Özet: SPSS'de MANOVA analizine odaklanan pratik alıştırmalar.
Öğrenme Hedefleri:
SPSS kullanarak MANOVA testleri yapma ve çok değişkenli sonuçları yorumlama becerilerini geliştirmek.
Birden fazla bağımsız değişkenin birden fazla bağımlı değişken üzerindeki etkilerinin aynı anda nasıl analiz edileceğini öğrenin.
MANOVA analizlerinden elde edilen çıktıları yorumlama ve sonuçların genel anlamlılığını anlama konusunda pratik yapma.
Manova'da modelde en az iki bağımlı değişken bulunur. Analizde birden fazla kategorik değişken (kovaryant değil) olması mümkündür.
Bu örnek için SPSS örneklerinden customer_dbase.sav veri setini kullanacağız.
customer_dbase.sav dosyasını seçin.
Üst menüden Analyze bölümüne tıklayın.
Analyze altında General Linear Model bölümünü bulun. Ardından Multivariate… düğmesine tıklayın.
Tıkladığınızda aşağıdaki menüyü göreceksiniz:
Bağımlı değişkenler olarak Dakika cinsinden Yolculuk Süresi (commutetime) ve Kredi Kartı Borcu Logaritması (Increddebt) ve kategorik bağımsız değişken olarak Eğitim Seviyesi (edcat) kullanıyoruz.
İkinci adım olarak, model düğmesine tıklayın:
Tam faktöriyel modeli kullanın ve Continue düğmesine tıklayarak ana menüye dönün.
Şimdi Post Hoc düğmesine tıklayın ve post hoc testi için edcat değişkenini seçin.
Tukey ve Bonferroni testlerine tıklayın. Ayrıca Tamhane’s ve Dunnett’s testlerine de tıklayabilirsiniz. Sonuçlar varyansların eşit olarak dağıtılmadığını gösteriyorsa, bu testleri kullanabilirsiniz.
İşiniz bittiğinde Continue düğmesine tıklayın.
Şimdi ana menüde Options düğmesine tıklayın.
Tanımlayıcı İstatistikler, Etki büyüklüğü tahminleri ve homojenlik testlerini seçin ve devam düğmesine tıklayın.
Konular arası faktörler tablosu, her kategoride kaç örnek olduğunu gösterir.
Tanımlayıcı istatistik tablosu, her kategoride kaç örnek olduğunu ve bunların ortalama ve standart sapmalarını gösterir.
MANOVA'nın varsayımlarından biri kovaryans matrislerinin eşitliğidir. Sonuç tablosunun altında görebileceğiniz gibi, testin sıfır hipotezi, bağımlı değişkenlerin kovaryans matrislerinin gruplar arasında eşit olmasıdır. Sonuçların gösterdiği gibi, Sig. (p değeri) 0.05'in üzerindedir, bu da anlamlı anlamına gelir. Bu nedenle sıfır hipotezini kabul ediyoruz ve analize devam edebiliriz.
Çok değişkenli testler, Sig. (p-değeri) 0.05'in altında olduğu için modelin anlamlı olduğunu göstermektedir. Böylece analize devam edebiliriz.
MANOVA'nın bir diğer varsayımı, bağımlı değişkenlerin hata varyanslarının gruplar arasında eşit olduğudur. Levene'nin testi, bağımlı değişkenlerin her ikisinin de Sig. (p-değeri) 0.05'in üzerindedir. Bu nedenle, sıfır hipotezini kabul ediyoruz ve analize devam ediyoruz.
Sonuçlara göre, lise mezunları ile üniversite mezunlarının yolculuk süreleri arasında anlamlı bir fark vardır. Lise mezunlarının yolculuk süreleri, üniversite mezunlarından %75 daha fazladır. Bu sonucun ana nedeni, üniversite mezunlarının pazarlık gücü ve/veya iş bulma şanslarının, lise mezunlarına göre daha yüksek olması ve yaşadıkları yere daha yakın iş bulabilmeleridir.
Kredi Kartı Borcu sonuçlarına göre, eğitim kategorileri arasında birkaç önemli fark vardır. Örneği kısa tutmak için sadece üniversite diplomasına sahip kişileri inceleyeceğiz. Lise mezunu olmayan, lise mezunu olan ve bazı üniversite eğitimi alan kişilerle karşılaştırıldığında, üniversite diplomasına sahip kişiler sırasıyla %41, %29 ve %19 daha fazla borca sahiptir. Lisansüstü derece ile üniversite diploması arasında anlamlı bir fark yoktur. Üniversite diplomasına sahip kişilerin daha fazla borca sahip olmasının ana nedeni, bu kişilerin basitçe daha fazla para kazanmaları ve dolayısıyla daha yüksek borca sahip olmalarıdır. Sonuçlar, mezuniyet derecesi yükseldikçe borç yüzdesinde bir azalma olduğunu göstermektedir.
