Ders Detayı

İleri Biyoistatistiksel Yöntemler- SPSS Uygulamaları- Tıp, Eczacılık vb Sağlık Alanları için
13 Video, Ders Süresi: 90 gün

Dersler

Ders 1:Genel Doğrusal Modeller I (Tek Yönlü Varyans Analizi)

Ders 2:Genel Doğrusal Modeller II (Tek Yönlü Kovaryans Analizi)

Ders 3:Genel Doğrusal Modeller III (Tekrarlanan Ölçümler-Tek,iki ve üç faktörlü tekrarlanan modeller)

Ders 4:Genel Doğrusal Modeller IV (Faktöriyel Düzende Faktörlerden Biri Tekrarlanan Ölçümler-Mixed Design)

Ders 5:Genel Doğrusal Modeller V (MANOVA)

Ders 6:Kategorik Veri Analizi-Ki-Kare Testi,Nominal Veriler....

Ders 7:Loglineer Analiz

Ders 8:Logistik Regresyon

Ders 9: Yaşam Sürdürme Analizi

Ders 10: Roc Eğrisi

Ders 11: Benzerlik Analizi Analysis Of Sımılarities (ANOSIM)

Ders 12: Parametrik Olmayan Çok Değişkenli Varyans Analizi (NP MANOVA - PER MANOVA)

 

 

Eğitmen Hakkında

2006 yılında Anadolu Üniversitesi Bankacılık Sigortacılık Bölümünden, 2007 yılında Eskişehir
Osmangazi Üniversitesi İstatistik Bölümünden, 2008 yılında Anadolu Üniversitesi İşletme
Bölümünden mezun olmuştur. 2009 yılında Gazi Üniversitesi Fen Bilimleri Enstitüsü, İstatistik
Anabilim Dalında Yüksek Lisansını, 2014 yılında Ankara Üniversitesi Sağlık Bilimleri Enstitüsü
Tıp Fakültesi Biyoistatistik Anabilim Dalında Doktora eğitimini tamamlamıştır.
2010-2015 yılları arasında Başkent Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalında
Akademik Uzman olarak, 2015-2016 yıllarında İ.Ü. Medikal Park Hastanesi Tıp Fakültesi
Biyoistatistik ve Tıp Bilişimi ABD’da Yrd. Doç. Dr. (Dr. Öğr Üyesi) olarak, 2016-2017 yıllarında
Türkiye Cumhuriyeti Ulusal Ulaştırma Master Planı’nda veri analisti olarak görev yapmıştır.
Mezuniyet Öncesi Veteriner Eğitimi Ulusal Çekirdek Eğitim Programı – 2019 komisyonunda
görev yapmıştır.2020 Temmuz ayı itibariyle SCI, SCI-expanded, SSCI, AHCI’de yer alan ve Impact faktörü 1.0 ve üzeri olan uluslararası dergilerde yayımlanan 31, SCI, SCI-expanded, SSCI, AHCI’de yer alan Impact faktörü 0.1-0.9 arası olan uluslararası dergilerde yayımlanan 33 araştırma makalesi,
50 adet ulusal hakemli dergilerde araştırma makalesi ve 21 adet Uluslararası sözlü sunum ve
ulusal sözlü sunum olarak 68 adet bilimsel çalışma yapmıştır.2017 Kasım-2020 Hazitan tarihinlerinde Selçuk Üniversitesi Veteriner Fakültesi Biyoistatistik ABD’da Doç. Dr. olarak görev yapmıştır.
2020 Temmuz ayı itibariyle İzmir Kâtip Çelebi Üniversitesi Tıp Fakültesi Biyoistatistik ABD ‘da
görev yapmaktadır.

 

Eğitmen:Doç.Dr.Mustafa Agah TEKİNDAL

Katılım Belgesi: Evet

Durum: Tüm Dersler Yüklendi

Garanti: %100 Memnuniyet ve İade garantisi

Özellikleri: İnteraktif, Online Sınav, Eğitmene soru sorma İmkanı

Fiyat:
399,90 TL
Ders İzleme Süresi: 90 Gün
Erişim Zamanı: 7/24
Video Sayısı: 13
Durum: Satın Alınabilir
Favoriye Ekle


Tanıtım Videosunu İzle



Örnek Dersi İzle

Puanlar 0 Kişi Oyladı (0/100)

0 Kişi
0 Kişi
0 Kişi
0 Kişi
0 Kişi

Yorumlar

F.A.

HOCAM MERHABA Kİ KARE TESTİNDE FİSHER EXACT TESTİ YAPARKEN OBSERVED DEĞİL DE EXPECTED DEĞERLERE BAKMAMIZ GEREKMİYOR MU? SANKİ DERSLERDE OBSERVED DEĞERLERE GÖRE FİSHER EXACT TEST KULLANILIYOR GİBİ ANLATILMIŞ


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Exact test yaparken yöntem beklenen değerlere göre sonuç verir. Sonuç tablomuızda beklenen değerlere göre analiz edilen monte carlo sonucu kullanacağımız test istatistiği değeri kullanılmalıdır. Sonuç tablosunda (2 cells (50,0%) have expected count less than 5. The minimum expected count is ,29.) şeklinde belirtilmektedir. İyi çalışmalar


F.A.

HOCAM HOSMER-LEMESHOW TEST P DEĞERİ <0.05 OLDUĞU ZAMAN MI MODELİN UYUM ŞARTINI KARŞILIYOR YOKSA P>0.05 OLDUĞUNDA MI? BİRÇOK KAYNAKTA P>0.05 OLMALI DİYOR UYUM İÇİN


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Öncelikle ilginiz için teşekkürler. Hosmer Lemeshow test için Ho: Test uyum şartlarını sağlamaktadır. H1: Test uyum şartlarını sağlamamaktadır. şeklinde hipotezi kurabiliriz. p>0,0 olduğunda test uyum şartlarını sağlıyor şeklinde değerlendirebiliriz.


P.B.

MERHABALAR, CONTİNUİTY CORRECTİON VE FİSHER Kİ-KARE'DEKİ VALUE DEĞERİNİ DE PEARSON Kİ-KAREDE GÖSTEDİĞİMİZ GİBİ TABLODA X² ŞEKLİNDE Mİ GÖSTERİYORUZ. (ÖRNEK; X²=0.124 DİYE). HOCAM, 2X2 VE RXC TABLOLARINDA EXACT YÖNTEMİ UYGULANINCA GEREKLİ KURALLARA (%20'NİN ÜSTÜNDE YA DA BEKLENEN EN KÜÇÜK DEĞER 25'İN ALTINDA) BAKILMADAN DİREKT "EXACT SİG (2-SİDED)" DEĞERİNİ "P DEĞERİ" OLARAK YAZABİLİYORUZ. O ZAMAN Kİ-KARE DEĞERİ OLARAK "CONTİNUİTY CORRECTİON" VE "FİSHER Kİ-KARE" DEĞERİ YERİNE "PEARSON CHİ-SQUARE"'DEKİ VALUE DEĞERİNİ Mİ TEST DEĞERİ OLARAK YAZABİLİYORUZ? 2X2 TABLODA (ÖRNEĞİN; CİNSİYET İLE EĞİTİME KATILMA DURUMU OLAN 2X2 TABLODA) Kİ KARE TESTİNDE P DEĞERİ ANLAMLI OLANLARA ŞÖYLE DİYEBİLİR MİYİZ: "CİNSİYET İLE EĞİTİME KATILMA DURUMU ARASINDA İSTATİSTİKSEL OLARAK ÖNEMLİ BİR FARK VARDIR"


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, 1-)Continuity Correction, Fisher Chi Square vb gibi kategorik veri analizi sonucunda oluşan SPSS outputlarda APA stiline uygun "https://www.socscistatistics.com/tutorials/chisquare/default.aspx" aşağıdaki gibi gösterim yapılabilir. X² (degress of freedom, N = sample size) = chi-square statistic value, p = p value. X² (1, N = 54) = 6.7, p < .01. 2-)Exact test kullanıldıysa hipotezinize göre "Exact Sig. (2-sided)" ya da "Exact Sig. (1-sided)" kolonlarındaki p değerleri kullanılmalıdır. 3-) 2x2 tabloda temel motivasyonunuza göre -Uyum iyiliği mi? -Homojenlik Testi mi? -Bağımsızlık Testi mi? belirlenmelidir. Yukarıda belirtilen tüm durumlar aradaki ilişkiye bakar asla fark vardır ya da yoktur diyemeyiz. "İlişki vardır" ya da "ilişki yoktur" şeklinde homojenlik, uyum iyiliği ya da bağımsızlık durumu test edilmelidir. Sizin hipotezinizde ""CİNSİYET İLE EĞİTİME KATILMA DURUMU ARASINDA İSTATİSTİKSEL OLARAK ÖNEMLİ BİR İLİŞKİ VARDIR" diyebiliriz p<0,05 ise. İyi çalışmalar


P.B.

MERHABA HOCAM, DEĞİŞKENLERDEN HERHANGİ BİRİ NORMAL DAĞILIM GÖSTERMİYORSA BİZ "TEKRARLI ÖLÇÜMLERDE VARYANS ANALİZİ" YERİNE HANGİ ANALİZİ KULLANMALIYIZ?


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Bu durumda da benzer şekilde üç tercihimiz olabilir; Bir tanesi Pillai's Trace, Wilks' Lambda, Hotelling's Trace, Roy's Largest Root testlerinden uygun olanı kullanmak. (Farklı durumlarda genelde en iyi sonuç veren Wilk's Lambda oluyor, "Ateş, C., Kaymaz, Ö., Kale, H. E., & Tekindal, M. A. (2019). Comparison of Test Statistics of Nonnormal and Unbalanced Samples for Multivariate Analysis of Variance in terms of Type-I Error Rates. Computational and Mathematical Methods in Medicine, 2019.") Bir diğeri ise ham veriyi trasformasyona sokmaktır. Transformasyon için Logaritmik dönüşüm, Karekökü, 1/y, Kare,Logit ve Box-Cox veri trasnformasyonu yapmaktır. Burada da en verimli sonucu genelde Box-Cox veri transformasyonu sağlamaktadır. Sonuncusu ise parametrik olmayan çok değişkenli yöntemleri kullanmaktır. Parametrik olmayan MANOVA (PERMANOVA, Permutational Multivariate Analysis of Variance) olarak adlandırılmaktadır. (https://rdrr.io/github/leffj/mctoolsr/man/calc_pairwise_permanovas.html) açık erişimli PAST programında NPMANOVA'yı kullanabilirsiniz. http://priede.bf.lu.lv/ftp/pub/TIS/datu_analiize/PAST/2.17c/download.html Bu linkten erişebilirsiniz. İyi çalışmalar Selamlar İyi çalışmalar


F.S.

HOCAM MERHABA BİNARY LOJİSTİK REGRESYON YAPARKEN MODELE BAĞIMSIZ DEĞİŞKENLER EKLİYORUM FAKAT BAZI DEĞİŞKENLERİN SONUÇLARI VARİABLES İN THE EGUATİON TABLOSUNDA GÖRÜLMÜYOR. NE YAPMAM GEREKİR?


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Binary Lojistik Regresyon uygularken bazı değişkenlerin variable in equations tablosunda görünmüyorsa 1-) Eleme yöntemlerinden birini kullanmış olabilirsiniz 2-) Değişkeninizin kategorileri muhtemelen aynıdır. (örneğin cinsiyet değişkeninin tamamı erkek olabilir) bu durumda değişken variable in equations tablosunda görünmeyecektir. İyi çalışmalar


F.A.

HOCAM MERHABA.. MANOVA TESTİNDE İKİ BAĞIMLI DEĞİŞKENİN VEKTÖR ETKİSİNİ DEĞERLENDİRDİĞİMİZİ VE FARKLILIKLARINI KARŞILAŞTIRDIĞIMIZI SÖYLEDİNİZ.PEKİ GERÇEKTE VEKTÖR ETKİSİ TAM OLARAK NE ANLAMA GELİYOR, YANİ BİZ PRATİK HAYATTA VEKTÖR ETKİSİNİ NASIL YORUMLAYACAĞIZ? MANOVA VİDEOSUNDA DAHA ÇOK AYRI AYRI YAPILAN TEK YÖNLÜ ANOVA SONUÇLARI YORUMLANMIŞ, MANOVA NIN İFADE ETTİĞİ VEKTÖR ETKİDEN VE BININ NE ANLAMA GELDİĞİNDEN BAHSEDİLMEMİŞ


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Birçok özelliğin birbirini etkilediği sağlık çalışmalarında, bir etkenin birden fazla sonucu ortaya çıkabilir. Mesela yüksek tansiyon çok sayıda sağlık problemini beraberinde getirebilir veya vitamin B12 eksikliği ferritin ve hafıza ile ilgili birçok durumu etkileyebilir. Bilindiği üzere tek değişkenli analizlerde bir sonucun bir veya daha fazla nedeni üzerinde durulurken, çok değişkenli analizlerde birden çok sonucun bir veya daha fazla etken tarafından nasıl etkilendiği araştırılır. Çok değişkenli analizlerde sonuç olarak dikkate alınan özelliklerin birbirleriyle de ilişkileri vardır. Bu ilişkiler göz ardı edilerek her bir sonucun tek değişkenli analizlerle değerlendirilmesi 1. Tip hata yapma olasılığını artırır. Dolayısıyla bu tip araştırmalarda yani etkenlerin birden fazla ilişkili sonuçlarının olduğu çalışmalarda güvenilir sonuçlar üreten çok değişkenli varyans analizi yönteminin (Multivariate Analysis of Variance, MANOVA) kullanılması gerekmektedir. Parametrik MANOVA, ANOVA modellerinin genelleştirilmiş halidir. "http://80.251.40.59/science.ankara.edu.tr/ozturk/Dersler/ist306/MANOVA.pdf" bu linkten vektörlere dair açıklama bulabilirsiniz. İyi çalışmalar


F.A.

ASLINDA ŞUNU SORMAK İSTEMİŞTİM: MANOVA TESTİNDE İKİ BAĞIMLI DEĞİŞKENDEN YENİ COMPOSİTE BİR BAĞIMLI DEĞİŞKEN OLUŞTURUP ONA GÖRE ANALİZ YAPTI SPSS. BUNA GÖRE WİLLKS LAMBDA SONUCUYLA GRUPLAR ARASINDA FARK OLDUĞUNU SAPTADIK. ANCAK POST HOC TEST YAPARKEN TEKRAR GRUPLARDA ONE WAY ANOVA YA DÖNÜP ÖYLE YORUM YAPTIK. YANİ YENİ OLUŞTURULAN COMPOSİTE(VEKTÖR) BAĞIMLI DEĞİŞKENİNİN HANGİ GRUPTA DAHA ANLAMLI OLDUĞUNU BULMADIK, MULTİVARİATE TABLOSUNDA WİLLKS LAMBDA DEĞERİ ANLAMLI DEDİK VE O TABLOYLA ALAKALI İKİLİ KARŞILAŞTIRMALAR YAPMADIK.SADECE AYRI AYRI İKİ BAĞIMLI BAĞIMLI DEĞİŞKENE ONE WAY ANOVA UYGULAYIP ONU RAPOR OLARAK SUNDUK. ACABA OLUŞTURULAN COMPOSİTE DEĞİŞKENİMİZ HANGİ GRUPTA DAHA FAZLA OLARAK ANLAMLIYDI? BUNU BULABİLECEĞİMİZ BİR İSTATİSTİKSEL YÖNTEM YOK MU?


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Vektör olrak eşanlı karşılaştırmak istediğimizde yapısal eşitlik modeli ya da mediator, moderatör değişken analizleri ile sonuç elde edebiliriz. Ancak bu durumda kısmende olsa bilgi kaybı yaşamamız mümkün. Eğer vektörler arasında bir ilişki ararsak kanonik korelasyon kullanabiliriz. Açıklama güçlerini yorumlayabiliriz. Manova gibi grup ortalamalarını karşılaştıran analizlerde, çoklu karşılaştırmaları bağımlı değişken birleşimleri ile değilde ayrı ayrı bakarak sonuç elde edebiliyoruz. Ancak bağımlı değişkenleri vektör olarak sabitleyip bağımsız değişkenleri hangi kategori düzeyleri arasında farklılık olup olmadığı belirlemek için kanonik korelasyon, SEM(Yapısal eşitlik modelleri), genelleştirilmiş doğrusal modeller kullanılabilir.


E.K.

HOCAM MERHABA, ROC EĞRİSİNDE CUT OFF DEĞERİ BULMAK İCİN MUTLAKA KARŞIDA STANDART BİR TEST OLMASI GEREKİYOR DERSTEN ANALDİGİM ANCAK MAKALELERDE ÖRNEĞİN PANKREAS KANSERİ OLAN (100 HASTA, HEPSİ EVRE 4, HEPSİ VEFAT ETMİŞ ) HASTALARDA KANDA BAKILAN NOTROFİL-LENFOSİT ORANINİN PROGNOSTİK DEGERİ GİBİ YADA HEMOGLOBİN DEGERİ GİBİ... BUNLARDA STANDART KARŞI BİR KOL YOK AMA CUT OFF DEĞERİ BELİRTİYORLAR BUNLARDA CUT OFF BAKİLABİLİYORMU YADA BAŞKA YOLU DAHA MI VAR YADA BUNU NASIL YAPIYORLAR ACABA


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Roc eğirisi kullanırken bir sınır değer belirlemek için iki kategorili bir bağımsız durum olması gereklidir. Standart bir test olması her zman mümkün olmuyor. Örneğin sadece evre 3 ve evre4 arasındaki bir notrofil-lenfosit değişkeni sınır değeri hesaplayabiliriz. Selamlar İyi çalışmalar


G.İ.

MERHABALAR HOCAM; ÖNCELİKLE EĞİTİMLERİNİZ HARİKA ÇOK TEŞEKKÜRLER. YALNIZ BURADA EĞER KİKARE TABLOSUNDA EĞER GÖZLERDE 5 TEN KÜÇÜK DEĞER VARSA NE YAPAABİLİRİZ ONU MERAK ETTİM. ÇOK TEŞEKKÜRLER...


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Eğer kikare tablosunda 5'ten küçük göze varsa ya monte carlo iteratif yöntemini kullanabiliriz ya da kategori birleştirerek gözelerdeki frenası artırabiliriz. İyi çalışmalar


G.İ.

BAHSETTİĞİM KONU LOJİSTİK REGRESYONDA BU ARADA. BELKİ MESAJLAR KONUYA GÖRE DÜŞMŞYORDUR EMİN OLAMADIM.


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Eğer kikare tablosunda 5'ten küçük göze varsa ya monte carlo iteratif yöntemini kullanabiliriz ya da kategori birleştirerek gözelerdeki frenası artırabiliriz. İyi çalışmalar


R.T.

HOCAM BONFERİNİ VE KRUSKAL WALLİS ANALİZ SONUÇLARINDA HANGİ BÖLÜMLERİ TABLOYA DÖKÜYORUZ. ÖRNEK TABLODA GÖSTEREBİLİR MİSİNİZ? BİZ YAYINA HANGİ ÇIKTI BÖLÜMLERİNİ KOYACAĞIZ TEŞEKKÜRLER


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar Parametrik olmayan bir yöntem kullandıysanız. Ort.± SS [Medyan (Min.-Maks.)] ve Kritik Değer (p) şeklinde raporlamak doğru olacaktır. Ayrıca çoklu karşılşatıorma sonucunda harflendirme yaparken fark olmayan grupları aynı harfle, fark olan grupları ise farklı harflerle simgelemek daha doğru olacaktır. İyi çalışmalar


M.G.G.

İYİ GÜNLER HOCAM. MULTİPLE LOGİSTİK REGRESYONUN BİNOMİNALDEN FARKI NEDİR VİDEODA GÖREMEDİM. ENTER, FORWARD VE BACKWARD WALDIN BİRBİRİNE ÜSTÜNLÜĞÜNÜ ANLAYAMADIM, NE ZAMAN HANGİSİNİ SEÇMELİYİZ. MODEL KURMA KISMINDA İKİLİ TESTTE ANLAMIZ ÇIKTIĞINDA NE ZAMAN MODELE ALMALI VE ALMAMALIYIZ VE AYRICA ANLAMSIZ ÇIKSA DA MODELE DAHİL ETMEK İÇİN P DEĞERİ CUT-OFF'UMUZ İLLA Kİ 0.05 Mİ. MODELİ YORUMLARKEN ETKİLEŞİM ETKİSİ POZİTİF ÇIKARSA ANALİZE KATTIĞIMIZ DEĞİŞKENİN SONUCUNU EXP (B) ÜZERİNDEN NASIL YORUMLARIZ VE BUNDAN SONRA BU DEĞİŞKENLER İLE İLGİLİ BİR MÜDAHALE ETMEMİZ GEREKİR Mİ ? BELKİ BU VİDEONUN ALTINDA DEĞİL BUNUN CEVABI FAKAT ELİMİZDEKİ FAKTÖRLERİN BİRBİRLERİNİ ETKİLEYİP ETKİLEMEDİĞİNİ ANLAYABİLECEĞİMİZ BİR TEST METODU VAR MIDIR (PARAMETRİK-NON PARAMETRİK). ÖRNEK VERMEM GEREKİRSE , BOĞULMA, DONDURMA YEME VE MEVSİMİN YAZ AYI OLMASI. YAZ AYLARINDA İNSANLAR DAHA ÇOK DENİZE GİRERLER VE DONDURMA DA YERLER. OYSA BOĞULMA DONDURMA YENİLDİĞİNDEN DEĞİL YA AYLARINDA DENİZE GİRİLDİĞİNDEN DAHA ÇOK OLMAKTA, KISACA DEĞİŞKENLERİN BİRBİRLERİNE VE HEDEF DEĞİŞKENİMİZE BAĞIMSIZ OLARAK ETKİ EDİP ETMEDİĞİNİ NASIL ANLAYABİLİRİZ ? (VERDİĞİM ÖRNEKTE YAZ AYI BOĞULMAYI ETKİLİYOR ÇÜNKÜ DENİZE GİRMEYİ ETKİLİYOR AYRICA DONDURMA YEMEYİ DE ETKİLİYOR FAKAT DONDURMA ESASEN BOĞULMAYI ETKİLEMİYOR SADECE YAZ AYI OLDUĞU İÇİN BOĞULMA SIKLIĞINI İLE KORELASYON GÖSTERİYOR.) TEŞEKKÜR EDERİM


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Multiple logistik regresyonun binominalden farkı nedir videoda göremedim. Bağımlı Değişken Kategori Sayısı:2 olduğunda, Bağımsız Değişken Sayısı: 1 ya da daha fazla olduğunda binary lojistik regresyon kullanabiliriz. Bağımlı Değişken Kategori Sayısı:2+sırasız olduğunda, Bağımsız Değişken Sayısı: 1 ya da daha fazla olduğunda Multinominal lojistik regresyon kullanabiliriz. Bağımlı Değişken Kategori Sayısı:2+sıralı olduğunda, Bağımsız Değişken Sayısı: 1 ya da daha fazla olduğunda Ordinal lojistik regresyon kullanabiliriz. Lojistik regresyon modelinde değişken seçimi için çok farklı yöntemler mevcuttur. Bunlar tek değişkenli ve çok değişkenli analiz olmak üzere iki temel ayırıma göre yapılır. Çok değişkenli analiz iki yöntemi içermektedir. Bunlar adımsal (stepwise) yöntem ve en iyi alt setler yöntemidir. En iyi alt setler yöntemi lojistik regresyon analizinde pek kullanılmamaktadır (Costanza vd., 1992:775). Adımsal yöntem ise ileri yönlü seçim (forward selection) ve geriye doğru eleme (backward elimination) olmak üzere ikiye ayrılmaktadır (Lee ve Koval, 1997:566). Hata teriminin normal dağılım göstermesinden dolayı yeni değişkenin modele katkısının önemi için Doğrusal regresyon analizinde F testinden yararlanılmasına karşılık, lojistik regresyon modelinde hata terimleri binom dağılımı göstereceğinden daha önce sözü edilen G istatistiği ile karar verilir. G=-2ln [değişken(ler)siz olabilirlik / değişken(ler)li olabilirlik] Modelin anlamlılığının kontrol edilmesinde hipotez takımları; H0 : beta1 =beta2 = ..... = Betap= 0 H1 : En az biri 0' dan farklı şeklindedir. G istatistiği (?2- ?1) serbestlik dereceli ki-kare dağılımı göstermektedir. Model kurma kısmında ikili testte anlamız çıktığında ne zaman modele almalı ve almamalıyız ve ayrıca anlamsız çıksa da modele dahil etmek için p değeri cut-off'umuz illa ki 0.05 mi. Anlamsız çıktığında eğer Karıştırıcı faktör/değişken moderatör-mediatör olarak düşünmüyorsanız denkelem almamak dha doğrudur. p değeri cut-off'umuz genelde kabul gören 0.05’dir ancak tip 1 hatanızı yükseltmek araştırmacının elindedir. Modeli yorumlarken etkileşim etkisi pozitif çıkarsa analize kattığımız değişkenin sonucunu exp (B) üzerinden nasıl yorumlarız ve bundan sonra bu değişkenler ile ilgili bir müdahale etmemiz gerekir mi ? Etkileşim terimlerine karar vermeden önce, hem sürekli değişkenlerin logitle doğrusal bir ilişki içinde olup olmadıklarını, hem de bu değişkenlerin modele doğru ölçekle girip girmediklerini kontrol etmek gerekmektedir. Belki bu videonun altında değil bunun cevabı fakat elimizdeki faktörlerin birbirlerini etkileyip etkilemediğini anlayabileceğimiz bir test metodu var mıdır (parametrik-non parametrik). Örnek vermem gerekirse , boğulma, dondurma yeme ve mevsimin yaz ayı olması. Yaz aylarında insanlar daha çok denize girerler ve dondurma da yerler. Oysa boğulma dondurma yenildiğinden değil ya aylarında denize girildiğinden daha çok olmakta, kısaca değişkenlerin birbirlerine ve hedef değişkenimize bağımsız olarak etki edip etmediğini nasıl anlayabiliriz ? (verdiğim örnekte yaz ayı boğulmayı etkiliyor çünkü denize girmeyi etkiliyor ayrıca dondurma yemeyi de etkiliyor fakat dondurma esasen boğulmayı etkilemiyor sadece yaz ayı olduğu için boğulma sıklığını ile korelasyon gösteriyor.) Teşekkür ederim Karıştırıcı faktör/değişken moderatör ve mediatör değişkenden farklıdır dolayısıyla ılımlaştıcı ya da ara değişken kavramlarından ayırmak gerekir. ılımlaştırıcı ya da ara değişken araştırma modelinde bağımlı değişken üzerinde farklılaşmaya ya da dolaylı etkiye sahip değişken olarak ifade edilebilir. Karıştırıcılığın en güzel ve klasik örneği, dondurma tüketimi ile denizde boğulma arasındaki ilişkinin ortaya çıkarılmasına görülür. Hipotez analizinde dondurma tüketimi ile denizde boğulma arasında kuvvetli bir korelasyon ortaya çıkacaktır ama bu durum determinizm açısından ciddi bir sorun içerir. Zira arada karıştırıcı faktör olarak mevsim vardır. Mevsime bağlı olarak hem dondurma tüketimi artmış hem de denizde boğulmalar artmıştır. Dolayısıyla mevsim burada karıştırıcı faktördür.


P.B.

MERHABA HOCAM, FREİDMAN TESTİ, "TEKRARLI ÖLÇÜMLERDE VARYANS ANALİZİ" NİN NON_PARAMETRİK TESTİ MİDİR?


Eğitmenin Cevabı (MUSTAFA AGAH TEKİNDAL)

Merhabalar, Evet "TEKRARLI ÖLÇÜMLERDE VARYANS ANALİZİ"nde varsayımlar sağlanmadığında Frieman testi kullanılabilir.