Bayesian Korelasyon
v1.0.2
Sosyal, Beşeri ve İdari Bilimler bağlamı — iki sürekli değişken arasındaki ilişkiyi BF₁₀ ile raporlar. egitim_yili ↔ aylik_gelir_bin_TL ilişkisi gerçek mi yoksa şans mı? Pearson/Spearman/Kendall destekli.
Pearson/Spearman/KendallBF₁₀%95 CrI(r)Posterior dağılım grafik
🎯 Ne işe yarar?
Klasik korelasyon p-değeri yerine BF₁₀ raporlar; küçük örneklemlerde ve replikasyon çalışmalarında özellikle değerli. Sosyal, Beşeri ve İdari Bilimler bağlamında egitim_yili ile aylik_gelir_bin_TL arasında öngörülen ilişki yönü (ρ ≈ 0.55) Bayes Factor ile sınanır.
📌 Ne zaman kullanılır?
- İki sürekli değişken — yön ve güç hakkında doğrudan kanıt aramak için
- “Korelasyon yok” hipotezini doğrudan test etmek istenildiğinde
- Küçük N’de p < .05 ile başarısız bir testin yerine
⚙ Varsayımlar
- İki sürekli değişken (egitim_yili, aylik_gelir_bin_TL).
- Doğrusal ilişki (Pearson) ya da monotonik (Spearman/Kendall).
- Aykırı değer kontrolü Bland-Altman/scatter ile önceden yapılmalı.
📊 MerQur’da Nasıl Çalıştırılır?
Panel atamaları (programdaki form alanları):
- Sütunlar:
{'x_col': 'birim_id', 'y_col': 'X_degisken'} - Parametreler:
{'method': 'pearson'}
📊 Örnek Veri Seti — Sosyal, Beşeri ve İdari Bilimler
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, Sosyal, Beşeri ve İdari Bilimler alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Sosyal_Beseri/102_bayesian_correlation_BF10.xlsx
🎬 Senaryo
İki değişken arasındaki ilişkiyi Bayesçi çerçevede değerlendiriyoruz. İlişkinin kanıt gücünü ortaya koymak için Bayesçi korelasyon uygun bir yöntemdir.
⚙️ Değişken Seçimi
- 1. ölçüm / grup: X_variable
- 2. ölçüm / grup: Y_variable
Veri Önizleme (İlk 5 Satır)
| unit_id | X_variable | Y_variable |
|---|---|---|
| 1.0 | 25.4 | 38.58 |
| 2.0 | 49.42 | 56.82 |
| 3.0 | 39.88 | 55.51 |
| 4.0 | 35.37 | 51.54 |
| 5.0 | 39.46 | 51.92 |
n = 80 · Sütunlar: unit_id, X_variable, Y_variable
📈 MerQur Çıktısı
─────────────────────────────────────────────
r = 0.780 (çok güçlü) BF10 = 4.50e+14 (ilişki var hipotezine ezici kanıt)
💬 MerQur Yorumu
İki değişken arasındaki ilişkiyi Bayesçi çerçevede değerlendirdik: r = 0.78 ve BF10 ~ 4.5e14, yani ilişki olduğu hipotezine çok güçlü kanıt elde edildi. Bayesçi korelasyon, klasik p-değeri yerine ilişkinin kanıt gücünü Bayes faktörü olarak ve katsayının sonsal dağılımını birlikte sunar. Eğitimde iki gösterge arasındaki ilişkinin yalnızca “anlamlı mı” değil aynı zamanda “ne kadar güçlü kanıtlı” olduğunu raporlamada değerlidir.
⚠ Sık Hatalar
- Doğrusal olmayan ilişkilerde Pearson yanıltır — scatter plot kontrol edin, gerekirse Spearman.
- Aykırı değer korelasyonu şişirir veya gizler.
- Korelasyon ≠ nedensellik (özellikle gözlemsel çalışmalarda).
📚 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
📝 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.