ONE-WAY MANOVA |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Arif OZER Hacettepe Üniversitesi |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tek yönlü manova analizi ile bir bağımsız değişkenin, birden fazla bağımlı değişken üzerindeki etkisi incelenmektedir. Bağımlı değişkenler sürekli verilerden oluşurken (test puanı gibi), bağımsız değişken lise I, II ve Lise III gibi birden fazla düzeyden (level) oluşmaktadır. İki ve daha fazla bağımlı değişkenin aynı anda analiz edilmesi experiment (µ) error'u önlemektir. Manova'nın yapılabilmesi için gözlemler bağımsız olmalı, aynı zamanda bağımlı değişkenlerdeki gözlemler her grupta multivariate normal dağılım göstermelidir. Ayrıca populasyon covaryans matrisi bağımlı değişkenler için eşit olmalıdır. Örnek Üç Öğretme Yöntemi başarı düzeyleri açısından test I ve test II bir farklılık göstermekte midir?
BOX'ın Covaryans Matris Eşitliği Testi
Levene'nin Varyans Homojenliği Testi
KAYNAKÇA Grimm, Laurence G. & Yarnold, P. (1995) Reading And Understanding Multivariate Statistics, American Psychological Association, Washington, Samuel B. Green&Neil J. Salkind& Theresa M. Akey. Using SPSS for Windows 2nd Edit. New Jersey 2000. Stevens, J. (1996) Applied Multivariate Statistics For The Sciences, III. edit. Lawrance Erlbaum Asc. New Jersey Tabachnick, B. G. Fidell, L. S. (1996) Using Multivariate Statistics, III.edit. HarperCollins College Pub. New York
|
Denekler-Arası Etki Testi
Eşli Karşılaştırmalar
Ortalama fark için önem düzeyi .025 ve (I. tip hatayı önlemek için) Bonferroni düzeltmesi yapıldı Multivariate Test
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Lamda (l) küçük çıktığında, bağımsız değişkenlerce açıklanan varyansın da küçük olduğu anlamına gelir. h2 (eta kare) ise, bağımsız değişkenlerin etkisiyle açıklanan varyans oranıdır.
Yayılma matrisinin homojenlik testi (Boxın M istatistiği): F(6,18169)=1.04, P=.398. l =.42, F(4,52)=7.03, P<.001 Bağımlı değişkenden elde edilen puanlardaki populasyon ortalamalarının üç öğretme yöntemi için aynı olduğunu reddediyoruz. H0=RED. h2=.35, bu da bağımlı değişkenlerdeki çok yönlü (multivariate) varyansın 35%inin bağımsız değişken tarafından açıklandığını göstermektedir. MANOVA ile tutarlı olması için izleme analizleri yapılır. Bunlar Multiple Univariate Anova, Stepdown Analiz, Discriminant Analiz, Bağımlı Değişken Katkısı Analizi ve Multivariate Contrast testleridir. Bu örnekte Univariate Anova olanı verilmiştir. Bu analizde Alfa hatasını (a) önlemek amacıyla (.05 / bağımlı değişken sayısı) a=0.25 alınmıştır. Raporun bu bölümünde F(2,27)= 17.11, P<.001 değerleri verilmelidir. Test I için (pairwise) eşli (pairwise) karşılaştırmalar yapılmalı ve bu işlemler sırasında a=.008 olarak belirlenmelidir. MANOVAnın sayıtlıları da kontrol edilmeli, dağılımın normalliğine verilerin yapısına bağlı olarak Shapiro-Wilk test ya da Kolmogorov-Smirnov testlerinden biri ile bakılmalı, ayrıca varyanslarının homojenliği incelenmelidir. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|