GLMM
GLMM, MerQur’da otomatik uygulanan istatistiksel analizlerden biridir. Bu sayfada Eğitim Bilimleri alanına ait örnek veri seti üzerinde analizin nasıl uygulandığı, MerQur çıktısının nasıl görüneceği ve APA 7 formatında nasıl raporlanacağı temsilî olarak gösterilmiştir.
🎯 Ne işe yarar?
GLMM, ilgili veri türü için gerekli tüm varsayım kontrollerini (normallik, varyans homojenliği, vb.) arka planda otomatik uygular ve sonuçları açık bir tablo + grafik ile sunar. APA 7 standardında otomatik yorumlama, Cohen’s d/η²/R² gibi etki büyüklükleri ve %95 güven aralıkları raporlanır.
📌 Ne zaman kullanılır?
- Eğitim Bilimleri alanına ait ölçümlerin istatistiksel analizinde
- Akademik yayın için APA 7 uyumlu sonuç tabloları üretmek için
- Hipotez sınama ve karar verme süreçlerinde
- Lisans / yüksek lisans / doktora tezlerinde uygun yöntem seçimi sonrasında
📐 Varsayımlar
- Uygun ölçek — Değişkenler analizin gerektirdiği ölçek düzeyinde (nominal/ordinal/aralık/oran) olmalı
- Bağımsız gözlemler — Gözlemler birbirinden bağımsız bireylerden gelmiş olmalı
- Yeterli örneklem — Analiz için minimum n gereksinimi karşılanmalı
- Aykırı değer kontrolü — Aykırı değerler tespit edilip değerlendirilmeli
Varsayımlar bozulursa MerQur otomatik olarak non-parametrik veya sağlam (robust) alternatife yönlendirir.
🛠 MerQur’da Nasıl Yapılır?
Veriyi yükle. Dosya → Aç menüsünden örnek dosyayı seç. MerQur sütun tiplerini otomatik tespit eder.
Analizi seç. Sol kenardan GLMM‘yi seç.
Panel atamaları (programdaki form alanları):
- Bağımlı Değişken:
disiplin_sayisi - independent_vars:
['ay', 'mudahale_var'] - group_var:
ogrenci_id - family:
poisson
Opsiyonel ayarlar. Etki büyüklüğü ✓ · %95 güven aralığı ✓ · Varsayım kontrolleri (otomatik).
▶ Çalıştır butonuna bas. Sonuçlar tablo + grafik olarak otomatik üretilir.
📄 Word’e Aktar. APA 7 formatında, italik istatistik sembolleriyle rapor.
📊 Örnek Veri Seti — Eğitim Bilimleri
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, Eğitim Bilimleri alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Egitim_Bilimleri/56_glmm_discipline_count.xlsx
🎬 Senaryo
Bu çalışmada öğrencilerin (student_id) aylık (month) disiplin olay sayısını (discipline_count) izleyerek bir müdahalenin varlığının (intervention_present) bu sayıları azaltıp azaltmadığını inceledik. Sonuç değişkenimiz bir sayım (count) verisi olduğu ve aynı öğrenciden aylar boyunca tekrarlı ölçüm aldığımız için gözlemler bağımsız değil. Genelleştirilmiş doğrusal karma model (GLMM), hem sayım verisine uygun dağılımı hem de öğrenciyi rastgele etki olarak modele katarak tekrarlı yapıyı aynı anda ele aldığı için en uygun yöntemdir.
⚙️ Değişken Seçimi
- Bağımlı değişken (sayım DV): discipline_count
- Öngörücü (sabit etki): intervention_present
- Zaman: month
- Rastgele etki / gruplama: student_id
Veri Önizleme (İlk 5 Satır)
| student_id | month | intervention_present | discipline_count |
|---|---|---|---|
| 1 | 1 | 1 | 1 |
| 1 | 2 | 1 | 1 |
| 1 | 3 | 1 | 1 |
| 1 | 4 | 1 | 0 |
| 2 | 1 | 1 | 0 |
n = 160 · Sütunlar: student_id, month, intervention_present, discipline_count
📈 MerQur Çıktısı
💬 MerQur Yorumu
Disiplin olayı sayılarını (Poisson) hem ay/müdahale sabit etkileri hem de öğrenci rastgele etkisiyle modelledik; yani GLMM: karma model + sayım dağılımı. Müdahalenin etkisi anlamlı ve negatif (katsayı -0.51, p < .001): müdahale disiplin olaylarını belirgin azaltıyor. Ay etkisi de anlamlı (artış eğilimi). GLMM, “tekrarlı/yuvalanmış sayım ya da ikili veri” durumunda (LMM normal varsayar, GLM kümelenmeyi görmez) ikisinin gücünü birleştirir. Öğrenci bazında tekrarlı sayım verisinin — davranış müdahalesi izleme — doğru analiz çerçevesidir.
⚠ Sık Yapılan Hatalar
- Veri tipini yanlış belirlemek (örn. kategorik değişkeni numerik olarak yüklemek)
- Varsayım kontrollerini atlayıp doğrudan p-değerine bakmak
- Etki büyüklüğünü raporlamamak — APA 7 hem p hem etki büyüklüğü ister
- Çoklu karşılaştırmada Tip I hatası düzeltmesi (Bonferroni/Tukey) yapmamak
- n yetersiz olduğunda non-parametrik alternatife geçmemek
📹 Video Anlatım
Bu analizin Eğitim Bilimleri dosyası üzerinden uçtan uca uygulanışı için aşağıdaki videoyu izleyebilirsin.
▶ GLMM (Generalized Linear Mixed Models) — video anlatım
Bu analiz, Anestezi ve Reanimasyon alanından bir örnek veri seti üzerinde anlatılıyor (adımlar tüm alanlarda aynıdır). Bağlantı doğrudan 19:02 dakikasından başlar.
🧪 Fen Bilimleri ve Matematik · 🏛 Mimarlık, Planlama ve Tasarım · ⚙ Mühendislik · 🏥 Sağlık Bilimleri · 📊 Sosyal, Beşeri ve İdari Bilimler · 🏃 Spor Bilimleri · 🌾 Ziraat, Orman ve Su Ürünleri
📚 Bu Analizi Yaptıysanız MerQur’u Atıf Yapın
MerQur’u kullanarak bilimsel bir çalışmada bu analizi gerçekleştirdiyseniz, akademik atıf zorunluluğu kapsamında lütfen aşağıdaki atfı kullanın (APA 7):
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
BibTeX, RIS, EndNote ve İngilizce karşılığı için: tüm atıf formatları →
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.