Sıfırdan SPSS Dersleri (21. Ders ve Sonrası)
- 13 Şub 2024
- 5 dakikada okunur
Güncelleme tarihi: 8 Kas
Bu sayfada, YouTube kanalımızda yer alan Sıfırdan SPSS derslerine ait verileri ve ek dokümanları sunduğumuz sayfanın 21. dersten itibaren olan bölümünü bulabilirsiniz. 1-20. dersler arası için lütfen tıklayınız.
Ücretsiz olarak sunduğumuz derslerimizin daha çok arkadaşımızın önüne çıkabilmesi (böylece daha kaliteli çalışmalar yapılabilmesi) ve bize destek olmak için kanalımıza abone olmanızı, videoları beğenmenizi rica ediyoruz.
Aşağıda seriye başlamak istediğiniz derse göre seçim yapınız. Dosyalar sıkıştırılmış (.rar) formattadır. Açabilmek için WinRar veya WinZip benzeri programınız olmalıdır. Dosyaları çıkardığınızda .sav uzantılı SPSS veri dosyalarına ulaşacaksınız. Veri dosyasını açmak için ise SPSS programınız olmalıdır.
Ders 21: Bir Grubun Normal Dağılan İki Ayrı Ölçüm Ortalamalarının Karşılaştırılması (Bağımlı Gruplar t-Testi)
Bu dersimizde bir grubun normal dağılan iki ayrı ölçüm ortalamalarının karşılaştırılması için kullanılan Bağımlı Gruplar t-Testi, diğer adıyla İlişkili Örneklemler t-Testi anlatılıyor. Testin ne zaman ve nasıl kullanıldığı ile birlikte bulguların nasıl değerlendirilebileceğini uygulamalı olarak öğrenebilirsiniz.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 22: Bir Grubun Normal Dağılmayan İki Ayrı Ölçüm Ortalamalarının Karşılaştırılması (Wilcoxon İşaretli Sıralar Testi)
Bu dersimizde, normal dağılmayan bir grubun iki ayrı ölçüm ortalamasını karşılaştırmak için kullanılan Wilcoxon İşaretli Sıralar Testi anlatılmaktadır.
Bu test, normal dağılım varsayımının geçerli olmadığı durumlarda iki bağımlı ölçüm arasında fark olup olmadığını değerlendirmek için kullanılır. Verilerin sıralanarak pozitif ve negatif işaretli farkların analiz edildiği bu testte, p-değeri kullanılarak ölçümler arasındaki farkın anlamlılığı değerlendirilir. Ders boyunca testin nasıl uygulanacağını ve sonuçların nasıl yorumlanacağını uygulamalı olarak öğrenebilirsiniz.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 23: Bir Grubun Normal Dağılan İkiden Fazla Ortalamasının Karşılaştırılması (Tekrarlı Ölçümleri İçin ANOVA)
Bu dersimizde, normal dağılım gösteren bir grubun ikiden fazla ölçüm ortalamasını karşılaştırmak için kullanılan Tekrarlı Ölçümler İçin ANOVA testi anlatılmaktadır.
Bu test, aynı grubun farklı zamanlarda veya koşullarda yapılan birden fazla ölçümünü karşılaştırmak amacıyla kullanılır. Ölçümler arasındaki farkın istatistiksel olarak anlamlı olup olmadığını belirlemek için uygulanır ve p-değeri yardımıyla sonuçlar değerlendirilir. Ders boyunca testin nasıl yapıldığını ve sonuçların nasıl yorumlanacağını uygulamalı olarak öğrenebilirsiniz.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 24: Bir Grubun Normal Dağılmayan İkiden Fazla Ortalamasının Karşılaştırılması (Tekrarlı Ölçümleri İçin Friedman)
Bu dersimizde, normal dağılmayan bir grubun ikiden fazla ölçüm ortalamasını karşılaştırmak için kullanılan Tekrarlı Ölçümler İçin Friedman Testi anlatılmaktadır.
Friedman testi, parametrik olmayan bir test olup, verilerin normal dağılım göstermediği durumlarda kullanılır. Aynı grubun farklı koşullardaki ölçümlerini sıralı bir şekilde analiz eder ve ölçümler arasındaki farkın istatistiksel olarak anlamlı olup olmadığını p-değeriyle değerlendirir. Ders boyunca testin uygulaması ve bulguların yorumlanması üzerine çalışabilirsiniz.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 25: A ve B Arasındaki İlişkinin Tespiti (İkili Korelasyon Analizi)
Bu dersimizde, iki değişken arasındaki ilişkinin tespitinde kullanılan ikili korelasyon analizi anlatılmaktadır. İkili korelasyon analizi, değişkenler arasındaki doğrusal ilişkinin gücünü ve yönünü belirlemek için kullanılır.
Ders kapsamında hem Pearson korelasyon testi (değişkenler normal dağılım gösterdiğinde) hem de Spearman korelasyon testi (değişkenler normal dağılım göstermediğinde veya sıralı veri olduğunda) ele alınacaktır. Bu testlerin ne zaman ve nasıl kullanılacağını, elde edilen korelasyon katsayısının nasıl yorumlanacağını ve bulguların ne anlama geldiğini uygulamalı olarak öğrenebilirsiniz.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 26: Çoklu ve Kısmi Korelasyon Analizleri
Bu dersimizde, ikiden fazla değişken arasındaki ilişkiyi tespit etmek için kullanılan çoklu korelasyon analizi (Pearson ve Spearman teknikleri ile) anlatılmaktadır.
Çoklu korelasyon analizi, birden fazla değişkenin birbiriyle olan ilişkisini ölçmek ve bu ilişkilerin gücünü değerlendirmek için kullanılır. Ayrıca, kısmi korelasyon analizi üzerinde durulacaktır. Bu analiz, bir değişkenin etkisini kontrol ederek diğer değişkenler arasındaki ilişkiyi ölçmeye yarar. Bu testlerin hangi durumlarda kullanılacağı, nasıl uygulanacağı ve bulguların nasıl yorumlanacağı, ders boyunca uygulamalı olarak öğrenilebilir.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 27: Basit Doğrusal Regresyon Analizi
Bu dersimizde, basit doğrusal regresyon analizi anlatılmaktadır. Bu analiz, iki değişken arasındaki ilişkiyi modellemek ve bir değişkenin (bağımlı değişken) diğerine (bağımsız değişken) göre nasıl değiştiğini anlamak amacıyla kullanılır.
Basit doğrusal regresyon analizi, bir bağımsız değişken ile bir bağımlı değişken arasındaki doğrusal ilişkiyi tahmin eder. Ders kapsamında, bu analizin ne zaman kullanılacağı, nasıl uygulanacağı ve elde edilen bulguların nasıl değerlendirileceği uygulamalı olarak öğrenilecektir.
Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 28: Çoklu Doğrusal Regresyon Analizi
Bu dersimizde, çoklu doğrusal regresyon analizi anlatılmaktadır. Bu analiz, ikiden fazla bağımsız değişkenin bir bağımlı değişken üzerinde anlamlı etkilerinin olup olmadığını tespit etmek için kullanılmaktadır. Çoklu doğrusal regresyon analizi, birden fazla bağımsız değişkenin bir bağımlı değişken üzerindeki etkilerini tahmin eder. Ders kapsamında, bu analizin ne zaman kullanılacağı, nasıl uygulanacağı ve elde edilen bulguların nasıl değerlendirileceği uygulamalı olarak öğrenilecektir. Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 29: Hiyerarşik (Sıralı) Regresyon Analizi
Bu dersimizde, hiyerarşik (sıralı) regresyon analizi anlatılmaktadır. Bu analiz, ikiden fazla bağımsız değişkenin bir bağımlı değişken üzerinde sıralı etkilerinin anlamlı olup olmadığını tespit etmek için kullanılmaktadır. Hiyerarşik (sıralı) regresyon analizi, birden fazla bağımsız değişkenin bir bağımlı değişken üzerindeki etkilerini sıralı olarak tahmin eder. Ders kapsamında, bu analizin ne zaman kullanılacağı, nasıl uygulanacağı ve elde edilen bulguların nasıl değerlendirileceği uygulamalı olarak öğrenilecektir. Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 30: İki Durumlu (Binary) Lojistik Regresyon Analizi
Bu dersimizde, lojistik regresyon analizinin iki durumlu hali anlatılmaktadır. İki durumlu (binary) lojistik regresyon analizi iki durumlu bir kategorik bağımlı değişkenin grupları ile ilgili tahminlerde bulunmayı sağlamaktadır. Ders kapsamında, bu analizin ne zaman kullanılacağı, nasıl uygulanacağı ve elde edilen bulguların nasıl değerlendirileceği uygulamalı olarak öğrenilecektir. Derse başlamadan önce aşağıdaki verileri indirebilir ve birlikte uygulayabilirsiniz.
Ders 31: İki Yönlü (Faktörlü) ANOVA
Bu dersimizde, İki Yönlü (Faktörlü) ANOVA analizi anlatılmaktadır. İki yönlü ANOVA, bir sürekli bağımlı değişken üzerinde iki farklı bağımsız değişkenin (faktörün) ve bu faktörler arasındaki etkileşim etkisinin incelenmesini sağlayan bir analiz yöntemidir. Ders kapsamında, bu analizin hangi durumlarda kullanılacağı, nasıl uygulanacağı ve elde edilen sonuçların nasıl yorumlanacağı uygulamalı olarak ele alınacaktır. Derse başlamadan önce, aşağıdaki veri setini indirerek uygulamaları birlikte yapabilirsiniz.
Ders 32: Kümeleme Analizi - 1 (Hiyerarşik Kümeleme)
Bu dersimizde, Kümeleme Analizi konusunun ilk bölümü olan Hiyerarşik Kümeleme Analizi anlatılmaktadır. Hiyerarşik kümeleme, benzer özelliklere sahip gözlemleri benzerlik veya uzaklık ölçütlerine göre gruplandırmayı sağlayan bir yöntemdir. Bu analiz, veri setindeki örüntüleri keşfetmek ve gruplar arasındaki benzerlik ilişkilerini görselleştirmek için sıklıkla kullanılır. Ders kapsamında, hiyerarşik kümelemenin temel kavramları, uygulama adımları (uzaklık ölçütleri, bağlama yöntemleri) ve dendrogram çıktısının nasıl yorumlanacağı uygulamalı olarak ele alınacaktır. Derse başlamadan önce, aşağıdaki veri setini indirerek analizleri birlikte uygulayabilirsiniz.
Ders 33: Kümeleme Analizi - 2 (K-Means Kümeleme)
Bu dersimizde, Kümeleme Analizi konusunun ikinci bölümü olan K-Means Kümeleme Analizi anlatılmaktadır. K-Means kümeleme, gözlemleri benzer özelliklerine göre önceden belirlenen küme sayısına (k) göre gruplandırmayı sağlayan bir yöntemdir. Bu analiz, özellikle büyük veri setlerinde hızlı ve etkili kümeleme yapma imkânı sunduğu için sıklıkla tercih edilir. Ders kapsamında, K-Means algoritmasının temel mantığı, uygulama adımları (küme sayısının belirlenmesi, merkezlerin atanması, iterasyon süreci) ve analiz sonuçlarının yorumlanması konuları uygulamalı olarak ele alınacaktır.
Derse başlamadan önce, aşağıdaki veri setini indirerek uygulamaları birlikte gerçekleştirebilirsiniz.
Not: Ders 32'de kullanılan veriler üzerinde çalışılmaya devam edilmektedir.
Ders 34: Kümeleme Analizi - 3 (İşi Aşamalı Kümeleme)
Bu dersimizde, Kümeleme Analizi konusunun üçüncü bölümü olan İki Aşamalı (Two-Step) Kümeleme Analizi anlatılmaktadır. İki aşamalı kümeleme, hem kategorik hem de sürekli değişkenleri aynı anda analiz edebilme özelliğiyle diğer yöntemlerden ayrılır. Büyük veri setlerinde otomatik küme sayısı belirleme ve ölçek farklılıklarını dengeleme avantajı sayesinde, pratik ve güçlü bir kümeleme tekniğidir. Ders kapsamında, iki aşamalı kümelemenin temel ilkeleri, ön kümeleme ve hiyerarşik birleştirme aşamaları ve çıktıların (küme profilleri, önem düzeyleri) yorumlanması uygulamalı olarak ele alınacaktır.
Derse başlamadan önce, aşağıdaki veri setini indirerek analizleri birlikte uygulayabilirsiniz..
Not: Ders 32'de kullanılan veriler üzerinde çalışılmaya devam edilmektedir.
Ders 35: Hayes PROCESS Modeli İle Düzenleyici (Moderatör) Değişken Analizi
Bu dersimizde, Hayes PROCESS Makrosu ile Düzenleyici (Moderatör) Değişken Analizi konusu ele alınmaktadır. Düzenleyici analiz, bir bağımsız değişkenin bağımlı değişken üzerindeki etkisinin, üçüncü bir değişkenin (moderatörün) düzeyine göre değişip değişmediğini incelemeyi amaçlar. Yani, moderatör değişken, iki değişken arasındaki ilişkinin gücünü veya yönünü etkileyen bir faktördür. Ders kapsamında, Hayes’in PROCESS eklentisi kullanılarak moderatör analizinin nasıl kurulacağı, Model 1 üzerinden uygulamalı bir şekilde gösterilecektir. Ayrıca, etkileşim teriminin oluşturulması, grafiksel yorumlama ve etkinin anlamlılık düzeylerinin incelenmesi adım adım açıklanacaktır.
Derse başlamadan önce, aşağıdaki örnek veri setini indirerek analizleri birlikte uygulayabilirsiniz.
devam edecek ...