MerQur

🇹🇷 TR 🇺🇸 EN

Crossed LMM (Çapraz Random Karma Model)

Temel Alanlar → Mühendislik → ⚡ Crossed LMM (Çapraz Random Karma Model)

Crossed LMM (Çapraz Random Karma Model)

⚡ İleri Düzey · Karma Modeller · Crossed

v1.0.1

Mühendislik bağlamı — iki random faktör nested DEĞİL, crossed (çapraz). hata_orani_ppm ~ 1 + (1|operator) + (1|parca_tipi). Her operator tüm parca_tipi‘lerle eşlenir.

Crossed random2 faktörREMLInter-rater reliability

🎯 Ne işe yarar?

Klasik nested yapıdan farklı: her operator farklı parca_tipi’lerle bağımsız olarak çiftleşir (her parca_tipi her operator altında değil; karışık). Mühendislik’nde iki etkenin random varyansını ayrı tahmin eder.

📌 Ne zaman kullanılır?

  • Hakem × değerlendirilen (her hakem her örneği değerlendirir)
  • Operatör × cihaz (her operatör her cihazı kullanır)
  • İki random etkili ölçüm tasarımı

⚙ Varsayımlar

  1. İki random faktör birbirinden bağımsız (nested değil).
  2. Her (operator, parca_tipi) hücresinde ≥1 gözlem (boş hücreler tahmini etkiler).
  3. Random etkiler ~ Normal(0, σ²).

📊 MerQur’da Nasıl Çalıştırılır?

1
Veri yükle.
2
Analiz → ⚡ İleri Düzey → Crossed LMM.
3

Panel atamaları (programdaki form alanları):

  • Bağımlı Değişken: deger
  • Faktör A: faktor_a
  • Faktör B: faktor_b
  • A Tipi: random
  • B Tipi: random
  • SS Tipi: 1
4
Estimator: REML.
5
▶ Çalıştır. σ²operator, σ²parca_tipi, σ²residual + ICC.

📊 Örnek Veri Seti — Mühendislik

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, Mühendislik alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:

Muhendislik/109_crossed_lmm_A_B.xlsx

🎬 Senaryo

İki random faktörün çaprazlandığı bir tasarımı modelliyoruz. İki bağımsız sınıflama ekseni için çaprazlanmış (crossed) LMM uygun bir yöntemdir.

⚙️ Değişken Seçimi

  • Bağımlı değişken: value
  • Faktör (kategorik): factor_a
  • 2. Faktör: factor_b

Veri Önizleme (İlk 5 Satır)

factor_a factor_b value
A1 B1 53.8
A1 B1 55.31
A1 B1 50.68
A1 B1 55.81
A1 B1 56.05

n = 128 · Sütunlar: factor_a, factor_b, value

📈 MerQur Çıktısı

CROSSED LMM (ÇAPRAZ RANDOM KARMA MODEL) SONUCU
─────────────────────────────────────────────

A x B etkilesimi: F = 14.67, p < .001 *** ana etkiler ns (A: p=0.767, B: p=0.480) sonuc: value

💬 MerQur Yorumu

İki random faktörün iç içe değil çaprazlanmış olduğu (her A düzeyi her B düzeyiyle eşleşir) bir tasarımı modelledik: ana etkiler anlamlı değilken (A: p = 0,77, B: p = 0,48) A x B etkileşimi çok güçlüdür (F = 14,67, p < .001); yani etki faktörlerin birleşimine bağlıdır. Çaprazlanmış LMM, iç içe (nested) tasarımın aksine bağımsız iki gruplama eksenini (örneğin yöntem x blok, her yöntem her blokta) aynı anda ele alır. Sahada iki bağımsız sınıflama ekseninin etkilerini ve etkileşimini birlikte çözümlemede doğru seçimdir.

⚠ Sık Hatalar

  • Nested yapı varken crossed tanımlamak — her (operator, parca_tipi) çiftinin gerçekten bağımsız olduğundan emin olun.
  • Çok seyrek matris (operator×parca_tipi’de boş hücre çok) — fit yapılamaz veya unstable.
  • operator-ICC düşük + parca_tipi-ICC yüksekse parca_tipi’nin tahmininde shrinkage daha sıkı.

📚 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.