Bir eğitim araştırmacısı, ilköğretim öğrencilerinden oluşan bir örneklem üzerinde üç farkl… — KPSS İstatistik

Bir eğitim araştırmacısı, ilköğretim öğrencilerinden oluşan bir örneklem üzerinde üç farklı okuma stratejisi eğitiminin (Sesli Okuma, Sessiz Okuma, Gözle Tarama) etkilerini incelemek üzere bir deneysel çalışma tasarlamıştır. Araştırma sonucunda her bir öğrenciden "okuduğunu anlama puanı", "okuma hızı (kelime/dakika)" ve "dikkat süresi (dakika)" olmak üzere üç farklı nicel (sürekli) ölçüm elde edilmiştir. Literatür taraması ve pilot çalışmalar, bu üç bağımlı ölçüm arasında istatistiksel olarak anlamlı düzeyde pozitif korelasyon bulunduğunu göstermektedir.

Buna göre araştırmacının bu veri yapısı için kurgulaması gereken en uygun istatistiksel analiz modeli, bu modelin tercih edilmesinin temel kuramsal gerekçesi ve test edeceği çok değişkenli yokluk hipotezi ( $H_0$ ) aşağıdakilerin hangisinde doğru olarak verilmiştir?

(Not: $\boldsymbol{\mu}_i$ , $i$ . gruba ait kitle ortalama vektörünü, $\boldsymbol{\Sigma}_i$ ise varyans-kovaryans matrisini temsil etmektedir.)

Model: Tek Yönlü MANOVA
Gerekçe: Tek bir kategorik bağımsız değişkenin, birbiriyle korelasyonlu çoklu sürekli bağımlı değişkenler üzerindeki eşzamanlı etkisini test ederek, ayrı analizlerde oluşacak Tip I (Alfa) hatası şişkinliğini önlemek.
** $H_0$ Hipotezi:** $\boldsymbol{\mu}_1 = \boldsymbol{\mu}_2 = \boldsymbol{\mu}_3$ Answer
B
Model: Üç ayrı Tek Yönlü ANOVA
Gerekçe: Her bir sürekli bağımlı değişkeni kategorik bağımsız değişkene göre ayrı ayrı test ederek, bağımlı değişkenler arası korelasyonun modelin açıklayıcı gücünü düşürmesini engellemek.
** $H_0$ Hipotezi:** Her $j$ bağımlı değişkeni için $\mu_{1j} = \mu_{2j} = \mu_{3j}$
C
Model: Üç Yönlü (Faktöriyel) ANOVA
Gerekçe: Üç sürekli bağımlı değişkenin modeldeki ana etkilerini ve birbirleriyle olan etkileşim (interaksiyon) etkilerini kategorik bağımsız değişkene göre ayırmak.
** $H_0$ Hipotezi:** $\boldsymbol{\mu}_1 + \boldsymbol{\mu}_2 + \boldsymbol{\mu}_3 = \boldsymbol{1}$
D
Model: Diskriminant Analizi
Gerekçe: Sürekli değişkenleri yordayıcı, kategorik ölçümü ise hedef değişken olarak ele alıp grupları en iyi şekilde birbirinden ayıran doğrusal fonksiyonu elde etmek.
** $H_0$ Hipotezi:** $|\boldsymbol{\mu}_1| = |\boldsymbol{\mu}_2| = |\boldsymbol{\mu}_3|$
E
Model: Tek Yönlü MANOVA
Gerekçe: Kategorik gruplara ait çok değişkenli hata varyans-kovaryans matrislerinin evrende homojen bir dağılım gösterip göstermediğini eşzamanlı olarak sınamak.
** $H_0$ Hipotezi:** $\boldsymbol{\Sigma}_1 = \boldsymbol{\Sigma}_2 = \boldsymbol{\Sigma}_3$

Answer

Doğru yaklaşım, tek bir kategorik bağımsız değişkenin aralarında korelasyon bulunan çoklu sürekli bağımlı değişkenler üzerindeki etkisini eşzamanlı test eden Tek Yönlü MANOVA modelidir. Bu model Tip I hata şişkinliğini önler ve hipotezini ortalama vektörlerinin eşitliği üzerinden kurar.

Verilen deneysel desende bir kategorik bağımsız değişken ve üç sürekli bağımlı değişken bulunmaktadır. Bağımlı değişkenlerin birbiriyle korelasyonlu olması, ayrı ayrı ANOVA yapılmasını engeller; çünkü her bağımsız testte yapılan Tip I hata payı kümülatif olarak artarak hata şişkinliği (inflation) yaratır. Tek Yönlü MANOVA, bu değişkenleri matris cebiri ile eşzamanlı analiz ederek hata payını kontrol altında tutar. MANOVA'nın temel yokluk hipotezi ise grupların çok değişkenli kitle ortalama vektörlerinin (

\boldsymbol{\mu}

) birbirine eşit olduğu yönündedir.

Step-by-Step Solution

Değişken türlerini ve analizin amacını belirleme

Bağımsız değişken: Okuma Stratejisi (Kategorik - 3 düzey). Bağımlı değişken: 3 adet ölçüm (Sürekli ve korelasyonlu). Amaç: Gruplar arası farkı test etmek.

Değişkenlerin ölçüm türleri ve çalışmadaki rolleri (bağımlı/bağımsız), kullanılacak temel istatistiksel modeli belirler.

Çoklu bağımlı değişken sorununun çözümünü seçme

Birden fazla korelasyonlu bağımlı değişken için ayrı ayrı ANOVA yapılması yerine MANOVA kullanılmasına karar verilir.

Korelasyonlu verilerde ardışık ANOVA testleri yapmak, Tip I (Alfa) hatasını şişirir. MANOVA eşzamanlı değerlendirme ile bu riski engeller.

Yokluk hipotezini (

H_0

) matris cebiri formunda kurgulama

Hipotez skaler değil, vektörel olarak

H_0: \boldsymbol{\mu}_1 = \boldsymbol{\mu}_2 = \boldsymbol{\mu}_3

biçiminde tanımlanır.

Çok değişkenli analizlerde her gruba ait ortalamalar bir sütun vektörü (

\boldsymbol{\mu}

) oluşturur, test bu vektörler üzerinden yürütülür.

Key Concept

MANOVA'nın Gerekçesi ve Vektörel Hipotez Kurulumu

Question

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Topics

More questions from this topic