkisinin varlığını ya da yokluğunu ortaya koymaktır. Gruplar homojen özelliklere sahip olmaz ise bu farklılık ortaya konamaz ve sanki uygulama etkisiz gibi görünebilir. Aslında kontrol grubu ile çalışmasan da olur. Yani illa kontrol grubu olmalı diye bir şart yoktur. Sadece deney grubu kullanıp öntest ve sontest puanlarını karşılaştırmanı tavsiye ederim. 3) Evet dağılımın normal dağılıma sahip ise bağımlı gruplar (paired samples) t test kullanılır eğer normal dağılmıyorsa wilcoxon testini kullanabilirsin. 2.sorun için anlatmış olduklarımı tam olarak zihninde canlandıramadıysan ya da farrklı soruların olursa çekinmeden fatmasonmezcakir@gmail.com adresine mail atabilirsin. Kolaylıklar dilerim umarım açıklayıcı olmuştur.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Şahin, böyle bir çalışmada öncelikle ön-test ile son-test arasında farklılık var mı yok mu ona bakmanız gerekir. Ön-test ile son-test arasında anlamlı bir farklılık var ise son-test sonuçlarını kullanarak çoklu regresyon denklemini kurabilirsiniz. Deneysel bir çalışmada ön-test işleminde deneklere bir çalışma yapılmadan elde edilen sonuçları gösterir. Bu nedenle sizin çalışmanız belirli bir muamelenin etkili olup olmadığı şeklinde ise ön-test ile bilgi elde edilemez. Ön-test ile son-test puan ortalamaları arasında anlamlı farklılık yoksa bu da sizin yaptığınız işlemin gereksiz olduğunu gösterir ki bu da istediğiniz bir şey değil sanırım. Yaptığınız uygulamanın sonuçları son-test ile belli olur. ön ve son test arasında anlamlı farklılığı paired sample t test ile kontrol edip farklılık anlamlı ise son test puanlarına göre işlem yapmak gerekir. Başka bir tür şöyle olabilir: Öncelikle hem öntest için hem son test için regresyon denklemleri ayrı ayrı kurulur. Sonra Ön-test ile son-test arasında t testi ile farklılık olup olmadığına bakılır. farklılık var ise regresyon denklemleri arasındaki farklılıkların kaynağının uygulamış olduğunuz muamele olduğu söylenebilir. Farklı soru ve destek ihtiyaçlarınızda fatmasonmezcakir@gmail.com adresine çekinmeden yazabilirsiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Şahin, çoklu regresyonda bu durumun çıkması çok normaldir. Çünkü çoklu regresyonda bağımsız değişkenler bağımlı değişken üzerinde etkiye sahip olduğu gibi birbirleri üzerinde de etkiye sahiptir. Çoklu değişken etkilerinin olduğunu düşünüyorsanız tekli regresyon sonucu vermemelisiniz. Eğer vermek isterseniz bağımsız değişkenlerin birbirini etkilediğini yazabilirsiniz. tekli regresyonda bağımlı değişkeni açıklayabilen değişken, çoklu regresyon ile modele yeni değişken eklendiğinde diğer bir bağımsız değişkenle etkileşime girerek bağımlı değişkeni etkilemekten düşebilir. Mediatör ve moderatör etki analizlerine bakmanızı tavsiye ederim. İki bağımsız değişken arasındaki etkileşime bakarsanız ne demek istediğimi daha kolay anlayabilirsiniz. iki bağımsız birbirlerinden etkilenmekte ve bağımlı değişken üzerindeki etkileri değişmektedir. Umarım sorunuzu anlamış ve açıklayıcı bir cevap verebilmişimdir.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Güven, kazanmış olduğunuz ivme için tebrik ederim. 1) Likert ifadeleri belirli korelasyonlara sahip ifadelerden oluşur bu nedenle benzer puanlar alınması beklenir. Genelde bir konudan memnuniyet var ise o puanların yüksek verilmiş olmasını, memnuniyetsizlik var ise düşük verilmesini bekleriz. Bu durumda normalliği etkiler. Kendi fikrime göre burada normallik aramak mantıklı değil. 2) Puanlama için normallik sonucu vermek istersen onlar içinde ortalama alabilirsin. Ayrıca diyelim ki illa normallik istediler olmazsa olmaz dedile ama senin dağılımın normal değil... o zamanda veriyi normal veri setine birkaç işlem ile çevirebilirsin. Bunun için bir video yüklemeyi teklif edebilirim Ayeum a. İhtiyacın olursa onu da incele. Sevgiler kolaylıklar. fatmasonmezcakir@gmail.com a çalışmaların ile ilgili sorularını da gönderebilirsin.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Bilgen, evet AMOS, SPSS vb. programlardan faktör yüklerini almanız ve değerleri kendinizin hesaplaması gerekiyor. SmartPLS ile yapıyorsanız program kendisi bu değerleri hesaplıyor ve tablo olarak raporluyor. Kolaylıklar diliyorum. Diğer soru ve/veya destek talepleriniz için fatmasonmezcakir@gmail.com adresine mail atabilirsiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çoban, öncelikle güzel görüşün için teşekkür ederim. Evet böyle yorumlar var ve bende analizlerimde hep bu yorumları kullanıyorum. Normal dağılımı kontrol edebilmek için Testler (Kolmogorov-Smirnov, Shapiro Wilks, Lilliefors vb.) grafikler (Histogram, stem and leaf, P-P plot vb.) ve bazı tanımlayıcı istatistikler (çarpıklık, basıklık vb.) kullanılabilir. Bunlardan hangisi ile Normal dağılım kararı sunulabiliyor ise onu kullanmakta fayda var. Çünkü hepsinin literatürde karşılığı mevcut. Genellikle testler ile gerçekleşmemiş gibi görünen normallik varsayımı çarpıklık ve basıklık katsayılarının geniş aralıkları sayesinde kanıtlanabiliyor. Bununla ilgili birkaç tane atıf ve kaynağı buraya atayım. Sizde bu kaynakları kullanarak makale ve/veya çalışmalarınızda normallik değerleri için yorumlamaları rahatlıkla yapabilirsiniz. Literatür tarafından desteklenen her konu kabul edilir. ["Bir dağılımda çarpıklık ölçüsü olarak elde edilen değer “0” ile karşılaştırılır. Bazı çalışmalarda -1 ve +1 aralığı bazı çalışmalar için, -2 ile +2 arası ve bazı çalışmalarda -3 ile +3 aralığı çarpıklık katsayısına sahip olan değişkenler normal dağılıyor olarak kabul edilebilir(1, 2, 3). Çarpıklık katsayısı kendi standart sapmasına bölündüğünde elde edilen değer -1.96 ile +1.96 aralığında ise dağılım normal kabul edilebilir (4)."] [1. George, D., & Mallery, P. (2016). IBM SPSS statistics 23 step by step: A simple guide and reference. Routledge.] [2. Çokluk, Ö., Şekercioğlu, G., & Büyüköztürk, Ş. (2012). Sosyal bilimler için çok değişkenli istatistik: SPSS ve LISREL uygulamaları (Vol. 2). Ankara: Pegem Akademi.] [3. Sönmez Çakır F., (2019). Sosyal Bilimler İçin Parametrik Veri Analizi. Gazi Kitabevi, Ankara.] [4. Can, A. (2014). SPSS ile bilimsel araştırma sürecinde nicel veri analizi. 3. Baskı. Pegem Akademi.] Umarım anlaşılır bir cevap olmuştur. fatmasonmezcakir@gmail.com mail adresimi de aklınıza takılan sorular için kullanabilirsiniz. İyi çalışmalar dilerim.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çoban, tüm Normallik sonuçlarını vermeye gerek yok hangisi ile Normal dağılıma uygun kararı verilebiliyor ise onu vermeniz yeterli olur. Test ile bulduysanız Çarpıklık ve Basıklık katsayısı ile de bulmuşsunuzdur demektir. İkisi de verilebilir. "Veri setinin çarpıklık katsayısı........., basıklık katsayısı......... olarak bulunmuştur. Literatürdeki referans aralıklarına göre normal dağılmaktadır" yazılabilir. Burada Literatüre atıfları koymak yeterli. Testler ile yapılınca Normal dağılım çıkması biraz zor oluyor bu nedenle Çarpıklık basıklık daha kolay Normal dağılım sonucu verebilir. Tabi ki siz testler ile muhakkak kontrol ediniz. Bu arada önemli bir hatırlatma yapayım veri setinizde uç veriler (aşırı büyük/küçük) var ise Box-Plot grafiği ile onları belirleyip veri setinizden atınız. Çünkü bu tür veriler dağılımı çok etkilemektedir. Umarım açıklayıcı olmuştur. İyi çalışmalar dilerim

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Özcan, Lojistik regresyon yapılırken bağımlı değişken ikili kodlu bir değişkendir. Bizim çalışmamızda kanser var, yok şeklinde kodlanmıştır. Veri seti içerisinde bu değişken bağımlı olarak kullanılmış ve eldeki diğer veriler ile bir model kurulmuştur. Yani veri setinin içinde zaten kanserli olma ve olmama bilgisi mevcuttur. Lojistik regresyon benzer özellikleri kullanarak kanserli olup olmama ile ilgili tahminleme yapmaktadır ve gerçek durum ile karşılaştırılarak bilgi farkını da ortaya koymaktadır. Siz çalışmanızda suç işlemiş olan ve olmayan bireyleri belirleyerek, kullanmak istediğiniz bağımsız değişkenlere göre durumlarına bakmalısınız. Yani katılımcı suç işledi ise yaşı, eğitimi.. gibi bağımsız değişkenlerdeki durumu; katılımcı suç işlememiş ise yaşı, eğitimi vb. bağımsız değişkenlerdeki durumu belirlenecek ve suç işlemiş olma-olmama bağımlı değişkeni ile model kurulacaktır. Kurmuş olduğunuz denklem anlamlı ise ilerleyen çalışmalarda ve mevcut çalışmanızda tahmin için kullanılabilir. Umarım açıklayıcı bir cevap olmuştur. Daha önceki mesajlarınıza da izinden döndükten sonra cevap vereceğim. Mail adresime diğer sorularınızı yollayabilirsiniz.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çoban, (bu soru daha önceden başka bir katılımcı tarafından sorulmuştu, vermiş olduğum cevabı bulup buraya yapıştırıyorum). bu konuda o kadar çok tartışma ve fikir var ki ama ben kendimce en mantıklı açıklamayı uzunca okuyarak buldum ve bunu uyguluyorum hep. Constant hem tekli hem çoklu regresyonda Sabit terimi (a) göstermekte. Regresyonun türü ne olursa olsun bağımsız değişkenlerin tamamının sıfır olması durumunda bağımlı değişkenin alacağı değeri gösteriyor. Y=8+0,5X1-0,08X2 gibi bir denklemde X1 ve X2 nin sıfır olması durumunda bağımsız değişken olan Y "8" olacak demektir. Burada 8 değerinin anlamsız çıkması durumunda karar sana kalıyor bence. Çünkü bu sonuç constant değerinin sıfırdan anlamlı derecede farklı olmadığını göstermekte. Bağımsız değişkenlerinin sıfır olması durumunda, sabitteki değerin elde edilebileceğini düşünüyorsan modelinde dursun. İlla modelde tutman gereken bir durum yok. Eğer mecburen modelinde olması gerekiyor olsaydı Sig. değeri hesaplanmazdı. Çıkarırsan "önemli çıkmadığı için modele dahil etmedim" diyebilirsin. Çıkartmazsan da "sıfırdan anlamlı bir farklılığı yoktu bu nedenle çıkartmadım" diyebilirsin. Modelin anlamlı hiç bir sorun yok. Bu şeklide devam et ve endişelenme FSÇ hep burada yardıma hazır.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Çoban, 1. Tüm parametrik testlerin yeterli örnek büyüklüğü vardır. Küçük örneklemler ile de işlem yapılır ama elde edilen denklemin anlamlı olabilmesi için anakütleyi temsil etme özelliğine sahip olması gerekir. Bunun için büyük örneklem her zaman daha doğru sonuçlar verecektir. N > 50 + 8m (m= kullanılan bağımsız değişken sayısı) koşulunun sağlanması gerektiğine dair literatürde kaynaklar vardır. 1 bağımsız için örneklem büyüklüğü 58 birimden fazla olmalıdır. 2 bağımsız için 66 birimden fazla olmalıdır. 2. Korelasyonun böyle büyük olması bağımsız değişkenlerin birbirine çok benzer olduğunu gösterir. Çoklu regresyonda her bir bağımsız değişkenin etkisi ve etkileşim etkisi vardır. iki bağımsız değişken birbirini aşırı etkiliyor çıkartmak daha mantıklı görünüyor.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Gön, VIF değerlerini vermeniz yeterli olacaktır. VIF değerleri için bazı kaynaklar 10'un altındaki değerleri de kabul etmektedir. Sizin VIF değerleriniz 5'in bile altında olduğundan yeterli bir raporlama olacağı düşüncesindeyim. Kolaylıklar dilerim her türlü soru ve destek talepleriniz için mail atmaktan çekinmeyin. fatmasonmezcakir@gmail.com

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Cevhan, sorularınız benim vermiş olduğum SPSS eğitimi ilgili değil ancak ben bazılarına cevap vereyim. Yapısal Eşitlik Modellemesi yapılacak ise verilerin normal dağılımı varsayımı olmayan SmartPLS gibi bir program tercih edebilirsiniz. Verilerde en büyük problem alınan puanlar arasında standart sapmaların "0" olması durumunda ortaya çıkar. Belirli faktörlerdeki (özellikle aralarında ilişki olduğunu düşündüğünüz) ifadelerin öncelikle standart sapmalarına bakmalısınız. Bu sütun bazlı standart sapma değil satır bazlı standart sapmadır. Yani örgütsel performans ifadelerine birinci kişinin verdiği ifade puanları ile aynı kişinin etkin liderlik ifadelerine verdiği puanlar arasında standart sapmalar sıfır olmamalıdır. Bazı katılımcılar anketi açıp aynı seçenekleri (tamamına 1, tamamına 2 vs.) verip geçebiliyorlar bu veri setinde büyük bir güvenilirlik ve geçerlilik sorunu ortaya çıkartıyor. Öncelikle onları düzeltmenizi tavsiye ederim. Nonparametrik DFA yerine bahsettiğim SmartPLS işinizi çok rahatlıkla görecektir. Hem regresyon ağırlıkları hem model uyum değerlerinin referans aralıklarında olması gerekir. Önce ona bakayım sonra buna bakayım yerine her ikisi de uygunsa işlemleri raporlayabilirsiniz. Regresyon ya da korelasyon ağırlıklarının anlamsız olması kurduğunuz modelde bağımlı değişkeniniz ile bağımsız değişkeniniz arasında ilişki yok demektir. Korelasyon ve basit regresyondaki beta katsayısı aynıdır. Bunlar anlamsız ise kovaryanslar anlamlı çıkamaz. DFA sonucu elde edilen bazı ifade yüklerinin anlamsız çıkması normaldir. her veri her ülkede aynı şeyi üretecek diye bir olay yok sonuçta. Bazı ifadeler çıkartılabilir. Çıkartılan ifadeler raporlanarak geri kalan ifadeler ile ortalama değişkeni oluşturulur ve analize devam edilir. Toplam puan yerine ortalama puan kullanmanızı da tavsiye ederim. 1-5 arasında puanladığınız bir ölçeğin sonucunda ortalamasının da 1 ile 5 arasında olması gerekir. Ancak toplam yöntemini kullanıp ortalama aldığınızda 5 ten büyük değerler elde edersiniz. Farklı soru ve destek talepleriniz için fatmasonmezcakir@gmail.com mail adresine mail atabilirsiniz. İş yoğunluğundan ötürü hemen cevap veremedim kusura bakmayınız. İyi çalışmalar

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Ertuğrul, missing value için analiz yapıldığında eksik veri ihtiva eden bütün ifadeleri aynı anda kullanmalısınız. Bazı ifadeler için katılımcılar cevap vermek istememiş olabilir. böyle bir veya birkaç sorunuz olup olmadığını kontrol etmenizi öneririm. Yaptığınız işlem sonucunda Sig. değerinin 0,05'ten küçük çıkması eksikliğin rasgele olmadığı anlamına gelir. Yani katılımcılar bilinçli bir şekilde o ifadeye cevap vermek istememişlerdir. Frekans tablosu oluşturarak içinde en fazla eksikliğin olduğu ifadeleri belirleyebilir ve bunları analizden çıkartabilirsiniz. Örneğin ifade 3 te çok sayıda eksik veri varsa o ifade 3 ü missing value analizinden çıkartıp tekrar deneyiniz. Rasgelelik sağlanana kadar bunu yapmanızı öneririm. Farklı sorularınız ve destek talepleriniz için çekinmeden fatmasonmezcakir@gmail.com mail adresine sorularınızı gönderebilirsiniz. Kolaylıklar ve başarılar dilerim.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Sayın Ertuğrul, geç dönüş yaptığım için kusura bakmayın. Başka bir sorun olması kuvvetle muhtemel. Yani anladığım kadarıyla sadece 1-2 eksik veriniz var ve rasgele sonucu alamıyorsanız başka bir veri sorunu olabilir. Eksik veri tamamlama yöntemleri konusunu tekrar dinlemenizi tavsiye ederim.

Eğitmenin Cevabı (FATMA SÖNMEZ ÇAKIR)

Merhaba Sayın Ertuğrul, iyi düşünceleriniz için teşekkür ederim. Bu en üst mükemmel uyum değerlerinin çıkması çok muhtemel değil veri setinde hesaplamalarda bir yanlışlık olabilir. Bazen SmartPLS gibi programlarda da bu sorun ortaya çıkabiliyor. Değerlerin hesaplanmasında başka değerler kullanıldığından onlarda da sorun olabilir kontrol etmekte fayda var. Ama tüm kontrollerine rağmen bu değerleri almaya devam ediyorsan mükemmel uyum diyerek raporlayabilirsin. O sayı tam olarak 1 değildir 1'e aşırı yakın bir değerdir. Uyum değerlerini makalede ya da çalışmada vermezsen hakemler ister. Bu nedenle NFI, CFI vb. uyum indeksleri değerleri 0,95 ten fazla çıkmıştır yazabilirsin. Bence bu daha mantıklı. AMOS ve LISREL ile deneyip aynı sonuçları bulduysan yorumlamada başka alternatifin yok gibi duruyor. Daha farklı soru ve destek taleplerin için fatmasonmezcakir@gmail.com adresine mail atabilirsin. İyi çalışmalar dilerim.