MerQur

🇹🇷 TR 🇺🇸 EN

Bayesian ANOVA

Temel Alanlar → Eğitim Bilimleri → ⚡ Bayesian ANOVA

Bayesian ANOVA

⚡ İleri Düzey · Bayesian İstatistik · ANOVA

v1.0.2

Eğitim Bilimleri bağlamı — 3+ grup ortalama farkını BF₁₀ ile sınar. ogretim_modu (Yüz Yüze, Hibrit, Tam Çevrimiçi) gruplarının matematik_puani üzerinde etkisi olup olmadığını doğrudan kanıt olarak raporlar.

1-way / 2-wayEtkileşim BFEtki başına BF bar grafikpingouin tabanlı + BIC fallback

🎯 Ne işe yarar?

Klasik F-test ve p-değeri yerine her etki için (ana etki + etkileşim) ayrı BF₁₀ verir; “hangi etki gerçekten önemli?” sorusuna doğrudan cevap.

📌 Ne zaman kullanılır?

  • Eğitim Bilimleri’nde 3+ tedavi/kategori karşılaştırması — Yüz Yüze vs Hibrit vs Tam Çevrimiçi
  • Etkileşim varsa (2-way) — etkileşim BF₁₀ ana etki BF₁₀’undan büyük ise yorumda yön değiştirir
  • Replikasyon: “etki yok” sonucunu kanıtla raporlamak

⚙ Varsayımlar

  1. Sürekli DV (matematik_puani); kategorik faktör(ler) (ogretim_modu).
  2. Bağımsız gözlemler, gruplar dengeli yakın olsun.
  3. Varyans homojenliği — pingouin BF hesabı için varsayılır.

📊 MerQur’da Nasıl Çalıştırılır?

1
Veri yükle.
2
Analiz → ⚡ İleri Düzey → Bayesian ANOVA.
3

Panel atamaları (programdaki form alanları):

  • Sütunlar: {'dv': 'deger', 'factor1': 'faktor1', 'factor2': 'faktor2'}
  • Parametreler: {}
4
▶ Çalıştır. Her etki için BF₁₀ bar grafik + ANOVA özeti.
5
Grafik sekmesinde yatay BF₁₀ bar — Jeffreys eşiklerinde renkli bantlar.

📊 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/103_bayesian_anova_2yonlu.xlsx

🎬 Senaryo

Öğrenci başarısını iki faktörün birlikte nasıl etkilediğini araştırdık. factor1 öğretim yöntemini üç düzeyde (A, B, C) temsil ederken, factor2 okul türünü iki düzeyde (X, Y) gösteriyor; sonucu ise value ile ölçtüğümüz başarı puanı oluşturuyor. Hem ana etkileri hem de iki faktörün etkileşimini incelemek istedik. Etkileşim ve ana etkiler için hipotezlere ait kanıt gücünü Bayes faktörleriyle değerlendirmek istediğimizden iki yönlü Bayesçi ANOVA uyguladık.

⚙️ Değişken Seçimi

  • Faktör 1: factor1 (A, B, C)
  • Faktör 2: factor2 (X, Y)
  • Bağımlı değişken: value

Veri Önizleme (İlk 5 Satır)

factor1 factor2 value
A X 49.25
A X 58.89
A X 45.54
A X 45.07
A X 51.21

n = 120 · Sütunlar: factor1, factor2, value

📈 MerQur Çıktısı

BAYESİAN ANOVA SONUCU
─────────────────────────────────────────────

factor1: F(2,117) = 17.91, eta2p = 0.234, BF10 = 76,099 (kesin kanit)
Iki faktorlu tasarim -> puan

💬 MerQur Yorumu

İki faktörün puana etkisini Bayesçi ANOVA ile inceledik. Birinci faktörün etkisi güçlü: F(2,117) = 17.91, etki büyüklüğü eta2p = 0.23, Bayes Faktörü 76,099 ile “kesin kanıt”. Bayesçi ANOVA, her etki ve etkileşim için ayrı bir Bayes Faktörü vererek “hangi faktör gerçekten önemli” sorusunu klasik ANOVA’dan daha bilgilendirici yanıtlar; anlamlı olmayan etkiler için de “yokluk kanıtı” sunabilir. Eğitsel deneylerde (yöntem x düzey gibi) faktör etkilerini kanıt gücüyle birlikte değerlendirmenin güçlü bir yöntemidir.

⚠ Sık Hatalar

  • Pairwise karşılaştırma için ayrı Bayesian t-testleri kullanın; BF₁₀ aşırı yorumlamayın.
  • Dengesiz gruplar BF tahminini etkiler.
  • Etkileşim varsa ana etki yorumunu etkileşimle birlikte değerlendirin.

📚 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.