SPSS GLM Options Penceresi – Tüm Ayarların Rehberi

GLM (General Linear Model) analizinde Options sekmesi, model çıktısında hangi istatistiksel bilgilerin üretileceğini belirler. Bu seçenekler, sabit etkiler modeli (fixed-effects model) esas alınarak hesaplanır.

📊 1. “Display” Bölümü – Görüntülenecek İstatistikler

Bu kısım, model çıktısına hangi tabloların ekleneceğini belirler.

✅ Descriptive statistics:

• Tüm hücrelerdeki bağımlı değişkenlerin gözlenen ortalama, standart sapma ve örneklem sayısını (N) gösterir.

✅ Estimates of effect size:

• Her etki için partial eta-squared (η²) değerini hesaplar.

• Bu istatistik, toplam varyansın ne kadarının ilgili faktör tarafından açıklandığını belirtir.

✅ Observed power:

• Testin gözlenen gücünü (power) verir.

• Alternatif hipoteze göre testin ne kadar güçlü olduğunu gösterir.

✅ Parameter estimates:

• Parametre tahminleri, standart hatalar, t değerleri, güven aralıkları ve test gücü (power) ile birlikte sunulur.

✅ Contrast coefficient matrix:

• Modeldeki kontrastların L matrisini (contrast coefficients matrix) verir.

• Bu tablo, kontrast testlerinde hangi katsayıların kullanıldığını görmeyi sağlar.

🧩 2. “Homogeneity Tests” – Varyans Homojenliği Testi

✅ Levene’s Test:

• Denekler arası tüm faktör düzey kombinasyonları için varyans eşitliği (homojenliği) test edilir.

• Eğer bu testin p değeri < 0.05 ise, varyanslar eşit değildir.

Bu test yalnızca between-subjects factors (denekler arası faktörler) için yapılır.

📈 3. Grafiksel Kontrol Seçenekleri

✅ Spread-versus-level plot:

• Varyansın tahmin edilen değerlere göre değişip değişmediğini görselleştirir.

✅ Residual plot:

• “Gözlenen – Tahmin edilen – Standartlaştırılmış artık” (observed-by-predicted-by-standardized residual) grafiği üretir.

• Homojenlik varsayımını (eşit varyans) değerlendirmek için kullanılır.

⚠️ Eğer modelde faktör yoksa bu seçenek devre dışı kalır.

🧮 4. Model Uyumunu Değerlendirme

✅ Lack of fit:

• Modelin bağımlı değişken ile bağımsız değişkenler arasındaki ilişkiyi yeterli şekilde açıklayıp açıklamadığını test eder.

🧠 5. General Estimable Function

Bu seçenek, kendi özel hipotez testlerini tanımlamana olanak tanır.

• Contrast coefficient matrix’teki satırlar, bu fonksiyonun doğrusal kombinasyonları olarak yorumlanır.

• Kullanıcı özel “L matrisi” oluşturabilir.

🔍 6. Heteroskedasticity Tests – Değişen Varyans Testleri

Bu bölüm, hata terimlerinin varyansının bağımsız değişkenlerle değişip değişmediğini (heteroskedastisite) sınar.

Kullanılabilir testler:

• Breusch–Pagan Testi

• Modified Breusch–Pagan Testi

• F Testi

Varsayılan model şu bileşenleri içerir:

• Sabit terim (constant)

• Tahmin edilen değerlere doğrusal terim

• Tahmin edilen değerlere ikinci dereceden (quadratic) terim

• Hata terimi (error term)

🧱 7. Parameter Estimates with Robust Standard Errors

Bu seçenek, katsayı tahminlerini robust (heteroskedasticity-consistent) standart hatalarla birlikte verir.

Beş farklı HC (Heteroskedasticity-Consistent) yöntem mevcuttur:

HC Tipi	Açıklama
HC0	“Sandviç (sandwich)” tahminciye dayanır; OLS veya WLS artıklarının kareleri kullanılır.
HC1	HC0’ın küçük örneklem düzeltmesidir; N/(N–p) ile çarpılır.
HC2	Kare artıklar, (1–h) ile bölünür; h = leverage (etki ölçüsü).
HC3	Jackknife yaklaşımına benzer; artıklar (1–h)² ile bölünür.
HC4	(1–h) üssü h, N, p’ye göre değişen bir katsayıyla bölünür (üst sınır = 4).

🎯 8. Significance Level – Anlamlılık Düzeyi Ayarı

Buradan:

• Post hoc testlerde kullanılacak α (anlamlılık düzeyi) değerini,

• Güven aralığı için kullanılacak confidence level (güven düzeyi) değerini belirleyebilirsin.

SPSS, bu değere göre hem confidence interval (CI) hem de observed power hesaplarını otomatik olarak günceller.

🧭 SPSS’te Bu Ayarları Nasıl Uygularsın?

1. Menüden: Analyze → General Linear Model → Univariate...

2. Pencere açıldığında: Options... düğmesine tıkla.

3. İstediğin istatistikleri (örneğin “Descriptive statistics”, “Observed power”, “Effect size”) işaretle.

4. “Continue” → “OK” tuşlarıyla işlemi tamamla.