MerQur'da İlişki Analizleri: Korelasyondan Kanonik Korelasyona, Bland-Altman'dan VARCLUS'a
DOI:
https://doi.org/10.53463/merqur.20260447Anahtar Kelimeler:
korelasyon- Pearson- Spearman- Kendall- ilişki analiziÖzet
İlişki (association) analizleri, iki veya daha fazla değişken arasındaki birliktelik örüntüsünü, yönünü ve gücünü betimleyen yöntemler ailesidir. Klasik Pearson korelasyonundan ölçüm-yöntem uyumunu değerlendiren Bland-Altman analizine, etki büyüklüğü hesaplamalarından çok değişkenli kanonik korelasyon ve değişken kümeleme yöntemlerine uzanan bu aile, akademik araştırmada hem keşifsel veri analizinin (EDA) hem de hipotez sınamasının temelini oluşturur. Bu çalışmada MerQur masaüstü yazılımının İlişki kategorisinde sunulan 6 analiz ayrıntılı olarak tanıtılmıştır: Korelasyon Analizi (Pearson/Spearman/Kendall), Bland-Altman analizi (uyum sınırları), Effect Size hesaplayıcı (Cohen’s d, Hedges’ g, Glass’s Δ, Cramér’s V, Cohen’s w, Cohen’s f), Canonical Correlation Analysis (CCA), Correspondence Analysis (CA) ve Variable Clustering (VARCLUS). Her analiz için (i) test edilen ilişki türü ve uygulama bağlamı, (ii) gerekli varsayımlar ve veri türleri, (iii) MerQur’daki form alanları ve seçenekler, (iv) raporlanan istatistikler ve görselleştirme çıktıları, ve (v) tipik bir araştırma sorusu için yorumlama önerisi sunulmuştur. Pearson’ın doğrusal ilişki ölçütünden Kendall’s tau-b’nin sıralı veriler için bağımsız sıra-eşleşmesi yaklaşımına, Bland-Altman’ın klinik ölçüm-yöntemi uyumu için ürettiği grafiklerden CCA’nın iki değişken kümesi arasındaki maksimal doğrusal ilişkiyi yakalayan yapısına, Correspondence Analysis’in kategorik çapraz tabloyu geometrik temsile dönüştürmesinden VARCLUS’un yüksek korelasyonlu değişkenleri hiyerarşik kümelere ayırmasına uzanan kapsam; MerQur’un ilişki analizinde sunduğu güçlü repertuarın bir özetidir. Sonuç olarak MerQur’un İlişki kategorisi, basit iki değişken korelasyondan çok değişkenli yapısal ilişki analizlerine uzanan geniş bir yelpazeyi tek bir grafik arayüzde toplar.
Referanslar
Anderson, T. W. (2003). An introduction to multivariate statistical analysis (3rd ed.). Wiley.
Bland, J. M., & Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. Lancet, 1(8476), 307–310. https://doi.org/10.1016/S0140-6736(86)90837-8
Bland, J. M., & Altman, D. G. (1999). Measuring agreement in method comparison studies. Statistical Methods in Medical Research, 8(2), 135–160. https://doi.org/10.1177/096228029900800204
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
Cramér, H. (1946). Mathematical methods of statistics. Princeton University Press.
Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
Fisher, R. A. (1915). Frequency distribution of the values of the correlation coefficient in samples from an indefinitely large population. Biometrika, 10(4), 507–521. https://doi.org/10.1093/biomet/10.4.507
Greenacre, M. (2017). Correspondence analysis in practice (3rd ed.). Chapman and Hall/CRC.
Hotelling, H. (1936). Relations between two sets of variates. Biometrika, 28(3–4), 321–377. https://doi.org/10.1093/biomet/28.3-4.321
Kendall, M. G. (1938). A new measure of rank correlation. Biometrika, 30(1–2), 81–93. https://doi.org/10.1093/biomet/30.1-2.81
Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
Nelson, B. (1968). The biserial r and rho. American Statistician, 22(5), 31–33.
Pearson, K. (1896). Mathematical contributions to the theory of evolution. III. Regression, heredity, and panmixia. Philosophical Transactions of the Royal Society A, 187, 253–318. https://doi.org/10.1098/rsta.1896.0007
Sarle, W. S. (1990). SAS technical report A-108: The VARCLUS procedure. SAS Institute.
Spearman, C. (1904). The proof and measurement of association between two things. American Journal of Psychology, 15(1), 72–101. https://doi.org/10.2307/1412159
Stigler, S. M. (2016). The seven pillars of statistical wisdom. Harvard University Press.
Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
İndir
Yayınlandı
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 MerQur
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
Bu makale, Creative Commons Atıf 4.0 Uluslararası Lisansı (CC-BY 4.0) altında yayımlanmıştır. Bu lisans kapsamında:
- Paylaşma: Eseri herhangi bir ortamda ya da formatta kopyalayabilir ve yeniden dağıtabilirsiniz.
- Uyarlama: Eseri herhangi bir amaç için, ticari kullanım dahil, yeniden düzenleyebilir, dönüştürebilir ve üzerine inşa edebilirsiniz.
- Atıf koşulu: Uygun atıfı vermeli, lisansa bağlantı sağlamalı ve değişiklik yapılıp yapılmadığını belirtmelisiniz.
