1. İleri İstatistik ve Bilimsel
Araştırma Yöntemleri
Basit ve Kısmi Korelasyon ve Basit ve Çoklu
Regresyon
Uzm. Psk. Gizem TURGUT
2. Basit Korelasyon (Simple Correlation): Pearson
Korelasyon Katsayısı (Pearson Correlation
Coefficient)
› İki değişken arasındaki ilişki arasındaki ilişkinin incelenme
tekniğidir.
› İki değişken arasındaki ilişkinin miktarını bulmak ve
yorumlamak amacıyla yapılan bir analizdir.
› Kural: İki değişken de sürekli olmalıdır.
› İki değişken de birlikte normal dağılım gösteriyorsa
Pearson Korelasyon Katsayısı hesaplanır.
› Normal dağılım göstermiyorsa Spearman Brown Sıra
Farkları Korelasyon Katsayısı hesaplanır.
4. Basit Korelasyon (Simple Correlation): Pearson
Korelasyon Katsayısı (Pearson Correlation
Coefficient) Örnek Senaryosu
› Yaş ile depresyon arasında anlamlı bir ilişki var mıdır?
9. Basit Korelasyon (Simple Correlation): Pearson
Korelasyon Katsayısı (Pearson Correlation
Coefficient) Rapor Örneği
› Katılımcıların depresyon
puanları ile yaşları
arasındaki ilişki
incelendiğinde depresyon
ile yaş arasında düşük
düzeyde, pozitif yönde ve
anlamsız bir ilişki olduğu
gözlemlenmiştir; r=0,264,
p>0,05.
10. Kısmi Korelasyon (Partial Correlation)
Katsayısı
› İki değişken arasındaki ilişkinin bir ya da daha çok değişkenin
kontrol edilmesiyle hesaplanmasıdır.
› Mantık: İki değişken arasındaki ilişki sadece bu iki değişkenden
kaynaklanabileceği gibi bu değişkenlerle ilişkili olan m tane
değişkenden de etkilenebilir.
› İki değişken arasındaki ilişkinin bu değişkenlerle ilişkili olduğu
düşünülen bir ya da daha çok değişkenin bu iki değişkende yol
açtıkları ortak varyansın (değişkenliğin) sabit tutularak
dışlanarak analiz yapılmasıdır.
› Kural: Aralarında ilişki bulunacak değişkenler de bu
değişkenlerin varyanslarının sabitleneceği değişken de sürekli
olmalı.
› Değişkenler normal dağılmalı.
11. Kısmi Korelasyon (Partial Correlation)
Katsayısı Örnek Senaryosu
› Şimdiki yaşam doyumu puanları sabit tutulduğunda yaş
ve depresyon düzeyi arasında anlamlı bir ilişki var mıdır?
13. Kısmi Korelasyon (Partial Correlation)
Katsayısı Analiz Adımları
› Analyze Correlate Partial
› Partial Correlation penceresinde
- Değişken kutusundan yaş ve depresyon değişkenlerini sağ
taraftaki Variable(s) kutusuna aktar.
- Kontrol edilecek olan Yaşam Doyumu Şimdi değişkenini
Controlling For kutusuna aktar.
- Ok
16. Kısmi Korelasyon (Partial Correlation)
Katsayısı Rapor Örneği
› Şimdiki yaşam doyumu
puanları kontrol
edildiğinde (sabit
tutulduğunda) yaş ile
depresyon arasında orta
düzeyde, pozitif yönde ve
anlamsız bir ilişki
bulunmuştur; r=0,356,
p>0,05.
17. Basit Doğrusal Regresyon (Simple Linear
Regression)
› Regresyon analizi aralarında ilişki olan iki ya da daha
fazla değişkenden birinin bağımlı değişken diğerinin ya da
diğerlerinin bağımsız değişkenler olarak ayrımı yapılarak
aralarındaki ilişkinin matematiksel eşitlik ile
açıklanmasıdır.
› Kural: Bir adet bağımlı değişken bir adet bağımsız
değişken varsa Basit Regresyon Analizi yapılır.
18. Basit Doğrusal Regresyon (Simple Linear
Regression) Örnek Senaryosu
› Yaş katılımcıların stresle başa çıkma eğitimi almadan
önceki stres düzeylerinin anlamlı bir yordayıcısı mıdır?
31. Basit Doğrusal Regresyon (Simple Linear
Regression) Analiz Adımları
› Analyze Regression Linear
› Linear Regression penceresinde
- Değişken kutusundan Stres Ön değişkenini Dependent
kutusuna aktar.
- Değişken kutusundan Yaş değişkenini Independent(s)
kutusuna aktar.
- Analizde kullanılacak yöntemi Method açılır listesinden
Enter olarak seç.
- Ok
34. Basit Doğrusal Regresyon (Simple Linear
Regression) Rapor Örneği
› Yaşın stresle başa çıkma
eğitimi verilmeden önceki
stres skorları üzerinde
anlamlı bir yordayıcı
olmadığı fark edilmiştir;
R=0,110, R2=0,012,
F(1,18)=0,222, p>0,05.
35. Çoklu Doğrusal Regresyon (Multiple Linear
Regression)
› Bağımlı değişkenle ilişkili olan iki ya da daha çok bağımsız
değişkene (yordayıcı değişkenlere) dayalı olarak bağımlı
değişkenin tahmin edilmesine yönelik analiz türüdür.
› Bağımlı değişken bir tane bağımsız değişken iki ya da
daha fazla ise Çoklu Regresyon Analizi kullanılır.
36. Çoklu Doğrusal Regresyon (Multiple Linear
Regression) Örnek Senaryosu
› Stresle baş etme eğitimi verilmeden önceki stres düzeyi
ve şimdiki yaşam doyumu düzeyi birlikte depresyon
düzeyini anlamlı olarak yordamakta mıdır?
38. Çoklu Doğrusal Regresyon (Multiple Linear
Regression) Analiz Adımları
› Analyze Regression Linear
› Linear Regression penceresinde
- Değişken kutusundan Depresyon değişkenini Dependent kutusuna aktar.
- Stres Ön ve Yaşam Doyumu Şimdi değişkenlerini Independent(s) kutusuna
aktar.
- Analizde kullanılacak yöntem olarak Method açılır listesinden Enter’i seç.
- Statistics alt menüsünü seç.
- -> Descriptive, Part and partial correlation ve Collinearity diagnostics’i
seç.
- -> Continue
- Ok.
44. Çoklu Doğrusal Regresyon (Multiple Linear
Regression) Rapor Örneği
Değişken B Standart
Hata B
β T p İkili r Kısmi R
Sabit
Stres Ön
YD Şimdi
53,808
0,164
-1,861
14,048
0,152
0,418
-
0,188
-
0,776
3,830
1,080
-4,454
0,001
0,295
0,000
-
0,884
-0,945
-
0,253
-0,734
R=0,948
F(2,17)=75,804
R2
= 0,899
p= 0,000
Yordayıcı değişkenlerle bağımlı değişken arasındaki ikili kısmi
korelasyonlar incelendiğinde stresle başa çıkma eğitimi verilmeden
önceki stres düzeyi ile depresyon düzeyi arasında pozitif yönde ve
yüksek düzeyde bir ilişkinin (r= 0,88) olduğu ancak diğer değişkenler
kontrol edildiğinde iki değişken arasındaki korelasyonun r=0,25 olarak
hesaplandığı görülmektedir. Şimdiki yaşam doyumu düzeyi ile depresyon
düzeyi arasındaki ikili kısmi korelasyon incelendiğinde ise yaşam doyumu
düzeyi ile depresyon arasında negatif yönde yüksek düzeyde bir ilişkinin
(r=-0,94) olduğu ancak diğer değişkenler kontrol edildiğinde iki değişken
arasındaki korelasyonun r=-0,73 olarak hesaplandığı görülmektedir.
Stresle başa çıkma eğitimi verilmeden önceki stres düzeyi ile şimdiki
yaşam doyumu düzeyleri birlikte depresyon düzeyini yüksek düzeyde
anlamlı bir şekilde etkilemektedir, R=0,948, R2=0,89, p<0,01. Adı geçen
iki değişken depresyon düzeyinin yaklaşık %89’unu açıklamaktadır.
45. Aşamalı Regresyon Analizi
› Çoklu doğrusal regresyon analizinden farklı olarak
analizde kullanılacak yöntem olarak Method açılır
listesinden Stepwise seçilir.
› Statistics alt menüsünden de diğer istatistiklere ek olarak
R squared change seçilir.
48. Aşamalı Regresyon Analizi Rapor Örneği
Model Yordayıcı B SHB β ΔR2
1
2
YD Şimdi
Sabit
YD Şimdi
Stres Ön
Sabit
-2,266
68,439
0,186
3,717
-0,945*** 0,892
*** p<0,001
** p<0.05
Aşamalı regresyon analizi bir aşamada tamamlanmıştır.
Analizde Depresyonu şimdiki yaşam doyumu düzeyi %89
ile en fazla varyansı açıklayan değişken olarak analize
girmiştir. Şimdiki yaşam doyumu ile depresyon arasında
negatif bir ilişki vardır. Stresle başa çıkma eğitimi
verilmeden önceki stres puanı aşamalı regresyon analizi
kriterine uymadığı için analize dahil edilmemiştir.
49. Hiyerarşik Regresyon Analizi
› Araştırmanın modeli 2 bloğa ayrıldığında yapılır.
› Örnek: Birinci blokta stresle başa çıkma eğitimi verilmeden
önceki stres düzeyi ve şimdiki yaşam doyumu düzeyi
olsun. İkinci blokta da demografik değişken olan yaş
olsun.
50. Hiyerarşik Regresyon Analizi Adımları
› Çoklu doğrusal regresyon analizinden farklı olarak Block
1 için stres ön değişkenini ve yaşam doyumu şimdi
değişkenini Independent(s) kutusuna aktardıktan sonra
Next düğmesine basılır. Boşalan Independent(s) kutusuna
Block 2 için yaş değişkeni aktarılır.
› Statistics alt menüsünden de diğer istatistiklere ek olarak
R squared change seçilir.
54. Hiyerarşik Regresyon Analizi Rapor Örneği
Hiyerarşik regresyon analizinde birinci blokta stresle başa çıkma
eğitimi verilmeden önceki stres düzeyi ve şimdiki yaşam doyumu
düzeyi değişkenleri alınmıştır. Bu iki değişken birlikte
depresyonun %89’unu açıklamaktadır. Depresyon düzeyi ile
şimdiki yaşam doyumu arasında negatif stresle başa çıkma
eğitimi verilmeden önceki stres düzeyi ile pozitif bir ilişki vardır.
Şimdiki yaşam doyumu düzeyi manidar bir yordayıcı iken stresle
başa çıkma eğitimi verilmeden önceki stres düzeyi değildir. İkinci
blokta stresle başa çıkma eğitimi verilmeden önceki stres düzeyi
ile şimdiki yaşam kontrol edildiğinde yaşın bir önceki depresyon
düzeyine %94 katkı sağladığı sağladığı gözlemlenmiştir.
Böylece açıklanan toplam varyans %41 yükselmiştir. Yaşla
depresyon arasında pozitif düzeyde manidar olmayan bir ilişki
vardır.
*** p<0,001
** p<0,05