IBM SPSS Statistics ile İleri Veri Analizi Eğitimi

​Eğitimin Hedefi

• Katılımcıların temel istatistiksel analiz bilgisini ileri düzeye taşıyarak çok değişkenli analizleri SPSS ortamında uygulayabilmelerini ve elde edilen sonuçları araştırma amaçları doğrultusunda yorumlayabilmelerini sağlamak.

• Faktör analizi, ileri regresyon modelleri, aracılık ve düzenleyicilik analizleri gibi yöntemlerin doğru koşullarda seçilmesi, uygulanması ve raporlanmasına yönelik yetkinlik kazandırmak.

​

Ne Kazandırır?

• Ölçeklerin faktör yapısını değerlendirebilme

• Yapı geçerliliğini analiz edebilme

• Kategorik değişkenler arasındaki ilişkileri değerlendirebilme

• Çoklu doğrusal regresyon modeli oluşturabilme

• Hiyerarşik regresyon analizi uygulayabilme

• Değişken seçimine dayalı regresyon yaklaşımlarını değerlendirebilme

• Lojistik regresyon analizi gerçekleştirebilme

• Aracı değişken etkilerini analiz edebilme

• Düzenleyici değişken etkilerini değerlendirebilme

• İleri analizlerde temel varsayımları kontrol edebilme

• Çok değişkenli analiz sonuçlarını doğru yorumlayabilme

• İleri analiz çıktılarını akademik veya kurumsal raporlarda sunabilme

Eğitim İçeriği

1. İleri Analize Hazırlık

• Araştırma modeli ve değişken ilişkilerinin oluşturulması

• Bağımlı, bağımsız, aracı ve düzenleyici değişkenler

• İleri analiz yönteminin araştırma sorusuna göre seçilmesi

• Veri kalitesinin değerlendirilmesi

• Aykırı değerlerin incelenmesi

• İleri analizlerde temel varsayımlar

2. Faktör Analizi

• Faktör analizinin amacı

• Faktör analizine uygunluğun değerlendirilmesi

• KMO ve Bartlett testleri

• Faktör çıkarma yöntemleri

• Faktör sayısının belirlenmesi

• Rotasyon yöntemleri

• Faktör yüklerinin değerlendirilmesi

• Ölçek maddelerinin değerlendirilmesi

• Faktörlerin isimlendirilmesi

• Faktör analizi sonuçlarının yorumlanması

3. Güvenilirlik ve Geçerlilik Analizleri

• Faktör yapısı ile güvenilirlik ilişkisi

• Alt boyutların güvenilirlik analizi

• Ölçek yapısının değerlendirilmesi

• Yapı geçerliliğinin yorumlanması

• Problemli maddelerin değerlendirilmesi

4. Ki-Kare Analizleri

• Kategorik verilerin analizi

• Çapraz tablolar

• Ki-kare bağımsızlık testi

• Beklenen frekansların değerlendirilmesi

• İlişkinin yorumlanması

5. Çoklu Doğrusal Regresyon

• Çoklu regresyon modelinin oluşturulması

• Değişkenlerin modele alınması

• Modelin açıklama gücü

• Regresyon katsayılarının değerlendirilmesi

• Çoklu bağlantı

• Artıkların değerlendirilmesi

• Model varsayımlarının kontrolü

• Sonuçların yorumlanması

6. Hiyerarşik Regresyon

• Değişkenlerin bloklar halinde modele alınması

• Modellerin karşılaştırılması

• Açıklanan varyanstaki değişimin değerlendirilmesi

• Kontrol değişkenlerinin kullanılması

• Sonuçların yorumlanması

7. Değişken Seçimine Dayalı Regresyon

• Stepwise regresyon yaklaşımı

• Forward ve backward yöntemlerine genel bakış

• Değişken seçim yöntemlerinin kullanım alanları

• Sonuçların değerlendirilmesi

• Yöntemin sınırlılıkları

8. Lojistik Regresyon

• Lojistik regresyonun kullanım alanları

• Kategorik bağımlı değişken

• Modelin oluşturulması

• Odds ve Odds Ratio

• Model uyumunun değerlendirilmesi

• Sınıflandırma başarısı

• Katsayıların yorumlanması

9. Aracı Değişken Analizi

• Aracılık kavramı

• Doğrudan ve dolaylı etkiler

• Aracılık modelinin oluşturulması

• Aracı etkinin değerlendirilmesi

• Bootstrap yaklaşımının temel mantığı

• Sonuçların yorumlanması

10. Düzenleyici Değişken Analizi

• Düzenleyicilik kavramı

• Etkileşim etkisi

• Düzenleyici modelin oluşturulması

• Etkileşim teriminin değerlendirilmesi

• Düzenleyici etkinin yorumlanması

• Sonuçların görselleştirilmesi

11. İleri Analizlerin Yorumlanması ve Raporlanması

• İleri SPSS çıktılarının okunması

• Model sonuçlarının karşılaştırılması

• İstatistiksel sonuçların araştırma hipotezleriyle ilişkilendirilmesi

• Tablo ve grafiklerin hazırlanması

• Bulguların raporlanması

• İleri analizlerde sık yapılan yorumlama hataları

Program Yapısı

• Program, ileri veri analizini araştırma modeli → faktör yapısı ve geçerlilik → kategorik ilişkiler → çoklu regresyon → ileri regresyon modelleri → aracılık ve düzenleyicilik → yorumlama ve raporlama bütünlüğünde ele alır.

• Konular örnek veri setleri ve araştırma modelleri üzerinden SPSS ortamında uygulamalı olarak işlenir.

• Katılımcıların yalnızca analizleri çalıştırmaları değil, yöntem seçimi, varsayım kontrolü ve sonuçların doğru yorumlanması konusunda yetkinlik kazanmaları hedeflenir.

​

Kimler Katılmalı

• SPSS ile temel veri analizi bilgisine sahip akademisyenler

• Yüksek lisans ve doktora öğrencileri

• Araştırmacılar

• Pazar ve müşteri araştırması profesyonelleri

• Kurumsal araştırma ve veri analizi çalışanları

• İleri istatistiksel analizleri araştırmalarında kullanmak isteyen profesyoneller

Katılım Koşulları

• Katılımcıların SPSS ile Temel Veri Analizi Eğitimi düzeyinde bilgi sahibi olmaları beklenmektedir.

• Betimleyici istatistikler, t-testleri, ANOVA, korelasyon ve basit doğrusal regresyon konularının bilinmesi gerekmektedir.

• Katılımcıların eğitim sırasında SPSS kullanılabilecek bir bilgisayara erişimi bulunması önerilmektedir.

Program Süresi

• Program toplam 12 saat olarak uygulanmaktadır.

• Program, kurumun ihtiyacına göre 2 gün veya 4 oturum olarak planlanabilir.

​​​

Ölçme, Değerlendirme ve Sertifikasyon

• Eğitim süresince faktör analizi, ileri regresyon, aracılık ve düzenleyicilik analizlerine yönelik uygulamalar gerçekleştirilir.

• Programı tamamlayan katılımcılara Katılım Sertifikası düzenlenir.​​​