Faktör analizinde Keiser-Meyer-Olkin değeri örneklem büyüklüğünün yeterli olduğunu mu gösterir?
Hayır. Bu değer toplanan verilerin yapsının faktör analizi yapmaya uygunluğuna bakar. Örneklemi iyi/yeterli/temsil edici seçmişiz demek için kullanılabilmesi mümkün değildir. İngilizce kaynaklarda geçen sampling adequecy içinde yer alan sampling yaygın bilinen örneklem anlamında kullanılmamaktadır. Ayrıntılı bilgi için:
Cerny, C.A., & Kaiser, H.F. (1977). A study of a measure of sampling adequacy for factor-analytic correlation matrices. Multivariate Behavioral Research, 12(1), 43-47.
Kaiser, H. 1974. An index of factor simplicity. Psychometrika 39: 31
Açımlayıcı faktör analizi yaptıktan sonra doğrulayıcı faktör analizi yapmalı mıyım?
Eğer açımlayıcı faktör analizinde elde ettiğiniz faktör yüklerini kullanarak doğrulayıcı faktör analizi yapıyorsanız olabilir. Aksi durumda açımlayıcı ile doğrulayıcı faktör analizi arasında her zaman için bir boşluk olacaktır. Gerçekte daha iyi doğrulanabilecek bir modelden daha kötü bir modeli doğruluyor olursunuz. Bu konuda https://www.istatistik.gen.tr/?p=644 adresindeki yazıyı okuyabilirsiniz.
Çalışmam için 100 kişi yeter mi? Kaç kişi yeterli sayıdır?
Ölçeceğiniz konu ya da konuların gruptaki dağılımı kişi sayısını belirler. Ölçeceğiniz konu toplumda heterojen bir dağılım gösteriyorsa örneklemde herkes temsil edilebilsin diye daha geniş bir gruptan örneklem almalısınız. Eğer ölçeceğiniz konu toplumda homejen dağılıyorsa herkes az çok birbirine benziyor demektir. Bu nedenle az sayıda kişi ile çalışma yapabilirsiniz. Örneğin Türkiye’de gelir homojen dağılmaktadır. Büyük çoğunluk birbirine yakın gelir düzeyine sahiptir. O halde yüzbinlerce insana geliriniz ne kadar diye sormaya gerek yoktur. Az sayıda kişiye sorulup genel hakkında bilgi edinilebilir. Buna karşılık hastalık türleri heterojen bir dağılıma sahiptir. Az sayıda kişiye sorup Türkiye’de genelde şu hastalık var demek mümkün değildir. Her türlü hastalığa rastlamak mükündür. O halde örneklemi geniş tutup örneklemin içinde her türlü hastalığın gözlenilmesi ihtimalini arttırmak gerekir. Bu konuda örneklem sayısı belirleme amacıyla güç analizi ve örnekleme türleri konularına bakabilirsiniz.
Dağılım normal değil ne yapmalıyım?
Öncelikle normal olması gerekiyorsa neden normal değil diye araştırmalısınız. Outlier denen uç değerler mi var, örnekleme hatası mı yapılmış, yoksa dağılım yerine bir blok ile mi karşı karşıyasınız. Bunları anlamanın yolu dağılımın grafiğini çizdirmektir. Ardından dağılımı normalleştirmeye çalışabilirsiniz. Outlier atarak veya çeşitli dönüştürme yöntemlerini kulanarak (ark sinüs, logratitmik, karekök, ters vb.) normallik sağlamaya çalışabilirsiniz. Eğer normalliği sağlayamayacağınızı düşünüyorsanız Parametrik olmayan testleri kullanabilirsiniz.
z puanlarına döndürmek normallik sağlar mı?
Hayır. dağılımınız çarpıksa z puanlarına döndürdüğünüzde dağılım aynı çarpıklığı koruyarak z puanlarına döndürülür. z puanları normalleştirmek için kullanılmaz. z puanları ölçümlerin ortalamadan ne kadar uzak olduğunu standart sapma cinsinden veren bir değerdir. Uzaklığı gösterir düzeltme yapmaz.
p değeri 0.05’in üzerinde ama ortalamalar arasında büyük fark var nasıl yorumlamalıyım?
Ortalamalar arasında binlerce puanlık fark olsa da iyi bir örneklem ve yöntembilim kurallarına uyularak toplanmış bir datada analizin p değeri 0.05’in üzerindeyse yapılabilecek en iyi yorum şudur: Bu örneklemlerin ortalamalarının birbirlerinden farklı olduğunu söyleyebilecek yeterli kanıt bulunmamaktadır. Bu nedenle ortalamalar farklı olsa bile p değeri 0.05’in üzerindeyse bu ortalamalar birbirine benzer kabul edilmeye devam edilecektir.
İstatistik analizler için hangi programı öneriyorsunuz
Verilerinizi Libreoffice’in Calc ögesinde veya google sheets uygulamasında girdikten sonra
Varsa Madde analizleri için Jmetrik
Geçerlilik ve güvenirlik dahil Tüm analizler için Jasp
İleri düzey analizler ve uygulamalar için R (R studio) kullanabilirsiniz.
Bu programların hepsi ücretsizdir.
Deney ve kontrol grubum var ön test sontest yaptım hangi analizi yapmalıyım
Split plot anova diğer adıyla karışık desenler için anova deney ve kontrol gruplarının ön testten sonteste olan değişimlerin anlamlı farklılık gösterip göstermediğini test etmek için kullanılabilir. Ayrıca iki grup ve iki ölçümünüz varsa sontestten ön test puanlarını çıkararak bu fark puanlarına anova veya t testi de uygulayabilirsiniz. İkiden çok grup veya ölçüm için split plot anova yapmanız uygun olacaktır. Gruplardaki kişi sayıları küçükse veya dağılım/varsayım sorunlarınız varsa şu yazı işinze yarayabilir: https://www.istatistik.gen.tr/?p=1079
Bir yanıt yazın