İleri İstatistik Teknikleri

Slides:



Advertisements
Benzer bir sunumlar
İLİŞKİLERİ İNCELEMEYE YÖNELİK ANALİZ TEKNİKLERİ
Advertisements

Model Geçerliliğinin Belirlenmesi
Analysis of Variance/Multiple ANOVA
KOVARYANS ANALİZİ (ANCOVA)
R2 Belirleme Katsayısı.
TEK YÖNLÜ VARYANS ANALİZİ
Araştırma Yöntemleri.
İlişkisel Veri Analizi
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ
STANDART SAPMA ARAŞ.GÖR. MURAT TANDOĞAN

Prof. Dr. Hüseyin BAŞLIGİL
KOŞULLU ÖNGÖRÜMLEME.
Değişkenlik Ölçüleri.
EĞİTİMDE ÖLÇME VE DEĞERLENDİRME
yunus.hacettepe.edu.tr/~tonta/courses/spring2008/bby208/
İKİDEN ÇOK (K) ÖRNEKLEM TESTLERİ
Merkezi Eğilim (Yer) Ölçüleri
THY Örneği Verilerin Diskriminant Analizi İle Açıklanması
DEĞİŞKENLİK ÖLÇÜLERİ.
TEK YÖNLÜ MANOVA Birden fazla bağımlı değişkene tek bir bağımsız değişkenin etki ettiği durumlarda Tek Yönlü MANOVA kullanılır. Tek yönlü MANOVA da başlangıç.
14.ULUSAL TURİZM KONGRESİ 2013 YILI BİLDİRİLERİ ÜZERİNE BİR DEĞERLENDİRME Prof. Dr. A. Celil ÇAKICI Mersin Üniversitesi Turizm Fakültesi.
ARAŞTIRMA TÜRLERİ Araştırma Nedir? Araştırma Türleri
Betimleyici İstatistik – I
Merkezi Eğilim (Yer) Ölçüleri
GÖRÜNÜRDE İLİŞKİSİZ REGRESYON MODELLERİ
ÇOKLU DOĞRUSAL BAĞLANTI
Ölçme Sonuçlarının Değerlendirilmesi
21 - ÖLÇME SONUÇLARI ÜZERİNE İSTATİSTİKSEL İŞLEMLER
ÇOKLU DOĞRUSAL BAĞLANTI
Meta Analizinde Son Gelişmeler
İSTATİKSEL KAVRAMLAR İstatistik Doç. Dr. Şakir GÖRMÜŞ SAÜ| e-FEK.
ARAŞTIRMA TEKNİKLERİ.
NEDEN İSTATİSTİK? 1.
Sıklık Tabloları ve Tek Değişkenli Grafikler
Mehmet Vedat PAZARLIOĞLU KUKLA DEĞİŞKENLER. Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi.
KISIM II Matematiksel Kavram ve Prosedürlerin Gelişimi BÖLÜM 21 Veri Analizi Kavramlarının Gelişimi.
ÖĞRENME AMAÇLARI Veri analizi kavramı ve sağladığı işlevleri hakkında bilgi edinmek Pazarlama araştırmalarında kullanılan istatistiksel analizlerin.
Bilişim Teknolojileri için İşletme İstatistiği
Asimetri ve Basıklık Ölçüleri
Bölüm 03 Sayısal Tanımlama Teknikleri
Parametrik Hipotez Testleri
ÖĞRENME AMAÇLARI Tahmin kavramını anlamak Pazarlama araştırmacılarının regresyon analizinden nasıl faydalandığını öğrenmek Pazarlama araştırmacılarının.
Maliye’de SPSS Uygulamaları
Parametrik ve Parametrik Olmayan Testler Ortalamaların karşılaştırılması t testleri, ANOVA Mann-Whitney U Testi Wilcoxon İşaretli Sıra Testi Kruskal Wallis.
Korelasyon testleri Pearson korelasyon testi Spearman korelasyon testi Regresyon analizi Basit doğrusal regresyon Çoklu doğrusal regresyon BBY252 Araştırma.
Parametrik ve Parametrik Olmayan Testler Ortalamaların karşılaştırılması t testleri, ANOVA Mann-Whitney U Testi Wilcoxon İşaretli Sıra Testi Kruskal Wallis.
İSTATİSTİK II Örnekleme Dağılışları & Tahminleyicilerin Özellikleri.
OLASILIK ve İSTATİSTİK
Lineer Regresyon. Amaç: Bu konu sonunda Tıp Fakültesi 1. sınıf öğrencilerinin çeşitli bağımsız değişkenleri kullanarak bir nümerik değişkenin değerini.
REGRESYON VE KORELASYON ANALİZLERİ
Ölçme ve Değerlendirme
ARAŞTIRMA YÖNTEM ve TEKNİKLERİ
TEMEL BETİMLEYİCİ İSTATİSTİKLER

İSTATİSTİĞE GİRİŞ.
SPSS Uygulamaları Parametrik İstatistik
DEĞİŞKENLİK ÖLÇÜLERİ.
ÖLÇME-DEĞERLENDİRME 8. SINIF
ÖDE5024 DAVRANIŞ BİLİMLERİNDE İSTATİSTİK Yüksek Lisans
UYGULAMA II.
DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA
Toplumsal Araştırma.
1.Hafta Haftalık Çizelge Temel Kavramlar SPSS’ e giriş
DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA
Korelasyon testleri Pearson korelasyon testi Spearman korelasyon testi Regresyon analizi Basit doğrusal regresyon Çoklu doğrusal regresyon BBY606 Araştırma.
DAVRANIŞ BİLİMLERİNDE İLERİ İSTATİSTİK DOKTORA
Sunum transkripti:

İleri İstatistik Teknikleri Üç tür yalan vardır: Yalan, Kuyruklu Yalan, İstatistik Benjamin Disraeli Dördüncü tür yalan İleri İstatistiktir, Emre Yeterince döndürürseniz veriye her türlü bulguyu itiraf ettirtebilirsiniz.... Anonim “Hayat fena halde futbola benzer: dört doğru pas yüzde 90 gol demektir” Bir filmden

İleri İstatistik Teknikleri ? Neden “ileri” teknikler? Amaç: Eldeki “veriyi” “bilgiye” dönüştürebilmek - Veri vs. Bilgi

İstatistiksel Yöntemler Betimleyici (Descriptive) Yöntemler Verili herhangi bir dağılımı bir ya da birden çok katsayıda anlatabilmek - Örn: şirkettekilerin yaş ortalaması Açıklayıcı (Explanatory) Yöntemler Bir veri setinde olası ilişkileri sergilemek - Örn: Şirkettekilerin ayakkabı numaralarıyla aldıkları maaş arasındaki ilişki

Betimleyici Yöntemler Amaç: Eldeki dağılımı en iyi şekilde temsil etmek Araçlar: Ortalama: Medyan: Mod:

Betimleyici Yöntemler Veeee.... Varyans/Standart Sapma: Neden:

İki Dağılımın Hikayesi 6,6,6 Ortalama: 6 Medyan: 6 Mod: 6 Std. Sapma: 0 Dağılım: 0,6,12 Ortalama: 6 Medyan: 6 Mod: 6 Std: Sapma: 6 Amaç: Görünenin Ötesine Bakabilmek

Açıklayıcı Analizler Amaç: Verili bir sette olası ilişkileri keşfetmek ya da öngörülen hipotezleri test etmek

Görünen....

Görünenin Arkası.... Genel Ortalama: 51, Std. Sapma: 22 Kadınlar Ortalama: 46, Std. Sapma: 23 Erkekler Ortalama: 46, Std. Sapma: 21

Örnek: Internet Kullanımı

Ve Görünenin Arkası... Erkekler Kadınlar

Açıklayıcı Analizler Amaç: İlk bakışta görül(e)meyen ilişkileri sergileyip ilişkisel açıklamalar getirmek Y= f(x) ie: İnternet kullanımı= f(cinsiyet) ie: Yaşam biçimi= f(gelir) ie: Tüketim kalıpları= f(yaşam biçimi)

Örnek: Gelişmişlik ve Yaşam Kalitesi BM verilerinden elde edilen bir tablo... Araştırma sorusu: Gelişmişlik ve Yaşam Kalitesi arasındaki ilişki İşlemleştirme: Gelişmişlik: Kişi Başına Düşen GSMH Yaşam Kalitesi: Çocuk ölümleri

Gruplanmış Veri   

Scatterplot

Sorular Ne Kadar Yeterli? Grafiği ne kadar temsil ediyor? Ne gibi çıkarımlar yapabiliyoruz? “Forecasting” yapılabiliyor mu? İlişkinin “boyutu” ve “yönü” ölçülebiliyor mu? Ne Kadar Yeterli?

Amaç: Daha iyi analiz, daha iyi veri Covariance (kovaryans) Correlation Coefficient (korelasyon)

Sonuçlar Covariance: 2115,318 Correlation: -0,60165 Çıkarılacak Sonuç Ne?

Amaç: Nedensel İlişkileri Göstermek Y= f(x) X, Y’nin belirleyicisi mi? X, Y’yi ne kadar belirliyor? X, Y’yi ne yönde belirliyor?

Regresyon Analizi Y= f(x) Y= a+bx Regresyon Denklemi:

Scatterplot

Regresyon Katsayılarının Hesaplanması

Regresyon Analizi Sonuçları

Regresyon Analizinin Açılımları Çoklu Regresyon Kukla Değişkenli Regresyon (Dummy Variable) Binomial/Multinomial Regression

Regresyon Analizinin “cız-kaka”ları Arkasında çok ciddi üç varsayım vardır. Regresyon analizi sadece “interval” ya da “ratio” ölçümleme düzeyinde yapılır “Do not use any mathematical model without understanding it”

Kümeleme ve Birleştirme Analizleri Bütün olgular birbiriyle ilişkilidir. Aradaki ilişkinin 0 olduğu yerde bile... Birleştirme analizlerinin amacı olguların birbirleriyle olan ilişkilerinden yola çıkarak işimizi kolaylaştırmaktır 1. Değişken sayısını azaltabilirler 2. Vaka sayısını azaltabilirler 3. Boyut sayısını azaltabilirler

Faktör Analizi: Değişken Sayısını Azaltmak Analize tabi bütün değişkenler birbiriyle ilişkili. Bu değişkenlerin bazıları birbirleriyle daha kuvvetli ilişki sahibi. Kuvvetli ilişki sahibi değişkenleri birleştirerek aza indirmek mümkün. Değişkenlerarası korelasyon matrisi kullanılarak “faktör”ler inşa ediliyor

Faktör Analizi

“Case” Sayısı Azaltmak: Clustering Verili değişkenler bazında analize alınan “case”ler birbirlerine benzerler Bu benzerlik bir ya da daha fazla boyutta olabilir Benzerliklerden yola çıkarak “clusters” oluşturmak mümkün Benzerlikler metric mesafelerle ölçülüyor

Cluster Analysis I

Cluster Analysis II

Cluster Analysis III

Boyut Sayısını Azaltmak: MDS Analizde gözönünde tuttuğumuz her değişken bir “boyut” sayılabilir. İki-üç boyuttan fazlasını “visualize” etmek kolay değil. Değişkenler arasındaki uzaklıktan yola çıkılarak bu boyut sayısı azaltılabilir. Değişkenler arasındaki uzaklıklar metric olarak ölçülebilir

MDS

Ve mutlu son.... “İstatistiksel araçlarınız ne kadar güçlü, ne kadar gelişmiş olursa olsun, unutmamanız gereken tek şey var: Bu verileri okuma yazması olmayan demiryolu bekçileri topladı” Sir John Maynard Keynes