MerQur

🇹🇷 TR 🇺🇸 EN

MDS (Çok Boyutlu Ölçekleme)

Temel Alanlar → Sosyal, Beşeri ve İdari Bilimler → MDS (Çok Boyutlu Ölçekleme)

📊 Sosyal, Beşeri ve İdari Bilimler · MDS (Çok Boyutlu Ölçekleme)

MDS (Çok Boyutlu Ölçekleme)

Boyut İndirgeme · Görselleştirme
🆕 v1.0.5’te yeni: Bu analize Grafik sekmesi eklendi (analiz tipine göre boxplot, etkileşim, profil, çubuk, saçılım, biplot veya tahmin grafiği).

MDS (Çok Boyutlu Ölçekleme), MerQur’da otomatik uygulanan istatistiksel analizlerden biridir. Bu sayfada Sosyal, Beşeri ve İdari Bilimler 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?

MDS (Çok Boyutlu Ölçekleme), 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?

  • Sosyal, Beşeri ve İdari Bilimler 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?

1

Veriyi yükle. Dosya → Aç menüsünden örnek dosyayı seç. MerQur sütun tiplerini otomatik tespit eder.

2

Analizi seç. Sol kenardan MDS (Çok Boyutlu Ölçekleme)‘yi seç.

3

Panel atamaları (programdaki form alanları):

  • feature_cols: [ogrenci_id, GPA, calisma, +3 daha]
  • n_dimensions: 2
  • metric: False
  • distance: euclidean
4

Opsiyonel ayarlar. Etki büyüklüğü ✓ · %95 güven aralığı ✓ · Varsayım kontrolleri (otomatik).

5

▶ Çalıştır butonuna bas. Sonuçlar tablo + grafik olarak otomatik üretilir.

6

📄 Word’e Aktar. APA 7 formatında, italik istatistik sembolleriyle rapor.

📊 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/71_mds_3grup.xlsx

🎬 Senaryo

Öğrenciler arası benzerlik yapısını 2 boyutlu bir haritaya yerleştiriyoruz. Benzerlik haritası için MDS uygundur.

⚙️ Değişken Seçimi

  • Değişkenler: GPA
  • Değişkenler: study
  • Değişkenler: math
  • Değişkenler: science
  • Değişkenler: language

Veri Önizleme (İlk 5 Satır)

Önizleme yok: [Errno 2] No such file or directory: ‘F:/MERQUR_CODE/merqur/english/datasets/Sosyal_Beseri/71_mds_3grup.xlsx’

📈 MerQur Çıktısı

MDS (ÇOK BOYUTLU ÖLÇEKLEME) SONUCU ───────────────────────────────────────────── Stress (Kruskal-1) = 0.052 (kabul edilebilir) değişkenler: GPA, study, math, science, language

💬 MerQur Yorumu

Öğrenciler arası uzaklık/benzerlik yapısını, düşük stress (0.05) ile 2 boyutlu bir haritaya yerleştirdik: düşük stress, haritanın gerçek uzaklıkları iyi temsil ettiğini gösteriyor. MDS, gözlemler arası mesafeleri koruyarak onları yorumlanabilir bir uzayda konumlandırır; t-SNE’den farkı, küresel mesafe yapısını korumayı amaçlamasıdır. Eğitimde öğrenci/grup benzerlik haritalarını çizmede ve gruplar arası konumlandırmada kullanılır.

⚠ 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 Sosyal, Beşeri ve İdari Bilimler dosyası üzerinden uçtan uca uygulanışı için aşağıdaki videoyu izleyebilirsin.

▶ Multidimensional Scaling (MDS) — video anlatım

Bu analizin bir veri seti üzerinde MerQur’da uçtan uca uygulanışı, adım adım ekran yazısıyla.

▶ Videoyu izle 📺 Tüm videolar

🔀 Aynı analizi diğer Temel Alanlarda:
🎓 Eğitim Bilimleri · 🧪 Fen Bilimleri ve Matematik · 🏛 Mimarlık, Planlama ve Tasarım · ⚙ Mühendislik · 🏥 Sağlık Bilimleri · 🏃 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 →

Kaynaklar:
  1. American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
  2. Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
  3. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.