MerQur

🇹🇷 TR 🇺🇸 EN

VARCOMP (Varyans Bileşenleri Analizi)

Temel Alanlar → Mimarlık, Planlama ve Tasarım → ⚡ VARCOMP (Varyans Bileşenleri Analizi)

VARCOMP (Varyans Bileşenleri Analizi)

⚡ İleri Düzey · Karma Modeller · Variance Decomposition

v1.0.1

Mimarlık, Planlama ve Tasarım bağlamı — hiyerarşik tasarımda toplam varyansın hangi düzeyden (saha, grup, alt-grup, hata) ne kadarının kaynaklandığını ayrıştırır. SAS PROC VARCOMP eşdeğeri, MerQur’da REML/ML cascade ile.

3-düzey nestedsehir/mahalle/yapi

REML + ML fallbackICC + heritabilityσ²sehir ≈ 6.0

🎯 Ne işe yarar?

VARCOMP hangi düzey ne kadar varyans katkısı yapıyor sorusuna cevap verir. Tek bir kullanici_memnuniyet_skoru ölçümünün dağılımındaki değişkenlik tamamen rastgele midir, yoksa sehir ve mahalle arasındaki sistematik farklardan mı kaynaklanıyor? VARCOMP ile σ²sehir, σ²mahalle, σ²yapi ve σ²residual ayrı ayrı tahmin edilir; her birinin yüzde payı raporlanır.

📌 Ne zaman kullanılır?

  • Mimarlık, Planlama ve Tasarım alanında çok düzeyli örnekleme tasarımı (nested) varsa
  • Aynı ölçümü farklı sehir altındaki farklı mahalle’lere yaptıracağınız bir veri toplama planı tasarlarken örneklem büyüklüğü hesabı için
  • Heritability / generalizability hesaplamak için (σ² oranları)
  • Sabit etken modeli henüz kurmadan önce — varyans öncelikle nerede?

⚙ Varsayımlar

  1. Sürekli DV (kullanici_memnuniyet_skoru).
  2. Nested yapı: mahalle sehir’in içinde, yapi mahalle’in içinde (cross-level confounding yok).
  3. Random etkiler ~ Normal (homoskedastik, ortalama 0).
  4. Her düzeyde yeterli birim: ≥4-6 sehir, her birinde ≥2 mahalle önerilir.

📊 MerQur’da Nasıl Çalıştırılır?

1
Veri sekmesi → Dosya Aç → veri setini yükleyin.
2
Analiz → ⚡ İleri Düzey → VARCOMP.
3

Panel atamaları (programdaki form alanları):

  • Sütunlar: {'dv': 'memnuniyet', 'factors': [('sehir', False), ('mahalle', True), ('park_id', True)]}
  • Parametreler: {'estimator': 'REML'}
4
Tahmin yöntemi: REML (varsayılan). LRT için ML’e geçebilirsiniz.
5
▶ Çalıştır. Modal ilerleme penceresi açılır. Tahmin tamamlanınca her bileşen için σ², %, ICC ve diagnostik notlar listelenir.

📊 Örnek Veri Seti — Mimarlık, Planlama ve Tasarım

ℹ Not: Aşağıdaki senaryo, MerQur çıktısı ve yorum, gerçek örnek veri seti MerQur’da çalıştırılarak elde edilmiştir. Kendi verinizdeki sayısal sonuçlar farklılık gösterecektir; buradaki amaç analizin uçtan uca nasıl kurgulandığını ve yorumlandığını göstermektir.

🎬 Örnek Dosya

Bu analiz, Mimarlık, Planlama ve Tasarım alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:

Peyzaj_Mimarligi/100_varcomp_city_neighborhood_park_satisfaction.xlsx

🎬 Senaryo

Memnuniyet değişkenliğinin hangi mekânsal düzeyden (şehir / mahalle / park) kaynaklandığını, yuvalanmış varyans bileşenleri (REML) ile ayrıştırmak istiyoruz.

⚙️ Değişken Seçimi

  • Bağımlı: satisfaction
  • Faktörler: city (üst), neighborhood (şehir içinde yuvalanmış)

Veri Önizleme (İlk 5 Satır)

city neighborhood park_id satisfaction
Ankara Ank_M01 Ank_M01_P01 3.87
Ankara Ank_M01 Ank_M01_P02 2.43
Ankara Ank_M01 Ank_M01_P03 3.24
Ankara Ank_M01 Ank_M01_P04 3.0
Ankara Ank_M01 Ank_M01_P05 3.83

n = 120 · Sütunlar: city, neighborhood, park_id, satisfaction

📈 MerQur Çıktısı

VARCOMP (VARYANS BİLEŞENLERİ ANALİZİ) SONUCU
─────────────────────────────────────────────

şehir (city) = %40.2 mahalle (neighborhood, şehir içinde nested) = %13.4 artık = ~%46.3
Yuvalanmış: şehir > mahalle > park (REML)

💬 MerQur Yorumu

Park memnuniyetindeki değişkenliğin hangi mekânsal düzeyden (şehir, mahalle ya da park) kaynaklandığını varyans bileşenleri analiziyle ayrıştırdık; şehir ve mahalle düzeyleri yuvalanmış olarak modellendi. Sonuca göre varyansın %40.2’si şehirler arası farktan, %13.4’ü (şehir içindeki) mahalleler arası farktan, ~%46’sı ise park düzeyindeki artık varyasyondan geliyor. Yani en büyük yapısal kaynak şehir düzeyidir; şehirler memnuniyet bakımından belirgin biçimde farklılaşıyor (kentsel politika, iklim ve kültür farkı). Bu bulgu, kalıtsallık benzeri çok düzeyli tasarımda kritiktir: değişkenliğin nerede yoğunlaştığını gösterir ve müdahalenin hangi düzeyde (şehir politikası mı, yerel mahalle mi, tek park mı) hedeflenmesi gerektiğini ortaya koyar.

⚠ Sık Hatalar

  • Nested checkbox unutmak — mahalle sütunu sehir altında kümeli (örn. MAHALLE_05_03 sadece SEHIR_05’te var). Checkbox işaretlenmezse crossed varsayılır → varyans yanlış paylaşır.
  • İkinci düzeyde tek seviye — bir sehir’in altında tek bir mahalle varsa VARCOMP o düzeyi tahmin edemez (σ²=mahalle≈0 ‘singular fit’ uyarısı).
  • Sürekli DV varsayımı — Bernoulli/sayım verisi için VARCOMP yerine GLMM veya kategorik-VARCOMP alternatifi gerekir (MerQur kapsamı dışı).

📚 MerQur’a Atıf

Örücü, Ö. K. (2026). MerQur: Bütünleşik Akademik Veri Analizi ve Raporlama Platformu [Bilgisayar Yazılımı] (Sürüm 1.0.0). https://doi.org/10.53463/merqur.2026001

Tüm atıf formatları →

📝 Üretim Notu — Bu sayfadaki örnek veri sentetik olarak üretilmiştir (sabit SEED=42, generator: samples/Ileri_Duzey_v102/_generate_v102_datasets.py). Sayfa içeriği Anthropic Claude desteği ile hazırlanmış, akademik doğruluk yazar tarafından kontrol edilmiştir.