SPSS GLM Options: Sabit Etkiler Modelinde İsteğe Bağlı İstatistikler
- Nominal Analiz
- 28 Eki 2025
- 2 dakikada okunur
GLM Options penceresi, Genelleştirilmiş Lineer Model (GLM) analizinde ek istatistiklerin ve varsayım kontrollerinin ayarlanmasını sağlar. Bu seçenekler, sabit etkiler (fixed-effects) modeline dayanarak hesaplanır ve hem modelin uygunluğunu hem de sonuçların güvenilirliğini değerlendirmek için kullanılır.
📊 Görüntülenecek İstatistikler (Display)
Bu bölümde farklı istatistiksel çıktılar etkinleştirilebilir:
Descriptive statistics:
Her bağımlı değişken için gözlenen ortalamalar, standart sapmalar ve frekanslar (n değerleri) gösterilir.
Estimates of effect size:
Her etki için Partial Eta-Squared (η²) değeri hesaplanır. Eta-squared istatistiği, toplam varyansın hangi oranda ilgili faktöre ait olduğunu gösterir.
Observed power:
Her testin, gözlenen etki büyüklüğüne göre hesaplanan gücünü (power) verir.
Parameter estimates:
Parametre tahminleri, standart hatalar, t-testleri, güven aralıkları ve her testin gözlenen gücüyle birlikte gösterilir.
Contrast coefficient matrix:
Tanımlanmış karşılaştırmalar (contrasts) için oluşturulan L matrisi listelenir.
🧩 Homogeneity Tests ve Varsayım Kontrolleri
Homogeneity tests:
Levene testi, tüm denekler arası faktör düzey kombinasyonlarında varyansların eşitliğini kontrol eder. (Bu seçenek yalnızca “between-subjects” faktörleri için etkindir.)
Spread-versus-level ve residual plots:
Bu grafikler, model varsayımlarını kontrol etmek için kullanılır. Özellikle varyans homojenliği ve hataların dağılımını görsel olarak değerlendirmeyi sağlar.
Residual plot:
Her bağımlı değişken için gözlenen değer – tahmin edilen değer – standartlaştırılmış kalıntı ilişkisini gösterir. Bu grafikler eşit varyans varsayımının (homoscedasticity) sağlanıp sağlanmadığını incelemeye yardımcı olur.
Lack of fit:
Modelin bağımlı değişken ile bağımsız değişkenler arasındaki ilişkiyi yeterince açıklayıp açıklamadığını test eder.
General estimable function:
Kullanıcının kendi tanımladığı hipotezleri test edebilmesi için özel doğrusal kombinasyonlar (genel tahmin edilebilir fonksiyonlar) oluşturmasına olanak tanır.
📈 Heteroskedasticity Tests
Bu testler, hata varyansının bağımsız değişkenlerin değerlerine bağlı olup olmadığını (heteroskedastisite) araştırır.
Mevcut testler:
Breusch–Pagan Testi
Modified Breusch–Pagan Testi
F Testi
Bu testlerde, model aşağıdaki terimlerden oluşur: sabit terim, tahmini değerlere doğrusal terim, tahmini değerlere ikinci dereceden (kare) terim ve hata terimi.
🧮 Parametre Tahminleri – Robust (Dayanıklı) Standart Hatalar
Modelin parametre tahminleri, heteroskedastisiteye dayanıklı (HC) standart hatalarla birlikte gösterilebilir. Bu durumda tablo; tahmin değerlerini, sağlam standart hataları, t-istatistiklerini, anlamlılık değerlerini ve güven aralıklarını içerir.
Beş farklı robust kovaryans matrisi yöntemi kullanılabilir:
HC0: Orijinal “sandwich” kovaryans tahmincisine dayalıdır.
HC1: HC0’ın örneklem büyüklüğüne göre (N / (N – p)) düzeltme yapılmış versiyonudur.
HC2: HC0’ı, her bir gözlem için kaldıraç (leverage, h) değerine göre 1–h’ye böler.
HC3: Jackknife benzeri tahminciye yaklaşır; kalanların karesi (1–h)²’ye bölünür.
HC4: HC0’ın değişken bir üssel biçimidir; h, N ve p değerlerine göre (üst sınır = 4) dinamik olarak hesaplanır.
🔢 Anlamlılık Düzeyi (Significance Level)
Post hoc testlerde kullanılan anlamlılık düzeyi (α) ve güven aralıklarının hesaplandığı güven düzeyi bu pencereden belirlenir. Girilen değer aynı zamanda testin gözlenen gücünün (observed power) hesaplanmasında da kullanılır.
Seçilen anlamlılık düzeyine göre, karşılık gelen güven aralığı seviyesi (örneğin α = 0.05 → %95 güven aralığı) otomatik olarak görüntülenir.
Bu ayarlar, GLM analizinde sonuçların kapsamlı biçimde değerlendirilmesini sağlar; hem modelin varsayımları hem de etkilerin gücü sistematik biçimde test edilir.
Yorumlar