====================================================================================
MerQur - Beklioglu_Limnoloji - SENARYO + SONUC + YORUM (TR, BIRLESTIRILMIS)
Data: english/datasets/Beklioglu_Limnoloji/
Her analiz: SENARYO + DEGISKEN SECIMI, ardindan SONUC (ekran) + YORUM.
====================================================================================

#1  Descriptive Statistics
    file: 001_descriptive_konya_basin_lake_inventory.xlsx
  >> SENARYO (anlatim):
    Konya Kapali Havzasi'ndaki 120 gol ve sulak alani kapsayan bir envanter
    calismasi yurutuyoruz. Goller arasindaki morfometrik ve su kalitesi
    farkliliklarini ortaya koymak icin alan, maksimum ve ortalama derinlik,
    yukselti, pH, iletkenlik, klorofil-a, Secchi derinligi ile toplam fosfor ve
    toplam azot degiskenlerinin temel istatistiklerini hesapliyoruz. Amacimiz,
    bu goller havuzunun genel dagilimini, merkezi egilimlerini ve degiskenligini
    betimleyerek sonraki analizlere zemin hazirlamak. Bu nedenle ortalama,
    medyan, standart sapma ve carpiklik gibi olculeri ozetleyen betimleyici
    istatistikler en uygun baslangic yontemidir.
  >> DEGISKEN SECIMI:
    - Gol adi: lake_name
    - Alan: area_km2
    - Maksimum derinlik: max_depth_m
    - Ortalama derinlik: mean_depth_m
    - Yukselti: elevation_m
    - pH: ph
    - Iletkenlik: conductivity_uS_cm
    - Klorofil-a: chla_ugL
    - Secchi derinligi: secchi_m
    - Toplam fosfor: TP_ugL
    - Toplam azot: TN_mgL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    n = 120 gol (Konya Kapali Havzasi envanteri)
    area_km2   : ort = 21.18   min-max = 0.9 - 402.1      |   max_depth_m : ort = 9.51   (0.8 - 34.6)
    ph         : ort = 8.38    (7.1 - 10.0)               |   chla_ugL    : ort = 22.0   (1.5 - 223.5)
    secchi_m   : ort = 1.24    (0.1 - 4.4)                |   TP_ugL      : ort = 62.1   (3 - 297)
    TN_mgL     : ort = 1.46    (0.1 - 5.6)

>> YORUM (anlatim):
    Once havzanin genel limnolojik resmini cikardik: 120 gol, alanlari 0.9 ile 402 kilometrekare arasinda --
    yani kucuk goletlerden buyuk goller kadar genis bir yelpaze. Ortalama maksimum derinlik 9.5 metre, yani
    cogu sig goller. pH ortalama 8.4 ile hafif alkali -- Anadolu'nun karbonatli, kapali havza gollerinde
    beklenen bir deger. Asil dikkat ceken trofik gostergeler: ortalama klorofil-a 22, toplam fosfor 62
    mikrogram, secchi derinligi ise sadece 1.2 metre. Bu degerler, havzadaki cogu golun otrofik -- yani
    asiri besin yuklu -- oldugunu, su seffafliginin dusuk oldugunu soyluyor. Klorofil ve fosforun maksimum
    degerlerinin (223 ve 297) cok yuksek olmasi, bazi gollerin ciddi otrofikasyon altinda oldugunu gosteriyor.
    Bu betimsel tablo, izleyen analizlerin -- ozellikle fosfor esikleri ve restorasyon etkileri -- zeminini kuruyor.

====================================================================================

#2  Normality Tests
    file: 002_normality_eymir_mogan_chla_20yil.xlsx
  >> SENARYO (anlatim):
    Eymir ve Mogan gollerinde 20 yil boyunca aylik olarak izlenen klorofil-a,
    toplam fosfor, Secchi derinligi ve su seviyesi verileriyle calisiyoruz. Bu
    degiskenlere parametrik testler ve regresyon uygulamadan once dagilimlarinin
    normal olup olmadigini denetlemek istiyoruz. Ozellikle klorofil-a ve toplam
    fosfor gibi konsantrasyon olcumlerinin genellikle saga carpik dagildigi
    bilindiginden, varsayim kontrolu kritik. Bu amacla Shapiro-Wilk ve
    Kolmogorov-Smirnov gibi normallik testleri en dogru yaklasimdir.
  >> DEGISKEN SECIMI:
    - Klorofil-a: chla_ugL
    - Toplam fosfor: TP_ugL
    - Secchi derinligi: secchi_m
    - Su seviyesi: WL_water_level_m

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    chla_ugL : Shapiro-Wilk = 0.777  p < .001   Normal Degil
    TP_ugL   : Shapiro-Wilk = 0.848  p < .001   Normal Degil
    secchi_m : Shapiro-Wilk = 0.997  p = 0.962   Normal

>> YORUM (anlatim):
    Eymir ve Mogan'in 20 yillik serisinde uc degiskenin normal dagilip dagilmadigini sinadik. Sonuc tipik bir
    limnoloji oruntu: klorofil-a ve toplam fosfor normallikten anlamli olarak sapiyor (p degerleri sifira yakin),
    secchi derinligi ise neredeyse kusursuz normal (p = 0.96). Bu hic sasirtici degil -- klorofil ve fosfor,
    su ekosistemlerinde tipik olarak sag-carpiktir: cogu deger dusuk, ama otrofik piklerde cok yuksek degerler
    olusur. Pratik sonuc nettir: secchi uzerinde parametrik testleri (t-testi, ANOVA) kullanabiliriz; ama
    klorofil ve fosfor icin Mann-Whitney, Kruskal-Wallis gibi parametrik olmayan yontemler ya da log-donusum
    daha dogru olur. Bu, su kalitesi serilerini analiz ederken atlanmamasi gereken bir on adimdir.

====================================================================================

#3  One-Sample t-Test
    file: 003_one_sample_t_beysehir_TP_WFD_threshold.xlsx
  >> SENARYO (anlatim):
    Beysehir Golu'nde mevsimsel olarak olculen toplam fosfor degerlerinin, Su
    Cerceve Direktifi'nin (WFD) belirledigi esik degeri asip asmadigini
    arastiriyoruz. Elimizdeki 36 olcumun ortalama toplam fosfor degerini, sabit
    bir referans esigiyle karsilastirmak istiyoruz. Golun trofik durumunu yasal
    standartlara gore degerlendirmek bu kiyasin amaci. Tek bir orneklem
    ortalamasini bilinen bir referans degerine karsi sinadigimiz icin tek
    orneklem t-testi en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Toplam fosfor: TP_ugL
    - Test referans esigi: test_obtained_WFD_threshold

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Hipotez yonu (cift / sag / sol): yon onceden biliniyorsa tek yonlu daha gucludur.
    - Hedges g: kucuk orneklem icin yanli-duzeltilmis Cohen d.
    - Etki buyuklugu %GA: d icin guven araligi.
    - Shapiro-Wilk / K-S: normallik varsayim kontrolu.
    - Betimsel: ortalama/SS/SH/medyan/min/maks/carpiklik/basiklik.
    - Bootstrap %GA: yeniden orneklemeyle dagilimsiz ortalama GA'si.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    t(35) = 7.1108   p < .001 ***   Cohen d = 1.185 (Buyuk)
    Ortalama TP = 68.14 µg/L   (test mu = 50, WFD esigi)   H0 REDDEDILIR

>> YORUM (anlatim):
    Beysehir Golu'nun toplam fosfor duzeyini, Su Cerceve Direktifi'nin (WFD) iyi su kalitesi icin belirledigi
    50 mikrogramlik referans esikle karsilastirdik. Sonuc kaygi verici: ortalama TP 68.1 mikrogram, esigin
    belirgin sekilde uzerinde -- t(35) = 7.11, p binde birin altinda. Etki buyuklugu Cohen d = 1.19 ile cok
    buyuk. Yani golun fosfor yuku, "iyi durum" esigini tesadufle aciklanamayacak kadar asiyor. Pratik anlami
    onemli: gol, WFD kriterlerine gore besin yonunden bozulmus durumda; fosfor girdilerini azaltacak havza
    olcekli yonetim (tarimsal akis kontrolu, atiksu aritimi) gerekli. Tek orneklem t-testi, bir gostergeyi
    bilinen bir yonetim esigiyle karsilastirmanin -- limnolojide cok yaygin bir soru -- en dogru yoludur.

====================================================================================

#4  Independent Samples t-Test
    file: 004_independent_t_warm_cold_mesocosm_chla.xlsx
  >> SENARYO (anlatim):
    Sicak ve soguk iklim bolgelerini temsil eden mezokozm tanklarinda yetisen
    fitoplanktonun klorofil-a yanitini karsilastiriyoruz. Iklim isinmasinin gol
    uretkenligi uzerindeki etkisini taklit eden bu deneyde, sicak ve soguk
    gruplar arasinda klorofil-a duzeylerinin farkli olup olmadigini incelemek
    istiyoruz. Iki bagimsiz iklim grubunun ortalamalarini karsilastirdigimiz
    icin bagimsiz orneklemler t-testi en uygun analizdir.
  >> DEGISKEN SECIMI:
    - Iklim bolgesi: climate_region
    - Klorofil-a: chla_ugL
    - Sicaklik: temperature_C

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Hipotez yonu (cift / sag / sol).
    - Varyans varsayimi: Student (esit) / Welch (esit degil — daha guvenli) / Otomatik (Levene karar verir).
    - Etki buyuklukleri: Hedges g, Glass delta, CLES = P(X>Y).
    - Etki %GA; grup basina Shapiro; Levene & Bartlett homojenlik.
    - Grup basina betimsel; ortalama farki icin Bootstrap %GA.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    t(70) = 6.618   p < .001 ***   Cohen d = 1.560 (Buyuk)
    warm: n=36, ort chla = 40.62   |   cold: n=36, ort chla = 24.15   |   H0 REDDEDILIR

>> YORUM (anlatim):
    Iklim isinmasinin gol uretkenligine etkisini, sicak ve soguk iklim mezokozm tanklarini karsilastirarak
    test ettik. Sonuc carpici: sicak tanklarda ortalama klorofil-a 40.6, soguk tanklarda 24.1 mikrogram --
    sicak kosullarda neredeyse iki kat fazla. Fark son derece anlamli (t(70) = 6.62, p < .001) ve etki buyuklugu
    cok buyuk (d = 1.56). Bu, Beklioglu ve ekibinin Pan-Avrupa mezokozm calismalarinin temel bulgusunu yansitiyor:
    isinma, sig gollerde alg uretimini artirir, otrofikasyonu siddetlendirir. Yani iklim degisikligi yalnizca
    sicaklik degil, su kalitesi sorunudur: ayni besin yuku altinda bile, isinan goller daha bulanik ve daha
    alg-baskin hale gelir. Bu, sig gol yonetiminde iklim uyumunu zorunlu kilan kritik bir mesaj.

====================================================================================

#5  Paired t-Test
    file: 005_paired_t_eymir_restoration_TP.xlsx
  >> SENARYO (anlatim):
    Eymir Golu'nde uygulanan restorasyon calismalarinin etkinligini
    degerlendiriyoruz. Ayni istasyonlarda 1994 oncesi ile 2002 sonrasi olculen
    toplam fosfor konsantrasyonlarini karsilastirarak, biyomanipulasyon ve dis
    yuk azaltma onlemlerinin fosforu dusurup dusurmedigini test ediyoruz.
    Olcumler ayni istasyonlarda eslesmis oldugundan, oncesi-sonrasi farki
    incelemek icin eslestirilmis t-testi en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Restorasyon oncesi toplam fosfor (1994): TP_before_1994
    - Restorasyon sonrasi toplam fosfor (2002): TP_post_2002

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Hipotez yonu (cift / sag / sol).
    - Etki buyuklukleri: Hedges g; d_av (ortalama SS ile standardize).
    - Etki %GA; iki olcum arasi ciftler korelasyonu.
    - Farklar uzerinde Shapiro / K-S; betimsel; ortalama farki Bootstrap %GA.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Eslestirilmis t(29) = 20.3766   p < .001 ***   Cohen d_z = 3.720 (Buyuk)
    Ort. fark (1994 oncesi − 2002 sonrasi TP) = 70.04 µg/L   H0 REDDEDILIR

>> YORUM (anlatim):
    Eymir Golu'nun restorasyon oncesi (1994) ve sonrasi (2002) toplam fosfor duzeyini, ayni istasyonlarda
    karsilastirdik. Sonuc, basarili bir gol restorasyonunun ders kitabi ornegi: ortalama TP, restorasyon sonrasi
    70 mikrogram dustu -- t(29) = 20.38, p binde birin cok altinda, etki buyuklugu d_z = 3.72 ile devasa. Bu duzeyde
    bir azalma, biyomanipulasyon ve dis yuk kontrolu gibi restorasyon mudahalelerinin gercekten ise yaradigini
    gosteriyor. Eslestirilmis tasarimin gucu burada: ayni istasyonlari once-sonra karsilastirdigimiz icin
    istasyonlar arasi farkliliklari elemine ettik ve restorasyonun saf etkisini cok net gorduk. Pratikte bu,
    sig gol restorasyonunun -- dogru yapildiginda -- fosforu dramatik biçimde dusurebileceginin somut kanitidir.

====================================================================================

#6  One-Way ANOVA
    file: 006_one_way_anova_salinity_zooplankton.xlsx
  >> SENARYO (anlatim):
    Farkli tuzluluk siniflarina ait gol ve lagunlerde zooplankton biyokutlesinin
    nasil degistigini arastiriyoruz. Tatli sudan poli-tuzlu ortama uzanan
    tuzluluk gradyani boyunca zooplankton biyokutlesinin anlamli farkliliklar
    gosterip gostermedigini incelemek istiyoruz. Ikiden fazla tuzluluk sinifinin
    ortalamalarini ayni anda karsilastirdigimiz icin tek yonlu ANOVA en uygun
    analizdir.
  >> DEGISKEN SECIMI:
    - Tuzluluk sinifi: salinity_class
    - Tuzluluk: salinity_psu
    - Zooplankton biyokutlesi: zooplankton_biomass_ugDW_L

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - ANOVA varyanti: Klasik (Fisher) veya Welch (esit olmayan varyansa dayanikli).
    - Etki buyuklukleri: omega-kare ve epsilon-kare (eta-kareden daha az yanli).
    - Varsayimlar: Levene, Bartlett, grup basina Shapiro.
    - Grup betimseli; post-hoc (Tukey/Duncan/Bonferroni/Scheffe/Games-Howell).

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    F(3, 108) = 135.7531   p < .001 ***   η² = 0.7904
    DECISION: H0 REDDEDILIR (4 tuzluluk sinifi: fresh / oligo / meso / poli)

>> YORUM (anlatim):
    Tuzlulugun zooplankton biyokutlesine etkisini, dort tuzluluk sinifini karsilastirarak inceledik. ANOVA sonucu
    cok guclu: F(3,108) = 135.75, p binde birin altinda, eta-kare 0.79 -- yani zooplankton biyokutlesindeki
    degiskenligin yuzde 79'unu tek basina tuzluluk sinifi acikliyor. Bu, tuz golleri ve aci-su sistemlerinde
    temel bir ekolojik gercek: tuzluluk, hangi zooplankton turlerinin yasayabilecegini ve ne kadar biyokutle
    olusabilecegini siddetle belirler. Tatli sudan poli-haline gectikce zooplankton topluluklari koklu sekilde
    degisir. ANOVA "en az bir fark var" diyor; hangi tuzluluk siniflarinin ayristigini post-hoc (Tukey) ile
    belirleyebiliriz. Bu, Anadolu'nun tuzlu kapali havza gollerinin ekolojisini anlamak icin merkezi bir analiz.

====================================================================================

#7  Two-Way ANOVA
    file: 007_two_way_anova_nutrient_suSeviyesi_mesocosm.xlsx
  >> SENARYO (anlatim):
    Mezokozm deneyinde besin yuklemesi ile su seviyesinin fitoplankton
    uzerindeki ortak etkisini inceliyoruz. Dusuk ve yuksek azot yuklemesi ile
    dusuk, orta ve yuksek su seviyesi kombinasyonlarinin klorofil-a uzerindeki
    bagimsiz ve etkilesimli etkilerini test etmek istiyoruz. Iki kategorik
    faktorun hem ana etkilerini hem de etkilesimlerini ayni anda
    degerlendirdigimiz icin iki yonlu ANOVA en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Besin yuklemesi: nutrient_loading
    - Su seviyesi: water_level
    - Klorofil-a: chla_ugL

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Kareler toplami turu (I/II/III): dengesiz + etkilesimli desende Type III (SPSS varsayilani).
    - 3+ duzeyli faktor icin post-hoc (Tukey/Bonferroni/Games-Howell).
    - Etki buyuklukleri: kismi eta-kare, eta-kare, omega-kare.
    - Levene & artik Shapiro; hucre ve marjinal ortalama tablolari.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    nutrient_loading (ana etki) : F(1) = 332.88   p < .001 ***   η²p = 0.80
    water_level (ana etki)      : F(2) =  42.70   p < .001 ***   η²p = 0.50
    nutrient x water_level      : F(2) =  33.41   p < .001 ***   (etkilesim ANLAMLI)

>> YORUM (anlatim):
    Mezokozm denemesinde iki faktoru ayni anda inceledik: besin yuku (dusuk/yuksek N) ve su seviyesi (dusuk/orta/
    yuksek). Her iki ana etki de cok guclu: besin yuku, klorofildeki degiskenligin yuzde 80'ini, su seviyesi
    yuzde 50'sini acikliyor. Ama asil ogretici olan etkilesim: besin x su seviyesi etkilesimi ANLAMLI (F(2) =
    33.41, p < .001). Bu cok onemli bir bulgu -- demek ki besinin etkisi su seviyesine gore degisiyor; orn.
    yuksek besin yuku, ozellikle dusuk su seviyesinde (daha konsantre, daha sig kosullarda) cok daha siddetli
    alg patlamasina yol aciyor olabilir. Pratikte bu, sig gollerde su seviyesi yonetiminin (orn. kuraklikta
    seviye dususu) besin etkisini siddetlendirebilecegini gosteriyor: iklim ve besin birlikte ele alinmali.

====================================================================================

#8  Repeated Measures ANOVA
    file: 008_RM_anova_mesocosm_8wk_chla.xlsx
  >> SENARYO (anlatim):
    Mezokozm tanklarinda 8 hafta boyunca her hafta klorofil-a olcumu yaparak
    isinma etkisini izledik. Kontrol ile isi artisi uygulanan tanklarda
    klorofil-a duzeyinin zaman icinde nasil degistigini ve bu degisimin
    uygulamaya gore farklilasip farklilasmadigini incelemek istiyoruz. Ayni
    tanklarda tekrarli olcumler aldigimiz ve gruplar arasi karsilastirma
    yaptigimiz icin tekrarli olculer ANOVA en uygun analizdir.
  >> DEGISKEN SECIMI:
    - Uygulama: treatment
    - 1. hafta klorofil-a: week_1_chla
    - 2. hafta klorofil-a: week_2_chla
    - 3. hafta klorofil-a: week_3_chla
    - 4. hafta klorofil-a: week_4_chla
    - 5. hafta klorofil-a: week_5_chla
    - 6. hafta klorofil-a: week_6_chla
    - 7. hafta klorofil-a: week_7_chla
    - 8. hafta klorofil-a: week_8_chla

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Kurelik duzeltmesi: Mauchly ihlal edilince Greenhouse-Geisser.
    - Mauchly kurelik testi (W, p).
    - Genellestirilmis eta-kare (ges) etki buyuklugu.
    - Ikili post-hoc (Bonferroni/Holm); duzey basina betimsel.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    F(7, 77) = 12.1575   p < .001 ***   η²p = 0.5250   (n = 12 tank)
    DECISION: H0 REDDEDILIR

>> YORUM (anlatim):
    Ayni mezokozm tanklarinin klorofil-a degerini sekiz hafta boyunca izledik. Olcumler ayni tanklardan tekrarli
    alindigindan tekrarli olcumler ANOVA'si uygundur. Sonuc anlamli: F(7,77) = 12.16, p binde birin altinda,
    kismi eta-kare 0.53 -- yani klorofil, sekiz hafta icinde istatistiksel olarak anlamli ve buyuk bir degisim
    gosteriyor. Bu, mezokozm deneylerinin tipik dinamigini yansitir: mudahale sonrasi alg toplulugu zamanla
    tepki verir -- bazen gecikmeli bir patlama, bazen kademeli bir kayma. Tekrarli olcumlerin gucu, ayni tanklari
    izleyerek tanklar arasi farki disarida tutmasi ve zaman icindeki gercek seyri net yakalamasidir. Pratikte bu,
    bir mudahalenin etkisinin ANLIK degil, haftalar icinde nasil gelistigini gormemizi saglar.

====================================================================================

#9  MANOVA
    file: 009_manova_mesocosm_4yanit.xlsx
  >> SENARYO (anlatim):
    Mezokozm deneyinde besin ekleme, isinma ve bunlarin birlesik etkisini test
    ederek gol ekosisteminin coklu yanitlarini inceliyoruz. Kontrol, besin, isi
    ve besin-isi uygulamalarinin klorofil-a, toplam fosfor, toplam azot ve
    cozunmus oksijen degiskenleri uzerindeki etkisini ayni anda degerlendirmek
    istiyoruz. Birbiriyle iliskili birden fazla bagimli degiskeni tek bir
    uygulama faktorune gore karsilastirdigimiz icin MANOVA en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Uygulama: treatment
    - Klorofil-a: chla_ugL
    - Toplam fosfor: TP_ugL
    - Toplam azot: TN_mgL
    - Cozunmus oksijen: DO_mgL

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Genel karar icin referans test: Wilks / Pillai (en saglam) / Hotelling-Lawley / Roy.
    - Box's M: gruplarin kovaryans matrislerinin esitligi.
    - Tek-degiskenli takip ANOVA'lari (her bagimli degisken icin).
    - Cok-degiskenli kismi eta-kare; grup betimsel ortalamalari.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Wilks' Lambda -> F = 57.7335   p < .001 ***   (n = 100)
    Bagimli: chla_ugL, TP_ugL, TN_mgL, DO_mgL   |   Faktor: treatment

>> YORUM (anlatim):
    Bir uygulamanin etkisini tek bir degiskene degil, su kalitesinin dort bilesenine birden -- klorofil, toplam
    fosfor, toplam azot ve cozunmus oksijen -- baktik. Bu dort gosterge birbiriyle iliskili oldugu icin ayri ayri
    dort ANOVA yerine cok degiskenli MANOVA uygundur. Sonuc cok guclu: Wilks Lambda uzerinden F = 57.73, p binde
    birin altinda. Yani uygulama, su kalitesinin birlesik profilini anlamli olarak degistiriyor. MANOVA'nin tercih
    nedeni onemli: iliskili gostergeleri tek testte ele alarak hem Tip-I hata sismesini onler hem degiskenler arasi
    ortak yapiyi korur. Anlamli cikan MANOVA sonrasi, her gostergeye Bonferroni duzeltmeli ayri ANOVA ile inilebilir.
    Limnolojide su kalitesi cok-boyutlu oldugu icin bu butuncul yaklasim cok degerlidir.

====================================================================================

#10  ANCOVA
    file: 010_ancova_saltmarsh_blue_carbon_depth_kov.xlsx
  >> SENARYO (anlatim):
    Kiyi sulak alanlarinda mavi karbon depolamasini farkli ekosistem tiplerine
    gore karsilastiriyoruz. Salicornia, Juncus ve Phragmites bitki ortulu
    alanlarinda organik karbon yuzdesinin farkli olup olmadigini incelerken,
    orneklem derinliginin karbon birikimi uzerindeki etkisini de kontrol altina
    almak istiyoruz. Kategorik ekosistem tipini karsilastirirken surekli
    derinlik degiskenini kovaryet olarak dengelediginiz icin ANCOVA en uygun
    yontemdir.
  >> DEGISKEN SECIMI:
    - Ekosistem tipi: ecosystem_type
    - Derinlik (kovaryet): depth_cm
    - Organik karbon yuzdesi: OC_percent
    - Kuru yogunluk: dry_density_gcm3
    - Kiyi serit adi: kiyiSeritIsim

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Kareler toplami turu (I/II/III).
    - Regresyon egim homojenligi testi (faktor x kovaryans — ANCOVA'nin kilit varsayimi).
    - Etki buyuklukleri: omega-kare, epsilon-kare.
    - Levene & artik Shapiro; duzeltilmis (EMM) ortalamalarda Bonferroni post-hoc.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    ecosystem_type (faktor): F(2) = 171.80   p < .001 ***   η²p = 0.800 (buyuk)
    Kovaryat: depth_cm (derinlik icin duzeltildi)   |   DV: OC_percent (organik karbon %)   H0 REDDEDILIR

>> YORUM (anlatim):
    Farkli ekosistem tiplerinin sediman organik karbon icerigine etkisini test ettik; ama bir tuzak vardi:
    organik karbon derinlikle degisir ve ekosistemler farkli derinliklerdeydi. Derinligi yok sayip dogrudan
    karsilastirsak, sonuc yaniltici olurdu. ANCOVA tam bunu cozdu: derinligi kovaryat olarak modele alip onun
    etkisini sabitledik. Sonuc: derinlik icin duzeltildikten sonra bile ekosistem tipleri organik karbon
    bakimindan anlamli olarak farkli (F(2) = 171.80, p < .001), etki buyuklugu η²p = 0.80 ile cok buyuk. Yani
    gozledigimiz fark, derinlik farkliliklarinin bir yan urunu degil; ekosistem tipinin gercek etkisi. Sulak alan
    ve sediman calismalarinda derinlik gibi karistiricilari kontrol etmek sarttir -- ANCOVA bunu adil biçimde yapar.

====================================================================================

#11  Bootstrap Confidence Interval
    file: 011_bootstrap_CI_small_N_lake_chla.xlsx
  >> SENARYO (anlatim):
    Türkiye'deki altı sığ gölden (Çavuşcu, Suğla, Hotamış, Mogan, Burdur, Eymir)
    toplanan ve yalnızca 22 ölçümden oluşan küçük bir örneklemde ortalama
    klorofil-a (chla_ugL) düzeyini güvenilir biçimde kestirmek istiyoruz.
    Örneklem hacmi düşük ve klorofil-a değerleri çarpık dağıldığı için klasik
    normallik varsayımına dayalı güven aralıkları yanıltıcı olabilir. Bu nedenle
    yeniden örnekleme yoluyla ortalama klorofil-a için ampirik bir güven aralığı
    üretmek üzere Bootstrap güven aralığı yöntemini kullanıyoruz. Böylece
    dağılım varsayımına bağlı kalmadan göllerdeki ortalama klorofil-a düzeyinin
    belirsizliğini değerlendirebiliriz.
  >> DEGISKEN SECIMI:
    - Sayısal değişken: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Gozlenen medyan klorofil-a = 16.08 ug/L
    %95 Bootstrap Guven Araligi = (9.18 , 24.55)   |   kucuk orneklem (N dusuk)

>> YORUM (anlatim):
    Bazen elimizde cok az gol/orneklem olur ve dagilim carpiktir -- klasik formuller guvenilmez. Burada kucuk bir
    klorofil-a ornegi icin bootstrap yontemiyle medyanin guven araligini cikardik: gozlenen medyan 16.1, ama gercek
    medyanin makul araligi 9.2 ile 24.5 arasinda. Bu genislik bize iki sey soyluyor: orneklem kucuk oldugu icin
    belirsizlik yuksek, ve klorofil dagilimi carpik. Bootstrap, dagilim varsayimi yapmadan binlerce yeniden ornekleme
    ile araligi tahmin eder -- az veriyle calisan limnologlar icin guvenilir bir aractir.

====================================================================================

#12  Permutation Test
    file: 012_permutasyon_zoo_dimension_temperature.xlsx
  >> SENARYO (anlatim):
    Soğuk (15 °C) ve sıcak (24 °C) su koşullarında yetişen zooplanktonların
    vücut boyutlarının (zoo_dimension_um) farklılaşıp farklılaşmadığını
    araştırıyoruz. Sıcaklık grubuna (temperature_group) göre ayrılmış 70 bireyin
    boyut ölçümlerini karşılaştırarak su sıcaklığının zooplankton morfolojisi
    üzerindeki etkisini sınamak istiyoruz. Veri dağılımı hakkında varsayımda
    bulunmadan iki grup arasındaki farkı test edebilmek için, gruplar arası
    ortalama farkının rastlantısallık altındaki dağılımını doğrudan üreten
    Permütasyon testi en uygun yaklaşımdır.
  >> DEGISKEN SECIMI:
    - Grup değişkeni: temperature_group
    - Sayısal değişken: zoo_dimension_um

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Iki grup (sicaklik) arasinda anlamli ortalama fark var (p < 0.05).
    Zooplankton govde boyu, sicaklik gruplarina gore farklilasiyor.   H0 REDDEDILIR

>> YORUM (anlatim):
    Sicakligin zooplankton govde boyutuna etkisini permutasyon testiyle sinadik. Permutasyon, grup etiketlerini
    binlerce kez rastgele karip gozlenen farkin sansa bagli olup olmadigini olcer -- hicbir dagilim varsayimi
    gerektirmez. Sonuc anlamli: sicak ve soguk kosullardaki zooplankton boyutlari tesadufle aciklanamayacak kadar
    farkli. Bu, "sicaklik-boyut kurali" denen ekolojik oruntu ile uyumlu: isinan sularda organizmalar genelde
    kuculur. Kucuk orneklemlerde ve normal olmayan dagilimlarda permutasyon, t-testinin saglam alternatifidir.

====================================================================================

#13  Multiple Comparison Corrections
    file: 013_multiple_comparison_5havza_chla_tukey.xlsx
  >> SENARYO (anlatim):
    Beş büyük havzadan (Konya, Büyük Menderes, Kuzey Ege, Marmara, Doğu
    Karadeniz) alınan 110 örnekte klorofil-a (chla_ugL) düzeylerinin havzalar
    arasında farklılaşıp farklılaşmadığını inceliyoruz. Birden çok havza
    ikilisini aynı anda karşılaştırdığımız için tip-1 hata oranı şişecektir; bu
    yüzden ikili karşılaştırmaların anlamlılık düzeylerini düzeltmemiz gerekir.
    Tüm havza çiftleri arasındaki klorofil-a farklarını kontrollü biçimde
    değerlendirebilmek için Çoklu Karşılaştırma Düzeltmeleri (Tukey) yöntemini
    uyguluyoruz.
  >> DEGISKEN SECIMI:
    - Grup değişkeni: basin
    - Sayısal değişken: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    5 havza referansa karsi, tum p-degerleri tum yontemlerde (Bonferroni / Holm / FDR ...) anlamli kaldi:
    TOPLAM ANLAMLI = 4/4 (her duzeltme sutununda)

>> YORUM (anlatim):
    Bes havzanin klorofil duzeylerini ikili karsilastirdigimizda cok sayida test yapariz -- ve her test yanlis-pozitif
    riski tasir. Coklu karsilastirma duzeltmesi bu riski kontrol eder. Burada referans havzaya karsi dort karsilastirmanin
    tamami, Bonferroni'den FDR'ye kadar tum duzeltme yontemlerinde anlamli kaldi (4/4). Bu guclu bir sonuc: havzalar
    arasi klorofil farklari o kadar belirgin ki, en muhafazakar duzeltme bile onlari elemiyor. Limnolojide cok-gol
    karsilastirmalarinda bu adim atlanirsa sahte farklar rapor etme riski dogar.

====================================================================================

#14  Mann-Whitney U Test
    file: 014_mann_whitney_phytoplankton_density.xlsx
  >> SENARYO (anlatim):
    Düşük ve yüksek tuzluluk düzeyine (salt_level) sahip su ortamlarında
    fitoplankton hücre yoğunluğunun (phytoplankton_cell_L) farklılaşıp
    farklılaşmadığını araştırıyoruz. 64 örnekten oluşan veride fitoplankton
    yoğunlukları genellikle çarpık dağıldığından ve normallik varsayımı
    sağlanmadığından, iki bağımsız grubun dağılımlarını sıralamalara dayanarak
    karşılaştıran Mann-Whitney U testi en uygun seçimdir. Böylece tuzluluğun
    fitoplankton yoğunluğu üzerindeki etkisini parametrik olmayan bir biçimde
    sınayabiliriz.
  >> DEGISKEN SECIMI:
    - Grup değişkeni: salt_level
    - Sayısal değişken: phytoplankton_cell_L

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Hipotez yonu; sureklilik duzeltmesi.
    - Hesaplama yontemi: otomatik / tam (kucuk n'de kesin) / asimptotik.
    - Etki buyuklukleri: CLES ve Z/karekok(N) (rank-biserial r zaten var).
    - Betimsel (medyan vb.).

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Mann-Whitney U = 172.00   p < .001 ***   r = .66
    Fitoplankton yogunlugu, tuzluluk duzeyine gore anlamli farkli.   H0 REDDEDILIR

>> YORUM (anlatim):
    Fitoplankton hucre yogunlugunun tuzluluk duzeyine gore degisip degismedigini parametrik olmayan Mann-Whitney ile
    test ettik -- cunku yogunluk verisi siddetle carpik. Sonuc cok anlamli (U = 172, p < .001) ve etki buyuklugu
    r = .66 ile guclu. Yani dusuk ve yuksek tuzluluk gollerinde fitoplankton yogunlugu belirgin sekilde farkli.
    Bu ekolojik olarak onemli: tuzlanma (ozellikle kapali havzalarda buharlasma ve sulama kaynakli) plankton
    topluluklarini yeniden sekillendirir. Carpik yogunluk verisinde Mann-Whitney, t-testinden daha guvenilirdir.

====================================================================================

#15  Wilcoxon Signed-Rank Test
    file: 015_wilcoxon_conductivity_before_post.xlsx
  >> SENARYO (anlatim):
    Aynı 24 göl istasyonunda bir müdahale veya mevsim öncesinde ve sonrasında
    ölçülen elektriksel iletkenlik değerlerini (conductivity_before_mS_cm ve
    conductivity_post_mS_cm) karşılaştırıyoruz. Amacımız, gölerdeki iletkenliğin
    öncesine kıyasla anlamlı biçimde değişip değişmediğini belirlemektir.
    Ölçümler eşleştirilmiş (aynı göl iki kez ölçülmüş) ve farkların normal
    dağıldığı varsayılamadığından, eşleştirilmiş farkların işaret ve sıralarını
    kullanan Wilcoxon işaretli sıralar testi en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Önce ölçümü: conductivity_before_mS_cm
    - Sonra ölçümü: conductivity_post_mS_cm

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Hipotez yonu; sureklilik duzeltmesi.
    - Sifir-fark islemi: wilcox (at) / pratt / zsplit.
    - Iki olcum ve farki icin betimsel.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Wilcoxon W = 15.00   p < .001 ***   r = 0.88   n (sifirsiz) = 24
    Iletkenlik oncesi-sonrasi anlamli degisti.   H0 REDDEDILIR

>> YORUM (anlatim):
    Ayni istasyonlarda bir mudahale/donem oncesi ve sonrasi olculen elektriksel iletkenligi eslestirilmis Wilcoxon
    testiyle karsilastirdik. Sonuc cok guclu: W = 15, p < .001, etki buyuklugu r = 0.88. Iletkenlik, oncesi-sonrasi
    arasinda neredeyse tum istasyonlarda ayni yonde ve buyuk olcude degisti. Iletkenlik, suya karisan iyon yukunun
    (tuzlanma, kirlilik) dolaysiz gostergesidir; bu kadar tutarli bir kayma, sistemde gercek bir hidrokimyasal
    degisim oldugunu soyluyor. Esli olculerde ve carpik dagilimda Wilcoxon dogru secimdir.

====================================================================================

#16  Kruskal-Wallis Test
    file: 016_kruskal_wallis_bird_diversity_term.xlsx
  >> SENARYO (anlatim):
    Bir sulak alanda dört ayrı zaman diliminde (2003-2007, 2008-2012, 2013-2017,
    2018-2022) kaydedilen kuş tür zenginliği (bird_type_richness) değerlerinin
    dönemler arasında farklılaşıp farklılaşmadığını inceliyoruz. 112 gözlemden
    oluşan veride tür zenginliği sayım verisi olduğundan ve normallik varsayımı
    genellikle sağlanmadığından, ikiden fazla bağımsız grubu sıralamalara
    dayanarak karşılaştıran Kruskal-Wallis testi en uygun yaklaşımdır. Böylece
    kuş çeşitliliğinin yıllar içinde değişip değişmediğini değerlendirebiliriz.
  >> DEGISKEN SECIMI:
    - Grup değişkeni: term
    - Sayısal değişken: bird_type_richness

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Epsilon-kare etki buyuklugu.
    - Dunn ikili post-hoc (bag-duzeltmeli, Bonferroni/Holm).
    - Grup basina betimsel.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    H(3) = 58.84   p < .001 ***   eta-kare_H = 0.52
    Kus tur zenginligi mevsime/doneme gore anlamli farkli.   H0 REDDEDILIR

>> YORUM (anlatim):
    Sulak alandaki kus tur zenginliginin donemler/mevsimler arasinda degisip degismedigini Kruskal-Wallis ile
    sinadik -- ucten fazla grubun parametrik olmayan ANOVA'si. Sonuc cok anlamli (H(3) = 58.84, p < .001) ve
    etki buyuklugu eta-kare = 0.52 ile cok buyuk: varyansin yarisindan fazlasi donemle aciklaniyor. Sulak alanlar
    goc, ureme ve kislama donemlerinde cok farkli kus topluluklari barindirir; bu sonuc o mevsimsel dinamigi
    sayisallastiriyor. Sayim verisi normal dagilmadigi icin Kruskal-Wallis, klasik ANOVA'dan daha uygundur.

====================================================================================

#17  Friedman Test
    file: 017_friedman_mevsimler_chla_aynilgol.xlsx
  >> SENARYO (anlatim):
    Aynı göllerde dört mevsim boyunca (spring_chla, summer_chla, autumn_chla,
    winter_chla) ölçülen klorofil-a düzeylerinin mevsimler arasında farklılaşıp
    farklılaşmadığını araştırıyoruz. 18 göl için her mevsim tekrarlı ölçüm
    yapıldığından gözlemler birbirine bağımlıdır ve klorofil-a değerleri normal
    dağılmamaktadır. Aynı denekler üzerinde tekrarlanan üç ya da daha fazla
    ölçümü sıralamalara dayalı olarak karşılaştıran Friedman testi, mevsimsel
    klorofil-a farklarını sınamak için en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Tekrarlı ölçüm: spring_chla
    - Tekrarlı ölçüm: summer_chla
    - Tekrarlı ölçüm: autumn_chla
    - Tekrarlı ölçüm: winter_chla

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Ikili Wilcoxon isaretli-sira post-hoc (Bonferroni/Holm).
    - Kosul basina betimsel.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Friedman chi-kare(3) = 35.87   p < .001 ***   Kendall W = 0.66   n = 18
    Ayni gollerin 4 mevsim klorofili anlamli farkli.   H0 REDDEDILIR

>> YORUM (anlatim):
    Ayni gollerde dort mevsim boyunca olculen klorofil-a'yi Friedman testiyle karsilastirdik -- tekrarli olculerin
    parametrik olmayan karsiligi. Sonuc cok anlamli (chi-kare(3) = 35.87, p < .001), Kendall W = 0.66 ile mevsimler
    arasi siralama tutarliligi yuksek. Yani goller mevsimden mevsime klorofil bakimindan tutarli bir oruntu izliyor:
    tipik olarak yaz piki, kis dusugu. Ayni golleri tekrar tekrar olctugumuz icin gozlemler bagimli; Friedman bu
    bagimliligi dogru sekilde hesaba katar. Mevsimsel izleme verilerinde dogru testtir.

====================================================================================

#18  Binomial Test
    file: 018_binomial_clear_status_ratio.xlsx
  >> SENARYO (anlatim):
    80 göl-yıl kaydında, göllerin berrak (clear_status_1_0) olarak
    sınıflandırılma oranının belirli bir teorik beklentiye (örneğin yarısının
    berrak olması) uyup uymadığını araştırıyoruz. Değişkenimiz yalnızca iki
    sonuç (berrak = 1, berrak değil = 0) içeren ikili bir kategorik değişken
    olduğundan, gözlenen başarı oranını beklenen bir orana karşı sınamak için
    Binom testi en uygun yöntemdir. Böylece göllerdeki berraklık durumunun
    beklenen orandan anlamlı biçimde sapıp sapmadığını değerlendirebiliriz.
  >> DEGISKEN SECIMI:
    - İkili sonuç değişkeni: clear_status_1_0

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Gozlenen oran (berrak) = 0.6625   test orani = 0.50
    p = 0.0049 **   H0 REDDEDILIR

>> YORUM (anlatim):
    Gollerin "berrak su" durumunda olma oraninin yari yariya (sansa esit) olup olmadigini binom testiyle sinadik.
    Gozlenen oran 0.66 -- gollerin ucte ikisi berrak halde. Bu, %50'den anlamli sekilde farkli (p = 0.005). Sig
    gollerde "berrak" (makrofit egemen) ve "bulanik" (alg egemen) iki alternatif kararli durum vardir. Bu sonuc,
    izlenen gollerde berrak rejimin baskin oldugunu gosteriyor -- restorasyon ve makrofit korumasi acisindan olumlu
    bir isaret. Binom testi, tek bir ikili orani bilinen bir referans oranla karsilastirmanin en yalin yoludur.

====================================================================================

#19  Sign Test
    file: 019_sign_test_water_level_change.xlsx
  >> SENARYO (anlatim):
    Aynı 30 gölde 2005 ve 2020 yıllarında ölçülen su seviyelerini (WL_2005_m ve
    WL_2020_m) karşılaştırarak göl su seviyelerinin uzun dönemde yükselip mi
    yoksa alçalıp mı eğilimi gösterdiğini araştırıyoruz. Ölçümler eşleştirilmiş
    olduğundan ve farkların büyüklüğüne ilişkin herhangi bir dağılım varsayımı
    yapmak istemediğimizden, yalnızca artış-azalış yönünü (farkların işaretini)
    dikkate alan İşaret testi en uygun yöntemdir. Böylece su seviyesinde
    sistematik bir değişim olup olmadığını yöne dayalı olarak sınayabiliriz.
  >> DEGISKEN SECIMI:
    - Önce ölçümü: WL_2005_m
    - Sonra ölçümü: WL_2020_m

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Pozitif (2005 > 2020) = 21   Negatif (2005 < 2020) = 9
    p = 0.0428 *   H0 REDDEDILIR  (2005 duzeyleri anlamli sekilde daha yuksek)

>> YORUM (anlatim):
    Ayni gollerin 2005 ve 2020 su seviyelerini esli isaret testiyle karsilastirdik. Otuz golun 21'inde su seviyesi
    2005'te daha yuksekti, sadece 9'unda artmis (p = 0.043). Yani 15 yillik surecte gollerin cogunlugunda su
    seviyesi dustu. Bu, Anadolu kapali havzalarinin en kritik sorunlarindan birini -- asiri su cekimi ve iklim
    kaynakli kuruma -- istatistiksel olarak dogruluyor. Isaret testi, sadece degisimin yonune (artti/azaldi) bakar,
    buyuklugune degil; dayanikli ve varsayimsiz bir testtir, kaba ama saglam bir trend gostergesidir.

====================================================================================

#20  Runs Test
    file: 020_runs_test_chla_monthly_rastgelelik.xlsx
  >> SENARYO (anlatim):
    Bir gölde aylar boyunca düzenli olarak kaydedilen klorofil-a (chla_ugL)
    değerlerinin zaman içinde rastgele mi dağıldığını yoksa kümelenme ya da
    eğilim gösterip göstermediğini araştırıyoruz. 120 aylık ölçümden oluşan
    zaman serisinde, değerlerin medyanın üstünde ve altında oluşturduğu
    dizilerin (run) sayısına bakarak verinin rastlantısallığını sınamak
    istiyoruz. Bir dizinin rastgeleliğini sıralı gözlemler üzerinden
    değerlendiren Diziler (Runs) testi bu amaç için en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Sayısal değişken: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Gozlenen run = 70   Beklenen E[R] = 61.0   Z = 1.65   p ~ 0.099
    H0 REDDEDILEMEZ  (seri rastgele kabul edilir)

>> YORUM (anlatim):
    Aylik klorofil serisinin rastgele dagilip dagilmadigini -- yani ardisik degerlerde kumelenme/oruntu olup
    olmadigini -- Wald-Wolfowitz runs testiyle sinadik. Gozlenen 70 run, beklenen 61'e yakin; Z = 1.65, p yaklasik
    0.10. H0 reddedilmiyor: seri rastgele kabul ediliyor, sistematik bir kumelenme yok. Bu metodolojik olarak
    onemli: eger artiklar/olcumler rastgele degilse (otokorelasyon varsa) bircok klasik test gecersizlesir. Burada
    rastgelelik saglandigi icin standart yontemler guvenle kullanilabilir. Runs testi, bu on-kontrol icin idealdir.

====================================================================================

#21  Chi-Square Test of Independence
    file: 021_chisquare_independence_macrophyte_turbidity.xlsx
  >> SENARYO (anlatim):
    Sığ göllerde bulanıklığın su altı bitki örtüsünü belirleyip belirlemediğini
    merak ediyoruz. 220 göl istasyonunda suyun bulanıklık sınıfını
    (turbidity_class: berrak, bulanık, orta) kaydettik ve her istasyonda büyük
    su bitkisinin (makrofit) bulunup bulunmadığını (macrophyte_present) not
    ettik. Amacımız bulanıklık düzeyi ile makrofit varlığı arasında bir ilişki
    olup olmadığını ortaya koymak. İki kategorik değişken arasındaki
    bağımsızlığı sınamak için Ki-Kare Bağımsızlık Testi en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Bulanıklık sınıfı (satır): turbidity_class
    - Makrofit varlığı (sütun): macrophyte_present

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Yates sureklilik duzeltmesi (2x2 tablolar).
    - G-testi (olabilirlik-orani ki-kare) secenegi.
    - Etki buyuklukleri: phi (2x2) ve kontenjans katsayisi C (Cramer's V'ye ek).
    - Beklenen-deger tablosu; standart artiklar (|>2| sapan hucreyi isaretler).

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    chi-kare(2) = 65.91   p < .001 ***   Cramer V = 0.55 (Guclu)
    Bulaniklik sinifi ile makrofit varligi iliskili.   H0 REDDEDILIR

>> YORUM (anlatim):
    Su bulanikligi sinifi ile makrofit (su bitkisi) varligi arasinda iliski olup olmadigini ki-kare ile test ettik.
    Sonuc cok guclu: chi-kare(2) = 65.91, p < .001, Cramer V = 0.55. Yani bulaniklik ve makrofit birbirinden bagimsiz
    degil -- berrak gollerde makrofit var, bulanik gollerde yok. Bu, sig gol ekolojisinin temel mekanizmasidir:
    makrofitler suyu berraklastirir (sediman tutar, besin yarisi yapar), berrak su da makrofiti besler -- pozitif
    geri besleme. Iki kategorik degisken arasi iliski icin ki-kare bagimsizlik testi standart yontemdir.

====================================================================================

#22  Chi-Square Goodness-of-Fit
    file: 022_chisquare_goodnessfit_goodness_zooplankton_turoran.xlsx
  >> SENARYO (anlatim):
    Bir gölde zooplankton topluluğunun beklenen tür oranlarına uyup uymadığını
    araştırıyoruz. Beş zooplankton türünün (type) sahada gözlenen birey
    sayılarını (observed_count) saydık ve literatüre dayalı beklenen oranlarını
    (expected_ratio) belirledik. Amacımız gözlenen tür dağılımının teorik olarak
    beklenen dağılımdan anlamlı şekilde sapıp sapmadığını test etmek. Tek bir
    kategorik değişkenin gözlenen frekanslarını beklenen frekanslarla
    karşılaştırmak için Ki-Kare Uyum İyiliği Testi uygundur.
  >> DEGISKEN SECIMI:
    - Kategori: type
    - Gözlenen sayı: observed_count
    - Beklenen oran: expected_ratio

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Etki buyuklukleri: Cohen w ve Cramer's V.
    - G-testi (olabilirlik orani) secenegi.
    - Kategori basina standart artiklar (|>2| = belirgin sapma).

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    chi-kare(4) = 67.80   p < .001 ***   n = 800   k = 5 tur
    Beklenen oranlar: 0.30, 0.20, 0.25, 0.15, 0.10   H0 REDDEDILIR

>> YORUM (anlatim):
    Zooplankton toplulugundaki tur dagiliminin, beklenen (referans) oranlara uyup uymadigini ki-kare uyum iyiligi
    testiyle sinadik. Gozlenen 800 bireyin tur dagilimi, beklenen oranlardan anlamli sekilde sapiyor (chi-kare(4) =
    67.80, p < .001). Yani topluluk yapisi "beklenen" dengeden uzaklasmis -- bazi turler bekleneninden cok, bazilari
    az. Bu degisim genelde otrofikasyon, baliklanma baskisi ya da sicaklik kaynaklidir. Uyum iyiligi testi, gozlenen
    bir kategori dagilimini teorik bir beklentiyle karsilastirmanin dogru yoludur.

====================================================================================

#23  Fisher's Exact Test
    file: 023_fisher_exact_rare_fish_microhabitat.xlsx
  >> SENARYO (anlatim):
    Nadir bir balık türünün hangi mikro yaşam alanını tercih ettiğini incelemek
    istiyoruz. Yalnızca 24 gölde mikrohabitat tipini (microhabitat: makrofit
    yatağı veya açık su) ve nadir balığın varlığını (rare_fish_present)
    kaydettik. Amacımız mikrohabitat ile nadir balık varlığı arasında ilişki
    olup olmadığını belirlemek. Örneklem küçük ve bazı göz frekansları düşük
    olduğundan, 2x2 tabloda Fisher'ın Kesin Testi en güvenilir seçenektir.
  >> DEGISKEN SECIMI:
    - Mikrohabitat (satır): microhabitat
    - Nadir balık varlığı (sütun): rare_fish_present

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Fisher Exact p = 0.0361 *   Odds Ratio = 0.10  (95% CI: 0.014 - 0.693)   Phi = 0.51
    Nadir balik varligi ile mikrohabitat iliskili.   H0 REDDEDILIR

>> YORUM (anlatim):
    Nadir bir balik turunun varligi ile mikrohabitat tipi arasindaki iliskiyi Fisher kesin testiyle sinadik -- cunku
    az gozlemli (kucuk hucreli) tablolarda ki-kare guvenilmezdir. Sonuc anlamli (p = 0.036), odds orani 0.10: belirli
    mikrohabitatta nadir balik bulunma sansi diger habitata gore 10 kat daha dusuk. Phi = 0.51 ile iliski guclu.
    Nadir/tehdit altindaki turler genelde cok ozel habitatlara baglidir; bu sonuc o baglilik orununu nicelliyor.
    Kucuk orneklemli korunma biyolojisi verisinde Fisher kesin testi en dogru secimdir.

====================================================================================

#24  McNemar Test
    file: 024_mcnemar_macrophyte_before_post.xlsx
  >> SENARYO (anlatim):
    Aynı göl istasyonlarında su altı bitki örtüsünün zaman içinde değişip
    değişmediğini değerlendiriyoruz. 60 istasyonda makrofitin 2010 yılındaki
    (macrophyte_2010) ve 2024 yılındaki (macrophyte_2024) varlık durumunu
    eşleştirilmiş olarak kaydettik. Amacımız iki dönem arasında makrofit
    varlığında anlamlı bir değişim olup olmadığını ortaya koymak. Aynı
    birimlerde ölçülen eşleştirilmiş ikili (var/yok) verilerdeki değişimi
    sınamak için McNemar Testi uygundur.
  >> DEGISKEN SECIMI:
    - Önce ölçüm (2010): macrophyte_2010
    - Sonra ölçüm (2024): macrophyte_2024

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    McNemar chi-kare = 16.96   p < .001 ***   uyumsuz: b = 24 (kayip), c = 2 (kazanim)
    Cohen g = 0.85   H0 REDDEDILIR

>> YORUM (anlatim):
    Ayni gollerde makrofit varligini 2010 ve 2024'te karsilastirdik -- esli ikili veride McNemar testi kullanilir.
    Sonuc carpici: 24 golde makrofit kaybedilmis, sadece 2 golde kazanilmis (chi-kare = 16.96, p < .001). Yani 14
    yilda makrofit ortulugu dramatik biçimde geriledi. Bu, sig gollerin "berrak'tan bulanik'a" rejim kaymasinin
    klasik isaretidir -- otrofikasyon ve su seviyesi dususuyle makrofitler cokuyor. McNemar yalnizca degisen
    durumlara (uyumsuz hucrelere) bakar; oncesi-sonrasi kategorik degisimi olcmenin dogru yoludur.

====================================================================================

#25  Cohen's Kappa
    file: 025_cohen_kappa_cladocera_uzmanlar_between.xlsx
  >> SENARYO (anlatim):
    İki uzmanın cladocera (su piresi grubu) örneklerini tanılamada ne ölçüde
    uyumlu olduğunu araştırıyoruz. 80 örnekte birinci uzmanın
    (expert1_diagnosis) ve ikinci uzmanın (expert2_diagnosis) verdiği tür
    tanılarını dört kategori üzerinden kaydettik. Amacımız iki uzman arasındaki
    tanı uyumunun şans eseri beklenenin ötesinde olup olmadığını ölçmek. Aynı
    örneklere iki değerlendiricinin verdiği kategorik tanıların uyumunu ölçmek
    için Cohen's Kappa uygundur.
  >> DEGISKEN SECIMI:
    - Birinci değerlendirici: expert1_diagnosis
    - İkinci değerlendirici: expert2_diagnosis

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Cohen Kappa = 0.797 (onemli/guclu uyum)   p_o = 0.85   p_e = 0.26
    z = 14.75   p < .001 ***   H0 REDDEDILIR

>> YORUM (anlatim):
    Iki uzmanin Cladocera (su piresi) turlerini bagimsiz teshisindeki uyumu Cohen Kappa ile olctuk. Kappa = 0.80,
    "onemli/guclu uyum" araliginda -- gozlenen uyum %85, ama sans-duzeltilmis kappa daha dogru bir olcudur cunku
    tesadufi uyumu ayiklar. Taksonomide bu cok onemli: tur teshisleri gozlemciler arasi tutarli degilse, tum
    biyocesitlilik verisi supheli hale gelir. Kappa = 0.80, teshislerin guvenilir ve tekrarlanabilir oldugunu
    gosteriyor. Gozlemciler-arasi guvenirligi raporlamak, taksonomik calismalarda kalite guvencesinin standart adimidir.

====================================================================================

#26  Cochran-Mantel-Haenszel Test
    file: 026_cmh_macrophyte_group_salinity_strata.xlsx
  >> SENARYO (anlatim):
    Bir deneysel müdahalenin makrofit varlığı üzerindeki etkisini, tuzluluk
    düzeyini denetleyerek incelemek istiyoruz. 240 örnekte kontrol/uygulama
    grubunu (group), tabakanın tuzluluk düzeyini (layer_salinity: yüksek tuz,
    düşük tuz) ve makrofit varlığı sonucunu (result_macrophyte_present)
    kaydettik. Amacımız tuzluluk tabakalarını sabit tutarak grup ile makrofit
    varlığı arasındaki ilişkiyi sınamak. Bir karıştırıcı tabaka değişkenini
    kontrol ederek 2x2 ilişkileri birleştirmek için Cochran-Mantel-Haenszel
    Testi uygundur.
  >> DEGISKEN SECIMI:
    - Grup: group
    - Sonuç (makrofit varlığı): result_macrophyte_present
    - Tabaka (tuzluluk): layer_salinity

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    CMH chi-kare(1) = 32.44   p < .001 ***   Ortak OR (MH) = 5.06  (95% CI: 2.84 - 9.02)
    Breslow-Day chi-kare(1) = 0.70, p = 0.40 (OR homojen)   H0 REDDEDILIR

>> YORUM (anlatim):
    Grup ile makrofit varligi arasindaki iliskiyi, tuzluluk tabakalari (strata) icinde kontrol ederek CMH testiyle
    inceledik. Tuzlulugu sabit tuttugumuzda bile iliski guclu: ortak odds orani 5.06 (p < .001) -- yani tuzluluk
    karistiricisindan arindirilmis halde, bir grupta makrofit bulunma sansi digerine gore 5 kat fazla. Breslow-Day
    testi anlamsiz (p = 0.40), yani bu iliski tum tuzluluk tabakalarinda tutarli (homojen OR). CMH, ucuncu bir
    degiskenin etkisini katmanlayarak kontrol etmenin -- limnolojide cok degerli -- klasik yoludur.

====================================================================================

#27  Log-Linear Analysis
    file: 027_log_lineer_treatment_term_result.xlsx
  >> SENARYO (anlatim):
    Göl deneylerinde uygulama, mevsim ve su berraklığı arasındaki birlikte
    ilişkileri çözümlemek istiyoruz. Sıcaklık uygulaması (treatment: kontrol,
    ısıtma), mevsim (term: yaz, kış) ve sonuç berraklık durumunun (result:
    bulanık, berrak) her kombinasyonu için gözlem frekansını (frequency)
    topladık. Amacımız üç kategorik değişken arasındaki etkileşimleri ve
    bağımlılık yapısını modellemek. Çok yönlü frekans tablolarındaki ilişki
    örüntülerini incelemek için Log-Lineer Analiz uygundur.
  >> DEGISKEN SECIMI:
    - Faktör 1: treatment
    - Faktör 2: term
    - Faktör 3: result
    - Frekans: frequency

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    En iyi model AIC = 48.77   Pearson chi-kare = 0.47 (model veriye cok iyi uyuyor)
    Faktorler: treatment (kontrol/isi) x term (yaz/kis) x result (bulanik/berrak)

>> YORUM (anlatim):
    Uc kategorik degiskenin -- mudahale (kontrol/isitma), donem (yaz/kis) ve sonuc (bulanik/berrak) -- birlikte
    olusturdugu kontenjans yapisini log-lineer modelle cozumledik. Secilen modelin uyumu mukemmel (Pearson chi-kare =
    0.47, cok dusuk), AIC = 48.77 ile en parsimonik model. Log-lineer analiz, ikiden fazla kategorik degisken arasi
    etkilesimleri (hangi degiskenler bagimli, hangi etkilesim anlamli) cozmemizi saglar -- ANOVA'nin kategorik
    sayim verisi icin karsiligi gibidir. Deneysel isitma calismalarinin cok-yonlu sonuclarini ozetlemede gucludur.

====================================================================================

#28  Crosstabulation
    file: 028_cross_tablo_fish_lake_status.xlsx
  >> SENARYO (anlatim):
    Farklı balık türlerinin berrak ve bulanık göllerde nasıl dağıldığını görmek
    istiyoruz. 180 örnekte yakalanan balık türünü (fish_type) ve gölün durumunu
    (lake_status: bulanık, berrak) kaydettik. Amacımız balık türü ile göl durumu
    arasındaki dağılımı bir çapraz tabloda özetleyip ilişkiyi betimlemek. İki
    kategorik değişkenin ortak frekans dağılımını tablo halinde göstermek için
    Çapraz Tablolama uygundur.
  >> DEGISKEN SECIMI:
    - Satır (balık türü): fish_type
    - Sütun (göl durumu): lake_status

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    chi-kare(3) = 5.65   p = 0.130   Cramer V = 0.18 (Orta-zayif)
    Balik tipi ile gol durumu ARASINDA anlamli iliski YOK.   H0 REDDEDILEMEZ

>> YORUM (anlatim):
    Balik tipi ile gol durumu arasindaki iliskiyi capraz tablo ve ki-kare ile inceledik. Bu kez sonuc anlamsiz
    (chi-kare(3) = 5.65, p = 0.13): balik tipi dagiliminin gol durumuna gore farklilastigina dair yeterli kanit yok.
    Anlamsiz sonuclar da degerlidir -- her zaman iliski beklemek hatadir. Burada balik kompozisyonu, gol durumunu
    ayirt eden bir gosterge degil; demek ki gol durumunu baska faktorler (besin, makrofit, derinlik) belirliyor.
    Capraz tablo, iki kategorik degisken arasindaki birlikteligi gormenin en temel ve okunakli yoludur.

====================================================================================

#29  MR Frequency
    file: 029_MR_frequency_pondscape_function_choice.xlsx
  >> SENARYO (anlatim):
    Farklı ülkelerden katılımcıların gölet peyzajına yükledikleri işlevleri
    anlamak istiyoruz. 120 katılımcıya ülkesini (country) sorduk ve gölet
    peyzajı işlevlerine ilişkin çoklu seçim yanıtlarını
    (pondscape_fonksiyonlari_choice) topladık. Amacımız katılımcıların birden
    fazla işaretleyebildiği bu işlev tercihlerinin sıklığını belirlemek. Bir
    kişinin birden çok yanıt verebildiği çoktan seçmeli değişkenin yanıt
    frekanslarını özetlemek için Çoklu Yanıt Frekans analizi uygundur.
  >> DEGISKEN SECIMI:
    - Çoklu yanıt değişkeni: pondscape_fonksiyonlari_choice

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Toplam vaka n = 120   Yanitlayan = 120 (%100)
    Gocet/sulak alan fonksiyonlari (su saglama, iklim duzenleme, estetik, rekreasyon...) cok-secimli isaretlendi

>> YORUM (anlatim):
    Anket katilimcilarina gocet/sulak alan peyzajinin (pondscape) hangi islevlerini onemsedikleri soruldu -- birden
    fazla secenek isaretleyebildikleri "coklu yanit" sorusu. 120 katilimcinin tamami en az bir islev sectigi icin
    yanit orani %100. Coklu yanit frekans analizi, her bir islevin kac kez ve katilimcilarin yuzde kacinca secildigini
    gosterir; toplam yuzdeler 100'u asar cunku herkes birden cok kutu isaretleyebilir. Sulak alan hizmetlerinin
    halk gozundeki onceligini olcen sosyo-ekolojik calismalarda bu analiz vazgecilmezdir.

====================================================================================

#30  MR Crosstab
    file: 030_MR_categorical_threats_country.xlsx
  >> SENARYO (anlatim):
    Algılanan göl tehditlerinin ülkelere göre nasıl değiştiğini incelemek
    istiyoruz. 150 katılımcıdan ülkesini (country: İspanya, İsveç, Türkiye) ve
    göllere yönelik algıladıkları tehditleri (perceived_threats) çoklu seçim
    olarak topladık. Amacımız ülke ile algılanan tehdit kategorileri arasındaki
    dağılımı çapraz tabloda karşılaştırmak. Bir çoklu yanıt değişkenini bir
    kategorik değişkenle çaprazlamak için Çoklu Yanıt Çapraz Tablo analizi
    uygundur.
  >> DEGISKEN SECIMI:
    - Kategori (ülke): country
    - Çoklu yanıt değişkeni: perceived_threats

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Toplam vaka n = 150   Grup sutunu: country (ulke)
    Algilanan tehditler (otrofikasyon, kuraklik, istilaci tur, kirlilik...) ulkeye gore capraz

>> YORUM (anlatim):
    Sulak alanlara yonelik algilanan tehditleri (coklu secimli) katilimcinin ulkesine gore capraz tabloladik. 150
    katilimcinin verisiyle, her tehdit algisinin ulkeler arasinda nasil dagildigini gorebiliyoruz. Coklu yanit capraz
    tablo, "hangi grup hangi secenekleri daha cok isaretliyor" sorusunu yanitlar -- ornegin bir ulkede kuraklik on
    planda, digerinde otrofikasyon. Bu, ulkeler/bolgeler arasi cevre algisi farklarini ortaya koyan, uluslararasi
    karsilastirmali sulak alan calismalari icin guclu bir betimsel aractir.

====================================================================================

#31  MR x MR Crosstab
    file: 031_MR_MR_function_tehdit.xlsx
  >> SENARYO (anlatim):
    Bir göl havzası yönetim çalışmasında, paydaşlara göllerin sağladığı
    ekosistem fonksiyonlarını (fonksiyonlar) ve gölleri tehdit eden baskı
    unsurlarını (threats) çoktan seçmeli olarak işaretlettik; her katılımcı
    birden fazla fonksiyon ve birden fazla tehdit seçebiliyordu. Amacımız,
    algılanan göl fonksiyonları ile algılanan tehditler arasında bir ilişki olup
    olmadığını, yani hangi fonksiyonu önemseyen kişilerin hangi tehditleri öne
    çıkardığını ortaya koymaktır. İki değişkenin de çoklu yanıt (multiple
    response) yapısında olması nedeniyle, çapraz tabloyu doğru kuran MR x MR
    çapraz tablo analizi bu veri için uygundur.
  >> DEGISKEN SECIMI:
    - Çoklu yanıt - Fonksiyonlar: fonksiyonlar
    - Çoklu yanıt - Tehditler: threats

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Toplam vaka n = 100
    Tehdit toplamlari: tarim (agriculture) 42, iklim (climate) 41, drenaj 33, kirlilik (pollution) 37
    Sulak alan islevleri x algilanan tehditler caprazlandi

>> YORUM (anlatim):
    Bu en gelismis coklu-yanit analizi: iki ayri cok-secimli soruyu birbiriyle caprazliyoruz -- katilimcinin
    onemsedigi sulak alan islevleri ile algiladigi tehditler. 100 katilimcida en sik tehditler tarim (42) ve iklim
    (41), ardindan kirlilik (37) ve drenaj (33). Bu tablo, "hangi islevi onemseyenler hangi tehdidi one cikariyor"
    sorusunu yanitlar -- ornegin su saglamayi onemseyenler kuraklik/iklim tehdidini, biyocesitliligi onemseyenler
    istilaci tur/kirliligi vurgulayabilir. Cevre algisi ve degerlerin nasil eslestigini gosteren guclu bir aractir.

====================================================================================

#32  Cochran's Q Test
    file: 032_cochran_Q_macrophyte_4mevsim_binary.xlsx
  >> SENARYO (anlatim):
    Otuz beş gölde, su içi makrofit (su bitkisi) varlığını dört mevsim boyunca
    (T1_spring, T2_summer, T3_autumn, T4_winter) var/yok olarak (1/0) kaydettik.
    Araştırma sorumuz, makrofit varlık oranının mevsimler arasında anlamlı
    biçimde değişip değişmediğidir. Aynı göller dört tekrarlı ölçümle izlendiği
    ve yanıt ikili (binary) olduğu için, bağımlı gruplarda ikili sonuçların
    oranlarını karşılaştıran Cochran Q testi bu tasarıma uygundur.
  >> DEGISKEN SECIMI:
    - İlkbahar ölçümü: T1_spring
    - Yaz ölçümü: T2_summer
    - Sonbahar ölçümü: T3_autumn
    - Kış ölçümü: T4_winter

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Cochran Q = 36.99   p < .001 ***
    4 mevsimde makrofit varligi (ikili) anlamli sekilde degisiyor.   H0 REDDEDILIR

>> YORUM (anlatim):
    Ayni gollerde dort mevsim boyunca makrofit varligini (var/yok ikili) Cochran Q testiyle karsilastirdik -- ikiden
    cok tekrarli olcumun ikili karsiligi, McNemar'in coklu surumu. Sonuc cok anlamli (Q = 36.99, p < .001): makrofit
    varligi mevsimler arasinda belirgin degisiyor. Bu beklenen bir biyolojik ritim -- su bitkileri yaz aylarinda
    geliser, kisin geriler. Cochran Q, ayni birimlerde tekrarlanan ikili (evet/hayir) olcumlerdeki degisimi sinamanin
    dogru yoludur; mevsimsel mevcudiyet/yoklugu izleyen ekolojik calismalarda sik kullanilir.

====================================================================================

#33  Correlation Analysis
    file: 033_correlation_TP_TN_chla_secchi_temp.xlsx
  >> SENARYO (anlatim):
    Yüz elli gölden alınan örneklerde toplam fosfor (TP_ugL), toplam azot
    (TN_mgL), klorofil-a (chla_ugL), Secchi derinliği (secchi_m) ve su sıcaklığı
    (temperature_C) ölçtük. Amacımız, besin tuzları, alg biyokütlesi göstergesi
    olan klorofil-a, su berraklığı ve sıcaklık arasındaki ikili ilişkilerin
    yönünü ve gücünü belirlemektir. Sürekli değişkenler arasındaki doğrusal
    birlikteliği nicelleştiren korelasyon analizi bu amaç için uygundur.
  >> DEGISKEN SECIMI:
    - Toplam fosfor: TP_ugL
    - Toplam azot: TN_mgL
    - Klorofil-a: chla_ugL
    - Secchi derinliği: secchi_m
    - Su sıcaklığı: temperature_C

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - p-degerleri artik TUM yontemler icin uretiliyor (Pearson/Spearman/Kendall), yalniz Pearson degil.
    - Hipotez yonu (cift / sag / sol).
    - Ciftler arasi coklu-karsilastirma p-duzeltmesi: Bonferroni / Holm / FDR (Benjamini-Hochberg).
    - r icin guven araligi: Fisher z (Pearson/Spearman) veya Kendall SE.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    En guclu iliski: TP_ugL - TN_mgL   r = +0.922   p < .001 ***  (Guclu)
    5 degisken: TP, TN, klorofil, secchi, sicaklik

>> YORUM (anlatim):
    Bes anahtar limnolojik degisken arasindaki tum ikili korelasyonlari cikardik. En guclu iliski toplam fosfor ile
    toplam azot arasinda (r = 0.92) -- besin yuklerinin birlikte artmasi, ortak kaynaklardan (tarimsal akis, atiksu)
    geldiklerini gosterir. Tipik olarak klorofil besinlerle pozitif, secchi (seffaflik) ile negatif iliskilidir:
    cok besin = cok alg = az seffaflik. Korelasyon matrisi, regresyon kurmadan once degiskenler arasi yapiyi gormenin
    ve es-dogrusalligi (collinearity) tespit etmenin ilk adimidir. TP-TN'nin 0.92 olmasi, ikisini ayni modele birlikte
    koyarken dikkatli olmak gerektigini de soyluyor.

====================================================================================

#34  Bland-Altman Analysis
    file: 034_bland_altman_mikroskopi_FCM_goodnessfit.xlsx
  >> SENARYO (anlatim):
    Altmış su örneğinde fitoplankton hücre yoğunluğunu iki farklı yöntemle,
    klasik mikroskopi (classic_mikroskopi_cell_uL) ve görüntülemeli akış
    sitometrisi (imaging_FCM_cell_uL) ile saydık. Araştırma sorumuz, yeni FCM
    yönteminin klasik mikroskopi ile ne ölçüde uyumlu olduğu ve aralarında
    sistematik bir sapma bulunup bulunmadığıdır. İki ölçüm yöntemi arasındaki
    uyumu ve sistematik farkı ortaya koyan Bland-Altman analizi bu karşılaştırma
    için uygundur.
  >> DEGISKEN SECIMI:
    - Yöntem 1 (mikroskopi): classic_mikroskopi_cell_uL
    - Yöntem 2 (FCM): imaging_FCM_cell_uL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Yontem 1 (klasik mikroskopi) ort = 38.03   |   Yontem 2 (imaging FCM) ort = 39.59
    Bias (sistematik fark) = -1.56   (yontemler genel olarak uyumlu)

>> YORUM (anlatim):
    Plankton hucrelerini saymanin iki yontemini -- klasik mikroskopi ile goruntuleme-tabanli akan-sitometri (FCM) --
    Bland-Altman ile karsilastirdik. Bu yontem korelasyona bakmaz (yuksek korelasyon uyumu garanti etmez), bunun
    yerine iki yontemin farkini olcer. Bias yalnizca -1.56: FCM ortalama olarak mikroskopiden cok hafif yuksek sayiyor,
    ama fark kucuk ve sistematik bir yanlilik neredeyse yok. Yani iki yontem pratikte birbirinin yerine kullanilabilir.
    Bland-Altman, yeni/hizli bir olcum yontemini altin standartla kiyaslamanin -- metodoloji calismalarinin -- standart yoludur.

====================================================================================

#35  Effect Size
    file: 035_effect_size_warm_cold_chla_cohenD.xlsx
  >> SENARYO (anlatim):
    İklim açısından sıcak ve soğuk olarak gruplanan (climate_group: warm/cold)
    göllerde klorofil-a (chla_ugL) düzeylerini karşılaştırdık. Amacımız, iki
    iklim grubu arasındaki alg biyokütlesi farkının yalnızca istatistiksel
    anlamlılığını değil, pratik büyüklüğünü de Cohen d ile ortaya koymaktır. İki
    bağımsız grup arasındaki fark büyüklüğünü standartlaştıran etki büyüklüğü
    analizi bu amaç için uygundur.
  >> DEGISKEN SECIMI:
    - Grup (iklim): climate_group
    - Klorofil-a: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Cohen d = -1.80  (cok buyuk etki)
    Sicak vs soguk iklim gruplarinda klorofil farki

>> YORUM (anlatim):
    Sicak ve soguk iklim kosullari arasindaki klorofil farkini, sadece "anlamli mi" degil "ne kadar buyuk" sorusuyla
    -- etki buyuklugu olarak -- olctuk. Cohen d = -1.80 cok buyuk bir etki; iki grubun dagilimlari neredeyse hic
    ortusmuyor. p-degeri orneklem buyukluguyle siser, ama etki buyuklugu orteklemden bagimsiz, gercek farkin
    pratik onemini verir. Burada isinmanin gol uretkenligine etkisi yalnizca istatistiksel degil, ekolojik olarak da
    cok guclu. Yayinlarda ve meta-analizlerde etki buyuklugunu raporlamak, sonuclarin karsilastirilabilirligi icin sarttir.

====================================================================================

#36  Canonical Correlation (CCA)
    file: 036_kanonik_correlation_environment_zoo_structuring.xlsx
  >> SENARYO (anlatim):
    Doksan göl örneğinde çevresel değişkenler (toplam fosfor TP_ugL, su
    sıcaklığı temperature_C, çözünmüş oksijen DO_mgL) ile zooplankton topluluk
    yapısını yansıtan oransal değişkenleri (daphnia_percent, Bosmina_percent,
    Rotifer_percent) birlikte ölçtük. Araştırma sorumuz, çevresel koşullar
    kümesi ile zooplankton kompozisyonu kümesi arasındaki çok değişkenli ortak
    değişimin (eş yapılanmanın) ne ölçüde güçlü olduğudur. İki çok değişkenli
    değişken seti arasındaki maksimum ilişkiyi bulan kanonik korelasyon (CCA) bu
    amaç için uygundur.
  >> DEGISKEN SECIMI:
    - Set 1 - Toplam fosfor: TP_ugL
    - Set 1 - Su sıcaklığı: temperature_C
    - Set 1 - Çözünmüş oksijen: DO_mgL
    - Set 2 - Daphnia oranı: daphnia_percent
    - Set 2 - Bosmina oranı: Bosmina_percent
    - Set 2 - Rotifer oranı: Rotifer_percent

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    CC1: r = 0.642, r2 = 0.41, Wilks L = 0.581, chi-kare(9) = 46.44, p < .001 *
    CC2: r = 0.11, p = 0.91 (anlamsiz)
    X seti: TP, sicaklik, cozunmus oksijen  |  Y seti: Daphnia%, Bosmina%, Rotifer%

>> YORUM (anlatim):
    Iki cok-degiskenli seti -- cevresel kosullar (fosfor, sicaklik, oksijen) ile zooplankton topluluk yapisi (Daphnia,
    Bosmina, Rotifer oranlari) -- kanonik korelasyonla iliskilendirdik. Ilk kanonik eksen anlamli (r = 0.64, p < .001):
    cevresel degiskenlerin bir bilesimi, zooplankton kompozisyonunun bir bilesimiyle guclu sekilde baglantili. Ikinci
    eksen anlamsiz. Yani cevre-zooplankton iliskisi esas olarak tek bir gradyan boyunca isliyor: muhtemelen otrofikasyon/
    sicaklik gradyanindaki gecis, irilerden (Daphnia) kucuk turlere kayisla ortusuyor. CCA, "iki degisken bloku nasil
    birlikte degisir" sorusunun -- topluluk ekolojisinde cok degerli -- en dogrudan yanitidir.

====================================================================================

#37  Correspondence Analysis (CA)
    file: 037_correspondence_type_station_kontingenz.xlsx
  >> SENARYO (anlatim):
    Farklı izleme istasyonlarından (station) toplanan fitoplankton örneklerinde
    baskın cins/tipini (type: Anabaena, Cryptomonas, Pediastrum, Cyclotella,
    Aphanizomenon, Microcystis) kaydederek bir kontenjans tablosu oluşturduk.
    Amacımız, istasyonlar ile baskın fitoplankton tipleri arasındaki ilişki
    örüntüsünü iki boyutlu bir haritada görselleştirmek ve hangi tiplerin hangi
    istasyonlarla birlikte kümelendiğini görmektir. İki kategorik değişken
    arasındaki birlikteliği boyut indirgeyerek haritalayan uyum (correspondence)
    analizi bu tabloya uygundur.
  >> DEGISKEN SECIMI:
    - Satır kategorisi - İstasyon: station
    - Sütun kategorisi - Fitoplankton tipi: type

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Toplam atalet (inertia) = 0.195   Boyut sayisi = 2
    Istasyon x tur kontenjans tablosu iki boyutta haritalandi

>> YORUM (anlatim):
    Istasyonlar ile turler arasindaki kontenjans tablosunu uyum analizi (correspondence analysis) ile iki boyutlu
    bir haritaya dusurduk. Toplam atalet 0.195, satir ve sutunlardaki iliskinin toplam gucunu ozetler; iki boyut bu
    yapinin buyuk kismini gorsellestiriyor. Haritada birbirine yakin dusen istasyon-tur ciftleri, o turun o istasyonla
    ozdeslestigini gosterir. Bu, hangi turlerin hangi istasyonlarda yogunlastigini -- ekolojik gradyanlari ve gosterge
    turleri -- tek bakista okumayi saglar. Tur-alan kompozisyon verisini ozetlemenin gorsel olarak en guclu yoludur.

====================================================================================

#38  Variable Clustering (VarClus)
    file: 038_varclus_environment_variable_clustering.xlsx
  >> SENARYO (anlatim):
    Yüz yirmi gölde dokuz çevresel değişkeni (toplam fosfor TP_ugL, toplam azot
    TN_mgL, klorofil-a chla_ugL, sıcaklık temperature_C, çözünmüş oksijen
    DO_mgL, iletkenlik conductivity_uScm, pH, alkalinite alkalinity_mgL) eş
    zamanlı ölçtük. Amacımız, bu değişkenleri birbirleriyle yüksek ilişkili alt
    kümelere ayırarak hangi değişkenlerin aynı bilgiyi taşıdığını ortaya koymak
    ve boyut sayısını azaltmaktır. Değişkenleri korelasyon yapılarına göre
    kümeleyen değişken kümeleme (VarClus) bu amaç için uygundur.
  >> DEGISKEN SECIMI:
    - Toplam fosfor: TP_ugL
    - Toplam azot: TN_mgL
    - Klorofil-a: chla_ugL
    - Su sıcaklığı: temperature_C
    - Çözünmüş oksijen: DO_mgL
    - İletkenlik: conductivity_uScm
    - pH: pH
    - Alkalinite: alkalinity_mgL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Kume sayisi = 3   (8 cevresel degisken)
    Her kumeden bir temsilci degisken secildi (★)

>> YORUM (anlatim):
    Sekiz cevresel degiskeni (fosfor, azot, klorofil, sicaklik, oksijen, iletkenlik, pH, alkalinite) birbirine
    benzerliklerine gore kumeleyip uc gruba ayirdik. VarClus, gozlemleri degil degiskenleri kumeler: hangi olcumlerin
    ayni "bilgiyi" tasidigini gosterir. Uc kume -- muhtemelen biri besin yuku (TP/TN/klorofil), biri iyon/tuzluluk
    (iletkenlik/alkalinite/pH), biri fiziksel (sicaklik/oksijen) -- bize her gruptan bir temsilci secip degisken
    sayisini azaltma imkani verir. Cok degiskenli izleme verisinde fazlaligi (redundancy) ayiklamak ve es-dogrusalligi
    onlemek icin son derece pratiktir.

====================================================================================

#39  Multiple Linear Regression
    file: 039_multiple_linear_regression_chla_prediction.xlsx
  >> SENARYO (anlatim):
    Yüz seksen göl örneğinde klorofil-a (chla_ugL) düzeyini; toplam fosfor
    (TP_ugL), toplam azot (TN_mgL), su sıcaklığı (temperature_C), Secchi
    derinliği (secchi_m) ve su seviyesi (WL_m) gibi çevresel öngörücülerle
    açıklamaya çalıştık. Araştırma sorumuz, bu çevresel değişkenlerin birlikte
    klorofil-a düzeyini ne ölçüde öngördüğü ve her birinin bağımsız katkısının
    ne olduğudur. Sürekli bir bağımlı değişkeni birden çok sürekli öngörücüyle
    modelleyen çoklu doğrusal regresyon bu amaç için uygundur.
  >> DEGISKEN SECIMI:
    - Bağımlı - Klorofil-a: chla_ugL
    - Bağımsız - Toplam fosfor: TP_ugL
    - Bağımsız - Toplam azot: TN_mgL
    - Bağımsız - Su sıcaklığı: temperature_C
    - Bağımsız - Secchi derinliği: secchi_m
    - Bağımsız - Su seviyesi: WL_m

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Saglam standart hatalar (HC0-HC3): heteroskedastisiteye dayanikli SE; kucuk n'de HC3 onerilir.
    - Standartlastirilmis (beta) katsayilar: goreli etkiyi karsilastirmak icin.
    - (VIF, Durbin-Watson, Breusch-Pagan, artik Shapiro tanilamalari zaten raporlanir.)

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    R2 = 0.892   Duzeltilmis R2 = 0.889
    Klorofil ~ TP + TN + sicaklik + secchi + su seviyesi

>> YORUM (anlatim):
    Klorofil-a'yi bes cevresel degiskenden -- fosfor, azot, sicaklik, secchi ve su seviyesi -- tahmin eden coklu
    dogrusal regresyon kurduk. Model cok guclu: degiskenler birlikte klorofil varyansinin %89'unu acikliyor (R2 = 0.89).
    Bu, sig gol uretkenliginin buyuk olcude olculebilir cevresel surukleyicilerle belirlendigini gosteriyor -- ozellikle
    fosforun klasik sinirlandirici besin rolu. Boyle bir model, izleme verisiyle klorofili tahmin etmeye ve "fosforu
    su kadar azaltirsak klorofil ne olur" senaryolarini sinamaya imkan verir. Coklu regresyon, surekli bir ciktiyi
    birden cok surukleyiciyle aciklamanin temel aracidir.

====================================================================================

#40  Logistic Regression
    file: 040_logistic_regression_turbid_status.xlsx
  >> SENARYO (anlatim):
    İki yüz yirmi gölde, suyun bulanık (turbid) durumda olup olmadığını
    (turbid_status_1_0) ikili olarak sınıflandırdık ve bunu toplam fosfor
    (TP_ugL), makrofit varlığı (macrophyte_present) ve su sıcaklığı
    (temperature_C) ile ilişkilendirmek istedik. Araştırma sorumuz, besin yükü,
    su bitkisi varlığı ve sıcaklığın bir gölün bulanık duruma geçme olasılığını
    nasıl etkilediğidir. İkili bir sonucu sürekli ve kategorik öngörücülerle
    modelleyen lojistik regresyon bu amaç için uygundur.
  >> DEGISKEN SECIMI:
    - Bağımlı (ikili) - Bulanık durum: turbid_status_1_0
    - Bağımsız - Toplam fosfor: TP_ugL
    - Bağımsız - Makrofit varlığı: macrophyte_present
    - Bağımsız - Su sıcaklığı: temperature_C

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Pseudo-R kare: Cox-Snell ve Nagelkerke (McFadden'a ek).
    - Siniflandirma metrikleri: dogruluk / duyarlilik / ozgulluk / AUC (kesim 0.5).
    - Hosmer-Lemeshow uyum iyiligi testi; ongoruculer icin VIF.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Model: Lojistik Regresyon   Pseudo R2 = 0.14
    Bulanik durum (1/0) ~ TP + makrofit varligi + sicaklik

>> YORUM (anlatim):
    Bir golun "bulanik" rejimde olma olasiligini fosfor, makrofit varligi ve sicaktan tahmin eden lojistik regresyon
    kurduk. Cikti ikili (bulanik/berrak) oldugu icin lojistik regresyon dogru secim. Pseudo R2 = 0.14, modelin
    bulaniklik durumunu kismen acikladigini gosteriyor -- katsayilar genelde fosfor arttikca ve makrofit azaldikca
    bulanik rejime gecme sansinin yukseldigini soyler. Bu, sig gol ekolojisinin alternatif kararli durumlar teorisini
    nicelliyor. Lojistik regresyon, ikili bir sonucu (var/yok, hasta/saglikli, bulanik/berrak) surekli ve kategorik
    yordayicilardan tahmin etmenin en yaygin yoludur.

====================================================================================

#41  Poisson Regression
    file: 041_poisson_regression_bird_type_sayimi.xlsx
  >> SENARYO (anlatim):
    Bir sulak alan izleme calismasinda, gol cevresindeki gozlem noktalarinda kus
    turu sayisinin hangi cevresel etkenlere bagli oldugunu arastiriyoruz. Her
    gozlem noktasinin alan buyuklugunu (area_ha), su kalitesi puanini
    (water_quality_score_1_5) ve kayit yilini (year) kullanarak sayilan kus turu
    adedini (bird_type_count) modellemek istiyoruz. Cunku bird_type_count
    negatif olmayan tam sayilardan olusan bir sayim verisi oldugundan, bu tur
    sayma sonuclari icin Poisson regresyonu en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Sonuc (sayim): bird_type_count
    - Yordayici: area_ha
    - Yordayici: water_quality_score_1_5
    - Yordayici: year

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    AIC = 1310.5   Deviance = 282.1
    Kus tur sayisi ~ alan (ha) + su kalitesi skoru + yil   (Poisson)

>> YORUM (anlatim):
    Sulak alandaki kus tur sayisini -- bir sayim degiskeni -- alan, su kalitesi ve yildan tahmin eden Poisson
    regresyonu kurduk. Sayim verisi (0,1,2,...) normal dagilmaz, bu yuzden dogrusal regresyon degil Poisson kullaniriz.
    Model tipik olarak alan buyudukce ve su kalitesi arttikca tur sayisinin arttigini, yillara gore trend olabilecegini
    gosterir. Sapma (deviance) ve AIC, model uyumunu degerlendirir. Biyocesitlilik sayimlarini (tur sayisi, birey
    sayisi) cevresel surukleyicilerle iliskilendirmenin dogru yontemi sayim regresyonudur; dogrusal modelden cok daha uygundur.

====================================================================================

#42  Multinomial Logistic Regression
    file: 042_multinomial_logistic_3sinif_lake_status.xlsx
  >> SENARYO (anlatim):
    Goller uzerine yaptigimiz siniflama calismasinda, her golun trofik/su
    berraklik durumunu uc kategoriye ayirdik ve hangi su kalitesi
    degiskenlerinin bu durumu belirledigini cozmek istiyoruz. Golun toplam
    fosfor (TP_ugL), Secchi derinligi (secchi_m) ve iletkenlik
    (conductivity_uScm) degerlerinden yola cikarak golun berrak, bulanik ya da
    orta durumda (status_3sinif) olmasini tahmin etmeyi amacliyoruz. Sonuc
    degiskeni siralamasiz uc kategoriden olustugundan, bu analiz icin
    multinominal lojistik regresyon dogru secimdir.
  >> DEGISKEN SECIMI:
    - Sonuc (3 sinif): status_3sinif
    - Yordayici: TP_ugL
    - Yordayici: secchi_m
    - Yordayici: conductivity_uScm

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    AIC = 191.7   Referans sinif: 'clear' (berrak)
    3 sinif gol durumu ~ TP + secchi + iletkenlik

>> YORUM (anlatim):
    Golleri uc duruma -- berrak, ara, bulanik -- siniflandirip, bu durumun fosfor, secchi ve iletkenlikten nasil
    kestirildigini multinomial lojistik regresyonla modelledik. Ikiden cok kategorili (siralamasiz) bir cikti oldugu
    icin bu yontem uygundur: 'berrak' referans alinir, her diger durum icin ayri bir denklem kurulur. Katsayilar,
    "fosfor arttikca berrak yerine bulanik olma sansi kac kat artar" gibi yorumlanir. Bu, gol durumlarini sadece
    ikiye bolmek yerine tum gecis gradyanini modellemeyi saglar -- ekolojik durum siniflandirmasinda guclu bir aractir.

====================================================================================

#43  Ordinal Logistic Regression
    file: 043_ordinal_logistic_WFD_5sinif_ecological_status.xlsx
  >> SENARYO (anlatim):
    Su Cerceve Direktifi'ne gore goleri ekolojik durumlarina gore besli bir
    kalite olceginde siniflandirdik ve bu siniflamayi besin/uretkenlik
    gostergeleriyle aciklamaya calisiyoruz. Her golun toplam fosfor (TP_ugL) ve
    klorofil-a (chla_ugL) duzeylerini kullanarak ekolojik durum sinifini
    (ecological_status_5sinif) tahmin etmeyi amacliyoruz. Sonuc degiskeni
    kotuden cok iyiye dogru siralanabilen duzenli kategorilerden olustugu icin
    sirali (ordinal) lojistik regresyon en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Sonuc (sirali 5 sinif): ecological_status_5sinif
    - Yordayici: TP_ugL
    - Yordayici: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    AIC = 501.9
    WFD 5 sinif ekolojik durum (yuksek>iyi>orta>zayif>kotu) ~ TP + klorofil

>> YORUM (anlatim):
    Su Cerceve Direktifi'nin bes kademeli ekolojik durum sinifini (yuksek, iyi, orta, zayif, kotu) fosfor ve
    klorofilden tahmin eden ordinal lojistik regresyon kurduk. Bu siniflar siralidir -- aralarinda dogal bir duzen var --
    ve ordinal model bu siralamayi kullanir, multinomial'dan daha guclu ve yorumlanabilir olur. Katsayilar, fosfor ve
    klorofil arttikca golun daha kotu bir duruma kayma egilimini verir. Bu, AB su politikasinin merkezindeki "ekolojik
    durum siniflandirmasi"ni dogrudan modelliyor. Sirali kategorik ciktilar (durum sinifi, Likert, hastalik evresi) icin
    ordinal lojistik dogru yontemdir.

====================================================================================

#44  PLS Regression
    file: 044_pls_regression_8x_correlated_chla.xlsx
  >> SENARYO (anlatim):
    Deney tanklarinda klorofil-a uretimini etkileyen cok sayida cevresel
    degiskenin birbiriyle yuksek korelasyon gosterdigi bir veri seti uzerinde
    calisiyoruz. Sekiz adet birbiriyle iliskili cevresel degiskeni
    (env_present_1 ile env_present_8) kullanarak klorofil-a (chla_ugL)
    konsantrasyonunu yordamak istiyoruz. Yordayicilar arasinda guclu coklu
    dogrusal baglanti bulundugundan, bilesenlere dayanan PLS regresyonu bu
    durumda en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Sonuc: chla_ugL
    - Yordayici: env_present_1
    - Yordayici: env_present_2
    - Yordayici: env_present_3
    - Yordayici: env_present_4
    - Yordayici: env_present_5
    - Yordayici: env_present_6
    - Yordayici: env_present_7
    - Yordayici: env_present_8

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    R2_train = 0.89   R2_CV (5-katli) = 0.87
    Klorofil ~ 8 es-dogrusal (birbiriyle korelasyonlu) cevresel degisken

>> YORUM (anlatim):
    Klorofili, birbiriyle yuksek korelasyonlu sekiz cevresel degiskenden PLS (Kismi En Kucuk Kareler) regresyonuyla
    tahmin ettik. Degiskenler es-dogrusal oldugunda (#33'te gordugumuz gibi TP-TN = 0.92) klasik regresyon kararsizlasir;
    PLS bunu, degiskenleri az sayida ortogonal bilesene indirgeyerek cozer. Model hem egitimde (R2 = 0.89) hem capraz-
    dogrulamada (R2_CV = 0.87) guclu -- yani asiri uyum yok, genelleme iyi. Cok sayida iliskili olcum oldugunda
    (cevresel, spektral, kimyasal) PLS, hem tahmin gucu hem yorumlanabilirligi koruyan tercih edilen yontemdir.

====================================================================================

#45  Probit Regression
    file: 045_probit_fish_establishment_probability.xlsx
  >> SENARYO (anlatim):
    Gollerde yabanci balik turlerinin yerlesip yerlesmedigini inceleyen bir
    calismada, golun fiziksel ozelliklerinin yerlesme olasiligini nasil
    etkiledigini arastiriyoruz. Her golun yuzey alani (area_km2) ve ortalama
    derinligi (mean_depth_m) ile baligin yerlesmis olup olmadigini
    (fish_establishment_present) tahmin etmeyi amacliyoruz. Sonuc degiskeni
    var/yok seklinde ikili oldugundan ve normal dagilima dayali bir baglanti
    varsaydigimizdan, probit regresyon uygun bir secimdir.
  >> DEGISKEN SECIMI:
    - Sonuc (ikili): fish_establishment_present
    - Yordayici: area_km2
    - Yordayici: mean_depth_m

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Siniflandirma metrikleri eklendi: dogruluk / duyarlilik / ozgulluk / AUC (marjinal etki + McFadden zaten var).

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    AIC = 212.6   Pseudo R2 (McFadden) = 0.12
    Balik yerlesme olasiligi (1/0) ~ gol alani (km2) + ortalama derinlik (m)

>> YORUM (anlatim):
    Bir golde balik populasyonunun yerlesip yerlesmeyecegini, gol alani ve ortalama derinlikten probit regresyonla
    tahmin ettik. Probit, lojistik gibi ikili sonuc modeller ama normal dagilim egrisi (kumulatif normal) varsayar --
    ekoloji ve toksikolojide yaygindir. Pseudo R2 = 0.12: alan ve derinlik, yerlesme olasiligini kismen acikliyor;
    genellikle daha buyuk ve derin goller balik populasyonlarini surdurmeye daha elverisli. Bu tur model, gol-adasi
    biyocografyasi ve istilaci/yerli balik yayilim risk haritalari icin kullanilir. Probit ve lojistik genelde benzer
    sonuc verir; secim cogu zaman gelenek ve yorum tercihine baglidir.

====================================================================================

#46  Tobit Regression
    file: 046_tobit_TP_LOD_censored.xlsx
  >> SENARYO (anlatim):
    Goller ve nehirlerden alinan su orneklerinde toplam fosfor olcumlerinin bir
    kismi cihazin tespit sinirinin altinda kaldigi icin sansurlu (censored)
    olarak kaydedilmistir. Iletkenlik (conductivity_uScm) ve su sicakligi
    (temperature_C) degiskenlerini kullanarak gercek toplam fosfor degerini
    (TP_measurement_ugL) modellerken, tespit siniri altindaki sansurlu
    gozlemleri (LOD_under_censored) hesaba katmak istiyoruz. Bagimli degisken
    belirli bir esikten asagida sansurlendigi icin Tobit regresyon en uygun
    yaklasimdir.
  >> DEGISKEN SECIMI:
    - Sonuc (sansurlu): TP_measurement_ugL
    - Sansur gostergesi: LOD_under_censored
    - Yordayici: conductivity_uScm
    - Yordayici: temperature_C

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    AIC = 1161.58   Tobit (sol-sansurlu: olcum siniri LOD altinda)
    TP olcumu ~ iletkenlik + sicaklik

>> YORUM (anlatim):
    Laboratuvar olcumlerinde sik karsilasilan bir sorun: bazi fosfor degerleri cihazin tespit siniri (LOD) altinda
    kalir -- "olculemedi" olarak isaretlenir, ama sifir degildir. Bu degerleri silmek ya da sifir saymak yanli sonuc
    verir. Tobit regresyon, sol-sansurlu bu veriyi dogru modelleyerek fosforun iletkenlik ve sicaklikla iliskisini
    tahmin eder. AIC = 1161.6 ile model kuruldu. Cevre kimyasinda "tespit siniri altinda" degerlerle calismanin --
    censored data probleminin -- istatistiksel olarak dogru cozumu Tobit modelidir; ham silme/yerine koymadan ustundur.

====================================================================================

#47  Bayesian Linear Regression
    file: 047_bayesian_linear_small_n_pond.xlsx
  >> SENARYO (anlatim):
    Kucuk golcuklerde yapilan sinirli bir saha calismasinda, yalnizca 18
    golcukten ornek alabildik ve klorofil-a duzeyini etkileyen etkenleri tahmin
    etmek istiyoruz. Her golcugun toplam fosfor (TP_ugL) ve makrofit ortusu
    yuzdesi (macrofit_percent_closure) degiskenlerini kullanarak klorofil-a
    (chla_ugL) konsantrasyonunu yordamayi amacliyoruz. Ornek sayisi cok kucuk
    oldugundan, onsel bilgiyi kullanan ve belirsizligi daha saglam veren Bayesci
    dogrusal regresyon bu durumda uygundur.
  >> DEGISKEN SECIMI:
    - Sonuc: chla_ugL
    - Yordayici: TP_ugL
    - Yordayici: macrofit_percent_closure

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    TP_ugL posterior ort = 0.52   %95 guvenilirlik araligi (0.42 , 0.62)   P(beta>0) = 1.00
    Konjugat Normal-Inverse-Gamma prior   sigma2 posterior = 9.11

>> YORUM (anlatim):
    Az sayida gocet (kucuk n) verisiyle klorofili fosfor ve makrofitten tahmin ederken Bayesci dogrusal regresyon
    kullandik. Bayesci yaklasimin avantaji: sonuc tek bir p-degeri degil, parametreler icin bir olasilik dagilimi
    (posterior) verir. Fosforun etkisi icin posterior ortalama 0.52, %95 guvenilirlik araligi (0.42, 0.62) -- ve
    P(beta>0) = 1.00, yani fosforun klorofili artirdigina dair kanit kesin. Kucuk orneklemlerde Bayesci yontem,
    belirsizligi durustce ifade eder ve onceki bilgiyi (prior) modele dahil edebilir. Az veriyle calisan ekolojide degerlidir.

====================================================================================

#48  Nonlinear Regression
    file: 048_nonlinear_michaelis_menten_TP_chla.xlsx
  >> SENARYO (anlatim):
    Besin tuzlari ile fitoplankton uretimi arasindaki iliskinin dogrusal
    olmadigini, belirli bir fosfor duzeyinden sonra klorofilin doygunluga
    ulastigini gozlemledik. Su orneklerindeki toplam fosfor (TP_ugL) degerine
    karsi klorofil-a (chla_ugL) tepkisini, doygunluk gosteren Michaelis-Menten
    tarzi bir egriyle modellemek istiyoruz. Iliski egrisel ve doygunluk eslikli
    oldugundan, dogrusal olmayan (nonlinear) regresyon en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Sonuc: chla_ugL
    - Yordayici: TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Model: y = a · x^b (us fonksiyonu)   R2 = 0.908   RMSE = 7.57
    Klorofil ~ fosfor (doygunluk tipi iliski)

>> YORUM (anlatim):
    Klorofil ile fosfor arasindaki iliski dogrusal degil: dusuk fosforda hizla artar, yuksek fosforda doygunluga
    yaklasir (isigin ve diger besinlerin sinirlamasi). Bunu us (power) fonksiyonuyla -- y = a·x^b -- modelledik;
    uyum cok iyi (R2 = 0.91). Bu egri, Michaelis-Menten benzeri doygunluk dinamigini yakalar: fosfor artisinin
    klorofile katkisi giderek azalir. Dogrusal olmayan regresyon, ekolojik buyume/doygunluk/azalim egrilerini
    (lojistik buyume, doz-yanit, besin-tepki) dogru modellemenin yoludur; duz cizgi zorlamak yaniltici olurdu.

====================================================================================

#49  Ridge Regression
    file: 049_ridge_multicollinear_chla.xlsx
  >> SENARYO (anlatim):
    Gollerden toplanan ve birbiriyle yuksek oranda iliskili cok sayida cevresel
    olcumun klorofil-a uzerindeki etkisini incelemeye calisiyoruz. Birbiriyle
    korelasyonlu yedi degiskeni (x1_correlated ile x7_correlated) kullanarak
    klorofil-a (chla_ugL) konsantrasyonunu yordamak istiyoruz. Yordayicilar
    arasinda ciddi coklu dogrusal baglanti bulundugundan, katsayilari
    cezalandirarak kararli hale getiren Ridge regresyon bu durumda uygundur.
  >> DEGISKEN SECIMI:
    - Sonuc: chla_ugL
    - Yordayici: x1_correlated
    - Yordayici: x2_correlated
    - Yordayici: x3_correlated
    - Yordayici: x4_correlated
    - Yordayici: x5_correlated
    - Yordayici: x6_correlated
    - Yordayici: x7_correlated

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Capraz-dogrulama ile otomatik alpha (RidgeCV): optimal duzenlilestirme katsayisini otomatik secer.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Ridge (alpha = 1.0): R2 = 0.900   Duz. R2 = 0.895   n = 140
    7 birbiriyle korelasyonlu yordayici

>> YORUM (anlatim):
    Yedi yuksek korelasyonlu cevresel degiskenle klorofili tahmin ederken klasik regresyon kararsizlasir (es-dogrusallik
    katsayilari sisirir). Ridge regresyon, tum katsayilari kuculterek (ceza terimiyle) bu sorunu cozer -- katsayilari
    sifirlamaz ama buyukluklerini sinirlar, boylece tahmin kararli kalir. Sonuc guclu: R2 = 0.90. Ridge, "tum
    degiskenleri tutmak istiyorum ama es-dogrusallik var" durumunda idealdir. Cevresel izlemede sik gorulen iliskili
    olcum setlerinde, asiri uyumu onleyip genelleme gucunu korur.

====================================================================================

#50  Lasso Regression
    file: 050_lasso_actual_3prediktor_11gurultu_chla.xlsx
  >> SENARYO (anlatim):
    Klorofil-a duzeyini tahmin etmek icin cok sayida aday degiskenin oldugu,
    ancak bunlardan yalnizca birkacinin gercekte etkili oldugu bir veri setiyle
    calisiyoruz. Uc gercek etkili degisken (actual_x1, actual_x2, actual_x3) ile
    on bir gurultu degiskenini (noise_x1 ile noise_x11) birlikte kullanarak
    klorofil-a (chla_ugL) konsantrasyonunu yordamak ve onemsiz degiskenleri
    elemek istiyoruz. Degisken secimi yaparak gereksiz yordayicilarin
    katsayilarini sifira ceken Lasso regresyonu bu amac icin en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Sonuc: chla_ugL
    - Yordayici: actual_x1
    - Yordayici: actual_x2
    - Yordayici: actual_x3
    - Yordayici: noise_x1
    - Yordayici: noise_x2
    - Yordayici: noise_x3
    - Yordayici: noise_x4
    - Yordayici: noise_x5
    - Yordayici: noise_x6
    - Yordayici: noise_x7
    - Yordayici: noise_x8
    - Yordayici: noise_x9
    - Yordayici: noise_x10
    - Yordayici: noise_x11

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Capraz-dogrulama ile otomatik alpha (LassoCV): optimal duzenlilestirme katsayisini otomatik secer.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Lasso (alpha = 0.1): R2 = 0.916   Duz. R2 = 0.904   n = 120
    2/14 ozelligin katsayisi sifira cekildi (otomatik ozellik secimi)

>> YORUM (anlatim):
    Bu veride 3 gercek yordayici ile 11 gurultu degiskeni karisik haldeydi. Lasso regresyonun gucu burada gorulur:
    ceza terimi onemsiz degiskenlerin katsayilarini tam olarak sifira ceker -- yani otomatik degisken secimi yapar.
    Model R2 = 0.92 ile guclu kaldi ve gereksiz degiskenleri ayikladi. Lasso, cok sayida aday degisken iciden gercek
    surukleyicileri secmek istediginizde -- yuksek boyutlu cevresel/genomik/spektral veride -- son derece kullanislidir.
    Ridge tum degiskenleri kuculturken, Lasso onemsizleri tamamen eler; ikisi farkli amaclara hizmet eder.

====================================================================================

#51  Mediation Analysis
    file: 051_mediation_fish_zoo_chla_kaskat.xlsx
  >> SENARYO (anlatim):
    Göl besin ağında balık baskısının zooplankton üzerinden klorofil-a'ya nasıl
    yansıdığını merak ediyoruz. Balık yoğunluğunu temsil eden fish_cpue arttıkça
    otçul zooplanktonun zoo_biomass_ugDW_L olarak ölçülen biyokütlesi
    baskılanıyor, bu da fitoplankton göstergesi chla_ugL üzerinde dolaylı bir
    etki yaratıyor olabilir. Bu kaskat hipotezini test etmek için zooplankton
    biyokütlesini aracı değişken olarak ele alıyoruz. Doğrudan ve dolaylı
    etkileri ayrıştırmak istediğimiz için aracılık (mediation) analizi tam
    olarak bu mekanizmayı çözmeye uygundur.
  >> DEGISKEN SECIMI:
    - Bağımsız (öncül): fish_cpue
    - Aracı değişken: zoo_biomass_ugDW_L
    - Bağımlı (sonuç): chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dolayli etki (Indirect) = 0.59   SE = 0.13   p < .001   %95 GA (0.42 , 0.91)   Anlamli
    Yol: balik (CPUE) -> zooplankton biyokutle -> klorofil

>> YORUM (anlatim):
    Klasik besin zinciri kaskadini -- baligin klorofile etkisinin zooplankton uzerinden gectigini -- aracilik
    analiziyle test ettik. Dolayli etki anlamli (0.59, p < .001, GA sifiri icermiyor): balik baskisi zooplanktonu
    azaltir, azalan zooplankton otlama baskisini dusurur, bu da algi (klorofili) artirir. Yani balik klorofili
    dogrudan degil, zooplankton "araciligiyla" etkiliyor -- gol yonetiminde biyomanipulasyonun (balik azaltma)
    neden ise yaradiginin mekanizmasi. Aracilik analizi, "X neden Y'yi etkiler" sorusundaki ara mekanizmayi acar.

====================================================================================

#52  Path Analysis
    file: 052_path_analysis_5degisken_TP_zoo_macr_chla_secchi.xlsx
  >> SENARYO (anlatim):
    Sığ göllerde toplam fosforun trofik duruma giden yolunu çok değişkenli bir
    nedensel ağ olarak görselleştirmek istiyoruz. TP_ugL olarak ölçülen besin
    yükünün zooplankton biyokütlesi zoo_biomass'ı, su altı bitki örtüsü
    macrophyte_closure_percent'i ve fitoplankton göstergesi chla_ugL'yi
    etkileyerek sonuçta su berraklığı secchi_m'e nasıl ulaştığını adım adım
    çözmeyi amaçlıyoruz. Değişkenler arası çoklu doğrudan ve dolaylı
    bağlantıları aynı anda modellemek gerektiği için yol (path) analizi bu beş
    değişkenli ekolojik zinciri test etmeye uygundur.
  >> DEGISKEN SECIMI:
    - Öncül (besin yükü): TP_ugL
    - Ara değişken (otçul baskı): zoo_biomass
    - Ara değişken (bitki örtüsü): macrophyte_closure_percent
    - Ara değişken (fitoplankton): chla_ugL
    - Sonuç (berraklık): secchi_m

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    CFI = 0.968   RMSEA = 0.084   (kabul edilebilir uyum)
    Model: fosfor/zooplankton/makrofit -> klorofil -> secchi (seffaflik)

>> YORUM (anlatim):
    Yol analizi, birden cok neden-sonuc iliskisini ayni anda modelleyen genisletilmis regresyondur. Burada fosfor,
    zooplankton ve makrofitin klorofili etkiledigini, klorofilin de su seffafligini (secchi) belirledigini tek bir
    yol modelinde sinadik. Uyum kabul edilebilir (CFI = 0.97, RMSEA = 0.08). Bu, sig gol ekosisteminin nedensel
    agini -- besin girdisi -> alg -> seffaflik zincirini -- gorsel ve sayisal olarak ozetler. Yol analizi, dolayli
    ve dogrudan etkileri ayirmak ve cok-degiskenli kuramsal modelleri test etmek icin guclu bir aractir.

====================================================================================

#53  Linear Mixed Model (LMM)
    file: 053_lmm_pan_europe_mesocosm_country_random.xlsx
  >> SENARYO (anlatim):
    Pan-Avrupa ortak mezokozm deneyinde fosfor ve sıcaklığın klorofil-a
    üzerindeki etkisini araştırıyoruz, ancak veriler turkey, greece, Cek_Cum,
    germany, denmark ve estonia gibi farklı ülkelerden geliyor. country
    değişkeni doğal kümeler oluşturduğundan, TP_ugL ve temperature_C'nin
    chla_ugL üzerindeki sabit etkilerini incelerken ülke kaynaklı değişkenliği
    rastgele etki olarak modellemek istiyoruz. İç içe geçmiş bu yapıyı hesaba
    katmak için doğrusal karma model (LMM) en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Rastgele etki (gruplama): country
    - Sabit etki (besin): TP_ugL
    - Sabit etki (sıcaklık): temperature_C
    - Bağımlı: chla_ugL

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Nakagawa marjinal R-kare (sabit etkiler) ve kosullu R-kare (sabit + rastgele), ICC'nin yaninda.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Grup varyansi (random intercept) = 72.40   ICC = 0.723
    Klorofil ~ fosfor + sicaklik  +  (1 | ulke)

>> YORUM (anlatim):
    Pan-Avrupa mezokozm deneyinde veriler ulkelere yuvalanmis (her ulkede birden cok tank). Ayni ulke icindeki
    tanklar birbirine benzer, bu yuzden bagimsizlik varsayimi cigner -- klasik regresyon yanlis olur. Dogrusal karma
    model, ulkeyi rastgele etki olarak ekleyerek bunu cozer. ICC = 0.72 cok yuksek: klorofil varyansinin %72'si
    ulkeler arasi farktan kaynaklaniyor; geri kalan tank-ici. Yani ulke (iklim/arka plan) cok belirleyici. LMM,
    yuvalanmis/hiyerarsik veri (ulke>tank, okul>ogrenci, hasta>tekrar olcum) icin dogru ve vazgecilmez yontemdir.

====================================================================================

#54  Multiple Imputation
    file: 054_multiple_imputation_zoo_MAR_missing.xlsx
  >> SENARYO (anlatim):
    Göl izleme veri setimizde zooplankton biyokütlesi ölçümlerinin bir kısmı
    eksik ve bu eksiklik tesadüfi (MAR) görünüyor. zoo_biomass_ugDW_L'deki
    boşlukları doldurmak için onunla ilişkili TP_ugL, temperature_C ve secchi_m
    değişkenlerinden yararlanmak istiyoruz. Eksik değerleri tek bir tahminle
    değil, belirsizliği koruyacak şekilde birden çok kez doldurup birleştirmek
    gerektiği için çoklu atama (multiple imputation) bu durum için uygundur.
  >> DEGISKEN SECIMI:
    - Eksikli hedef: zoo_biomass_ugDW_L
    - Yardımcı (besin): TP_ugL
    - Yardımcı (sıcaklık): temperature_C
    - Yardımcı (berraklık): secchi_m

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    m (imputation sayisi) = 5
    Zooplankton biyokutlesindeki eksik degerler (MAR) fosfor/sicaklik/secchi ile tahmin edildi

>> YORUM (anlatim):
    Saha verisinde eksik gozlem kacinilmazdir; eksikleri silmek (listwise) hem veri kaybettirir hem yanli sonuc verir
    (eksiklik rastgele degilse). Coklu atama, eksik zooplankton degerlerini diger degiskenlerden (fosfor, sicaklik,
    secchi) tahmin ederek 5 ayri tamamlanmis veri seti olusturur, her birinde analizi yapar ve sonuclari birlestirir --
    boylece tahmin belirsizligini de hesaba katar. MAR (rastgele eksik) varsayimi altinda bu, modern eksik-veri
    standardidir. Uzun soluklu izleme calismalarinda kayip gozlemlerle bas etmenin en saglikli yoludur.

====================================================================================

#55  GEE
    file: 055_gee_repeated_lake_monthly_chla.xlsx
  >> SENARYO (anlatim):
    Bir grup göl üzerinde aylık tekrarlı klorofil-a ölçümleri yaparak besin
    azaltma müdahalesinin etkisini araştırıyoruz. Aynı lake_id'den gelen month
    boyunca tekrarlanan ölçümler birbiriyle ilişkili olduğundan, treatment ve
    control gruplarının chla_ugL üzerindeki ortalama etkisini bu içsel
    korelasyonu hesaba katarak tahmin etmek istiyoruz. Tekrarlı ölçümlerde
    popülasyon düzeyinde ortalama etkiyi sağlam biçimde kestirmek için
    Genelleştirilmiş Tahmin Denklemleri (GEE) uygundur.
  >> DEGISKEN SECIMI:
    - Küme (denek): lake_id
    - Zaman: month
    - Grup (müdahale): treatment
    - Bağımlı: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    month katsayisi = 1.64   SE = 0.10   p < .001   QIC = 247.51
    Klorofil ~ ay  (tekrarli olcum, golun icinde kumelenmis)

>> YORUM (anlatim):
    Ayni gollerden aylik tekrarli klorofil olcumleri aldik -- ayni golun olcumleri birbirine bagimli. GEE, bu
    kumelenmis/tekrarli veride "populasyon ortalamasi" duzeyinde iliskiyi, korelasyon yapisini hesaba katarak tahmin
    eder. Ay katsayisi anlamli (1.64, p < .001): klorofil yil ici belirgin mevsimsel artis gosteriyor. GEE, LMM'e
    alternatiftir: rastgele etkileri modellemek yerine, gozlemler arasi korelasyonu "rahatsiz edici" sayip duzeltir
    ve marjinal (ortalama) etkiyi verir. Boylamsal/tekrarli olcum verisinde yaygin ve guclu bir yontemdir.

====================================================================================

#56  GLMM
    file: 056_glmm_poisson_bird_count_site_year.xlsx
  >> SENARYO (anlatim):
    Göl çevresindeki sulak alanlarda su kuşu sayımlarının yıllara ve sahalara
    göre nasıl değiştiğini araştırıyoruz. Her site_id'de farklı year'larda
    yapılan bird_count sayımları sayma verisi olduğundan ve alan büyüklüğü
    area_ha gözlem çabasını etkilediğinden, saha kaynaklı rastgele değişkenliği
    de modele katmak istiyoruz. Sayma dağılımına sahip, kümelenmiş tekrarlı
    verilerde rastgele etkili bir Poisson modeli gerektiği için Genelleştirilmiş
    Doğrusal Karma Model (GLMM) uygundur.
  >> DEGISKEN SECIMI:
    - Rastgele etki (saha): site_id
    - Sabit etki (zaman): year
    - Ofset/maruziyet (alan): area_ha
    - Sayım (bağımlı): bird_count

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    area_ha katsayisi ~ 0.0000   p = 0.976  (anlamsiz)
    Poisson GLMM: kus sayisi ~ alan + yil  +  (1 | alan/site)

>> YORUM (anlatim):
    Kus sayimlarini (Poisson) hem alan/yil sabit etkileri hem de saha rastgele etkisiyle modelledik -- yani GLMM:
    karma model + sayim dagilimi. Bu veride alan etkisi anlamsiz cikti (p = 0.98); kus sayisi sahanin buyuklugunden
    cok yila ya da saha-ozgu farklara bagli olabilir. GLMM, "tekrarli/yuvalanmis sayim ya da ikili veri" durumunda
    (LMM normal varsayar, GLM kumelenmeyi gormez) ikisinin gucunu birlestirir. Ekolojik izlemede sik karsilasilan
    "ayni sahada yillar boyu sayim" tasariminin dogru analiz cercevesidir.

====================================================================================

#57  Elastic Net
    file: 057_elastic_net_two_correlated_group_chla.xlsx
  >> SENARYO (anlatim):
    Klorofil-a'yı çok sayıda olası belirleyiciden tahmin etmek istiyoruz, ancak
    değişkenlerimiz birbiriyle güçlü korelasyon gösteren iki gruba ayrılıyor.
    x_group1_1 ile x_group1_4 ve x_group2_1 ile x_group2_4 arasındaki ilişkili
    öngörücülerin yanı sıra x_noise_1'den x_noise_6'ya kadar gürültü
    değişkenleri de mevcut, hedefimiz ise chla_ugL. Hem değişken seçimi yapıp
    hem de korelasyonlu grupları birlikte ele alabilmek için L1 ve L2 cezalarını
    harmanlayan Elastic Net regresyonu uygundur.
  >> DEGISKEN SECIMI:
    - Öngörücü (grup1): x_group1_1
    - Öngörücü (grup1): x_group1_2
    - Öngörücü (grup1): x_group1_3
    - Öngörücü (grup1): x_group1_4
    - Öngörücü (grup2): x_group2_1
    - Öngörücü (grup2): x_group2_2
    - Öngörücü (grup2): x_group2_3
    - Öngörücü (grup2): x_group2_4
    - Öngörücü (gürültü): x_noise_1
    - Öngörücü (gürültü): x_noise_2
    - Öngörücü (gürültü): x_noise_3
    - Öngörücü (gürültü): x_noise_4
    - Öngörücü (gürültü): x_noise_5
    - Öngörücü (gürültü): x_noise_6
    - Bağımlı: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    alpha = 0.220   R2 (egitim) = 0.877
    Iki korelasyonlu degisken grubu + gurultu -> klorofil

>> YORUM (anlatim):
    Elastic Net, Ridge ile Lasso'nun melezidir: hem katsayilari kuculturur (Ridge gibi) hem onemsizleri sifirlar
    (Lasso gibi). Burada birbiriyle korelasyonlu iki degisken grubu vardi; Lasso boyle durumda gruptan rastgele tek
    degisken secip digerlerini atar, Elastic Net ise korelasyonlu grubu birlikte tutma egilimindedir. Model R2 = 0.88
    ile guclu. Es-dogrusal degisken gruplari oldugunda -- gen ifadesi, spektral bantlar, iliskili cevresel olcumler --
    Elastic Net hem secim hem kararlilik saglayan dengeli bir tercihtir.

====================================================================================

#58  Robust Regression
    file: 058_robust_outlier_chla_TP.xlsx
  >> SENARYO (anlatim):
    Fosfor ile klorofil-a arasındaki klasik trofik ilişkiyi modellemek
    istiyoruz, fakat veri setinde birkaç gölün aşırı uç değerleri ilişkiyi
    çarpıtıyor. TP_ugL'yi öngörücü, chla_ugL'yi bağımlı değişken alarak eğimi
    tahmin ederken bu aykırı gözlemlerin etkisini sınırlamayı amaçlıyoruz. Uç
    değerlere karşı dayanıklı katsayılar elde etmek için sağlam (robust)
    regresyon bu durumda uygundur.
  >> DEGISKEN SECIMI:
    - Öngörücü (besin): TP_ugL
    - Bağımlı: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Robust beta (TP) = +0.497   SE = 0.023   p < .001
    Robust kesim = 1.23   vs   OLS kesim = 6.99   |   8 gozlem potansiyel aykiri (agirlik < 0.5)

>> YORUM (anlatim):
    Bu veride birkac aykiri deger (outlier) vardi. Klasik regresyon (OLS), aykirilari tum gucle dikkate alir ve
    cizgiyi onlara dogru ceker -- kesim degeri OLS'te 6.99, robust modelde sadece 1.23; fark buyuk, yani aykirilar
    OLS'i ciddi sapttirmis. Robust regresyon (Huber-T), aykiri gozlemlere daha az agirlik vererek gercek egilimi
    korur; 8 gozlemi outlier olarak isaretledi. Aykiri degerlerin kacinilmaz oldugu saha verisinde (olcum hatasi,
    asiri olaylar) robust regresyon, OLS'ten daha guvenilir egim tahmini verir.

====================================================================================

#59  Quantile Regression
    file: 059_quantile_heteroskedastik_chla_TP.xlsx
  >> SENARYO (anlatim):
    Fosforun klorofil-a üzerindeki etkisinin yalnızca ortalamada değil,
    dağılımın farklı dilimlerinde nasıl değiştiğini araştırıyoruz; özellikle
    yüksek üretkenlikli göllerde saçılım belirgin biçimde artıyor. TP_ugL ve
    temperature_C'yi öngörücü alarak chla_ugL'nin medyanını ve uç yüzdeliklerini
    ayrı ayrı modellemek istiyoruz. Değişen varyanslı (heteroskedastik) bu
    yapıda koşullu dağılımın farklı kuantillerini incelemek için kuantil
    regresyonu uygundur.
  >> DEGISKEN SECIMI:
    - Öngörücü (besin): TP_ugL
    - Öngörücü (sıcaklık): temperature_C
    - Bağımlı: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    q = 0.10 egim = 0.57   |   q = 0.50 (medyan)   |   q = 0.90  (degisken sacilim)
    Klorofil ~ fosfor (heteroskedastik)

>> YORUM (anlatim):
    Klasik regresyon sadece ortalamayi modeller; ama fosfor-klorofil iliskisinde sacilim, fosfor arttikca buyuyor
    (heteroskedastiklik) -- yani fosforun etkisi dagilimi farkli yerlerinde farkli. Kantil regresyon, dagilimi alt
    (q=0.10), orta (q=0.50) ve ust (q=0.90) kantillerde ayri ayri modeller. Ust kantilde egimin daha dik olmasi,
    "en otrofik goller fosfora en duyarli" demektir. Cevre risk degerlendirmesinde ortalama degil ucler (en kotu
    durum) onemli oldugunda kantil regresyon, ortalama-tabanli modellerin goremedigini gosterir.

====================================================================================

#60  ROC Curve Analysis
    file: 060_roc_turbid_status_siniflandirici.xlsx
  >> SENARYO (anlatim):
    Göllerin bulanık (turbid) mı yoksa berrak mı durumda olduğunu çevresel
    değişkenlerle önceden ayırt edebilmeyi amaçlıyoruz. TP_ugL, secchi_m,
    macrophyte_present ve temperature_C değişkenlerinden oluşan bir
    sınıflandırıcının, ikili turbid_status_1_0 sonucunu ne kadar başarılı
    ayırdığını değerlendirmek istiyoruz. Farklı eşik değerlerinde duyarlılık ve
    özgüllük dengesini görmek ve ayırt etme gücünü ölçmek için ROC eğrisi
    analizi uygundur.
  >> DEGISKEN SECIMI:
    - Öngörücü (besin): TP_ugL
    - Öngörücü (berraklık): secchi_m
    - Öngörücü (bitki varlığı): macrophyte_present
    - Öngörücü (sıcaklık): temperature_C
    - Sonuç (ikili sınıf): turbid_status_1_0

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    AUC = 0.867 (iyi ayirici guc)   Youden optimum esik: 0.147 -> Duyarlilik 0.72
    n = 240 (pozitif 18, negatif 222)   bulanik durum siniflandirici

>> YORUM (anlatim):
    Bir golun "bulanik" olup olmadigini cevresel degiskenlerden tahmin eden bir siniflandiricinin ayirma gucunu ROC
    egrisiyle olctuk. AUC = 0.87 "iyi" duzeyde: model bulanik ve berrak golleri buyuk olcude dogru ayiriyor. Youden
    indeksi en iyi kesme noktasini (esik) verir -- duyarlilik ve ozgulluk dengesini optimize eder. Veride pozitifler
    az (18/240, dengesiz) oldugu icin AUC, dogruluktan daha bilgilendiricidir. Tani/sinif modellerinin kalitesini
    raporlamada (tibbi tani, tur dagilim modeli, durum siniflandirmasi) ROC/AUC standarttir.

====================================================================================

#61  True Skill Statistic (TSS)
    file: 061_tss_daphnia_varligi_SDM.xlsx
  >> SENARYO (anlatim):
    Daphnia turune ait su piresinin gollerde varligini ongormeye calisan bir tur
    dagilim modeli kurmak istiyoruz. Toplam fosfor (TP_ugL), balik yakalama
    basina dusen birey sayisi (fish_cpue) ve su sicakligi (temperature_C) gibi
    cevresel degiskenlerin, Daphnia'nin var olup olmadigini (daphnia_present) ne
    kadar dogru ayirt ettigini degerlendiriyoruz. Modelin tahmin basarisini,
    yanlis pozitif ve yanlis negatifleri dengeli bicimde olcen True Skill
    Statistic uygundur, cunku TSS sira degeri prevalanstan bagimsizdir ve
    ekolojik tur dagilim modellerinde standart bir basari olcutudur.
  >> DEGISKEN SECIMI:
    - Tahmin edici: TP_ugL
    - Tahmin edici: fish_cpue
    - Tahmin edici: temperature_C
    - Gozlenen varlik (hedef): daphnia_present

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    TSS = 0.21 (kabul edilebilir)   Duyarlilik 0.71   Ozgulluk 0.50   n = 200
    Daphnia varligi tahmini (tur dagilim modeli)

>> YORUM (anlatim):
    TSS (True Skill Statistic), tur dagilim modellerinde (SDM) yaygin bir basari olcusudur: duyarlilik + ozgulluk - 1
    olarak hesaplanir ve sansa gore ne kadar iyi oldugumuzu gosterir. Daphnia varligini cevresel degiskenlerden
    tahmin eden model TSS = 0.21 ile "kabul edilebilir" -- mukemmel degil, ama sanstan iyi. TSS'nin avantaji,
    prevalansa (turun ne kadar yaygin oldugune) duyarli olmamasidir; bu yuzden ekolojide AUC'ye alternatif olarak
    tercih edilir. Tur varlik/yokluk tahmin modellerinin performansini durustce ozetler.

====================================================================================

#62  Confusion Matrix Metrics
    file: 062_complexity_matrix_clear_turbid.xlsx
  >> SENARYO (anlatim):
    Gollerin berrak mi yoksa bulanik rejimde mi oldugunu siniflandiran bir
    modelin performansini ayrintili olarak incelemek istiyoruz. Toplam fosfor
    (TP_ugL) ve makrofit ortusu yuzdesi (macrophyte_percent) gibi degiskenlerden
    uretilen tahmin skoru (prediction_score) ve buna dayanan tahmin etiketi
    (prediction_label_0_1), gercek durum etiketiyle (actual_label_0_1)
    karsilastirilacaktir. Modelin gercek pozitif, yanlis pozitif, dogru negatif
    ve yanlis negatif sayilarini ve buradan turetilen duyarlilik, ozgulluk gibi
    metrikleri gormek icin Confusion Matrix Metrics uygundur.
  >> DEGISKEN SECIMI:
    - Tahmin skoru: prediction_score
    - Tahmin etiketi: prediction_label_0_1
    - Gercek etiket: actual_label_0_1

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dogruluk (Accuracy) = 0.859   Duyarlilik (Recall) = 0.343   Kesinlik (Precision) = 0.60
    F1 = 0.436   Dengeli Dogruluk = 0.65

>> YORUM (anlatim):
    Bir siniflandiricinin (berrak/bulanik tahmini) performansini karmasiklik matrisiyle parçaladik. Genel dogruluk
    yuksek gorunse de (%86), bu yaniltici: duyarlilik (gercek bulaniklari yakalama) yalnizca 0.34 -- model bulanik
    golleri cogunlukla kaciriyor. Bunun sebebi veri dengesizligi: bulanik goller az oldugu icin model "hepsi berrak"
    diyerek bile yuksek dogruluk alir. F1 ve dengeli dogruluk bu tuzagi ortaya cikarir. Karmasiklik matrisi,
    "dogruluk" rakaminin gizledigi gercegi -- hangi sinifin nerede yanlis siniflandigini -- gosteren vazgecilmez aractir.

====================================================================================

#63  Random Forest
    file: 063_random_forest_lake_regime_estimate.xlsx
  >> SENARYO (anlatim):
    Sig gollerin berrak ya da bulanik durumda olusunu cevresel ve biyolojik
    degiskenlerden ongormek istiyoruz. Toplam fosfor (TP_ugL), toplam azot
    (TN_mgL), makrofit kapanma yuzdesi (macrophyte_closure_percent), balik
    yogunlugu (fish_cpue), su sicakligi (temperature_C), Secchi derinligi
    (secchi_m) ve iletkenlik (conductivity_uScm) degiskenlerinin gol rejimini
    (status_2sinif) belirlemedeki katkilarini ortaya koymak amaclaniyor.
    Degiskenler arasi karmasik ve dogrusal olmayan etkilesimleri yakalayabilen,
    ayrica degisken onem siralamasi veren Random Forest bu cok degiskenli
    siniflandirma icin uygundur.
  >> DEGISKEN SECIMI:
    - Tahmin edici: TP_ugL
    - Tahmin edici: TN_mgL
    - Tahmin edici: macrophyte_closure_percent
    - Tahmin edici: fish_cpue
    - Tahmin edici: temperature_C
    - Tahmin edici: secchi_m
    - Tahmin edici: conductivity_uScm
    - Hedef sinif: status_2sinif

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dogruluk (Accuracy) = 1.000   (2 sinif gol rejimi)
    7 cevresel degiskenden tahmin

>> YORUM (anlatim):
    Gol rejimini (iki sinif) yedi cevresel degiskenden Random Forest ile tahmin ettik -- yuzlerce karar agacinin oyu.
    Dogruluk %100: rejimler bu degiskenlerle neredeyse kusursuz ayriliyor. Bu kadar yuksek dogruluk, siniflarin
    cevresel olarak gercekten net ayrildigini gosterir (ama her zaman asiri-uyum riski de akilda tutulmali). Random
    Forest'in en degerli ciktilarindan biri "degisken onem siralamasi"dir: hangi cevresel degiskenin ayrimda en etkili
    oldugunu soyler. Dogrusal olmayan, etkilesimli iliskilerde guclu, kurmasi kolay bir makine ogrenmesi yontemidir.

====================================================================================

#64  SVM
    file: 064_svm_clear_turbid.xlsx
  >> SENARYO (anlatim):
    Gollerin berrak ve bulanik olmak uzere iki rejimini ayiran net bir karar
    siniri bulmak istiyoruz. Toplam fosfor (TP_ugL), makrofit kapanma yuzdesi
    (macrophyte_closure_percent), Secchi derinligi (secchi_m) ve su sicakligi
    (temperature_C) degiskenleri kullanilarak gol durumunun (status) hangi
    siniftan oldugu tahmin edilecektir. Iki sinifi en genis marjla ayiran ve
    dogrusal olmayan sinirlari cekirdek fonksiyonlariyla modelleyebilen Destek
    Vektor Makineleri bu ikili siniflandirma problemi icin uygundur.
  >> DEGISKEN SECIMI:
    - Tahmin edici: TP_ugL
    - Tahmin edici: macrophyte_closure_percent
    - Tahmin edici: secchi_m
    - Tahmin edici: temperature_C
    - Hedef sinif: status

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dogruluk (Accuracy) = 0.975   (berrak/bulanik)
    4 cevresel degiskenden tahmin

>> YORUM (anlatim):
    Berrak ve bulanik golleri ayiran en iyi siniri SVM ile bulduk. SVM, iki sinif arasinda mumkun olan en genis
    "marjli" ayirma yuzeyini arar ve kernel hilesiyle dogrusal olmayan sinirlari da modelleyebilir. Dogruluk %97.5
    ile cok yuksek -- cevresel degiskenler iki rejimi neredeyse tam ayiriyor. SVM, ozellikle az-orta orneklemli,
    yuksek boyutlu siniflandirma problemlerinde gucludur ve asiri uyuma karsi marj maksimizasyonu sayesinde dayaniklidir.
    Ekolojik durum siniflandirmasi icin Random Forest'a guclu bir alternatiftir.

====================================================================================

#65  Gradient Boosting
    file: 065_gradient_boosting_chla_nonlinear.xlsx
  >> SENARYO (anlatim):
    Goldeki klorofil-a derisimini (chla_ugL) besin tuzlari ve fiziksel
    degiskenlerden surekli bir cikti olarak ongormek istiyoruz. Trofik durum
    (trophic_status), toplam fosfor (TP_ugL), toplam azot (TN_mgL), su sicakligi
    (temperature_C), su seviyesi (WL_m) ve makrofit yuzdesi (macrophyte_percent)
    ile chla arasindaki iliskinin dogrusal olmadigini, esik ve etkilesim
    etkileri tasidigini dusunuyoruz. Bu dogrusal olmayan iliskileri ardisik
    agaclarla adim adim yakalayan Gradient Boosting regresyonu bu tahmin gorevi
    icin uygundur.
  >> DEGISKEN SECIMI:
    - Tahmin edici (kategorik): trophic_status
    - Tahmin edici: TP_ugL
    - Tahmin edici: TN_mgL
    - Tahmin edici: temperature_C
    - Tahmin edici: WL_m
    - Tahmin edici: macrophyte_percent
    - Hedef (surekli): chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dogruluk (Accuracy) = 1.000   (trofik durum siniflandirma)
    Cevresel degiskenlerden tahmin (ardisik agac toplama)

>> YORUM (anlatim):
    Gradient Boosting, agaclari ardisik olarak ekleyip her yeni agacin onceki hatalari duzeltmesini saglayan guclu
    bir makine ogrenmesi yontemidir. Trofik durum siniflandirmasinda dogruluk %100 -- model cevresel degiskenlerden
    durumu kusursuz cikariyor. Random Forest agaclari paralel (bagimsiz) kurarken, Boosting onlari ardisik (hatayi
    kovalayarak) kurar; genelde daha yuksek dogruluk verir ama asiri-uyuma daha yatkindir, dikkatli ayar ister.
    Dogrusal olmayan, etkilesimli cevresel iliskilerde -- modern ekolojik tahminin guclu araclarindan biridir.

====================================================================================

#66  K-Means Clustering
    file: 066_kmeans_lake_tipolojisi_4kume.xlsx
  >> SENARYO (anlatim):
    Golleri onceden etiket vermeden, sahip olduklari limnolojik ozelliklere gore
    dogal tipolojik gruplara ayirmak istiyoruz. Toplam fosfor (TP_ugL), Secchi
    derinligi (secchi_m), makrofit yuzdesi (macrophyte_percent) ve iletkenlik
    (conductivity_uScm) degiskenleri uzerinden gollerin benzerligine dayali
    kumeler olusturulacaktir. Onceden bilinen dort gol tipi (actual_typology)
    ile karsilastirma yapabilmek ve kume sayisini bu sekilde belirleyebilmek
    icin K-Means kumeleme uygundur.
  >> DEGISKEN SECIMI:
    - Kumeleme degiskeni: TP_ugL
    - Kumeleme degiskeni: secchi_m
    - Kumeleme degiskeni: macrophyte_percent
    - Kumeleme degiskeni: conductivity_uScm
    - Dogrulama etiketi (kategorik): actual_typology

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Kume sayisi = 4   Silhouette = 0.78 (guclu kume yapisi)
    4 degiskenle gol tipolojisi (fosfor, secchi, makrofit, iletkenlik)

>> YORUM (anlatim):
    Golleri cevresel ozelliklerine gore dort dogal gruba (tipolojiye) K-Means ile ayirdik. Silhouette = 0.78 cok
    yuksek -- kumeler birbirinden net ayrilmis, gerçek bir yapi var. Bu dort grup muhtemelen farkli gol tiplerini
    temsil ediyor: ornegin berrak-makrofitli, otrofik-bulanik, tuzlu, ve ara tipler. K-Means, etiketsiz veride
    (denetimsiz ogrenme) dogal gruplari bulur; gol siniflandirmasi, izleme istasyonlarini gruplama, ekolojik tipoloji
    olusturma gibi islerde son derece pratiktir. Silhouette skoru kume sayisinin dogru secildigini dogrular.

====================================================================================

#67  Hierarchical Clustering
    file: 067_hierarchical_makroinvert_topluluk.xlsx
  >> SENARYO (anlatim):
    Gollerin makroomurgasiz topluluk yapilarina gore birbirine ne kadar
    benzedigini ve hangi gollerin bir araya kumelendigini gormek istiyoruz. Her
    gol icin Chironomidae, Oligochaeta, Ephemeroptera, Trichoptera, Gastropoda,
    Crustacea ve Coleoptera taksonlarinin bollugu kullanilarak goller arasi
    benzerlik hesaplanacaktir. Onceden kume sayisi belirlemeden iliskileri bir
    dendrogram ile asamali olarak gosteren Hierarsik kumeleme, topluluk
    benzerligini incelemek icin uygundur.
  >> DEGISKEN SECIMI:
    - Etiket: lake
    - Topluluk degiskeni: Chironomidae
    - Topluluk degiskeni: Oligochaeta
    - Topluluk degiskeni: Ephemeroptera
    - Topluluk degiskeni: Trichoptera
    - Topluluk degiskeni: Gastropoda
    - Topluluk degiskeni: Crustacea
    - Topluluk degiskeni: Coleoptera

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Kume sayisi = 3   Silhouette = 0.15 (zayif/orustusen yapi)
    Makroomurgasiz topluluk kompozisyonu

>> YORUM (anlatim):
    Makroomurgasiz topluluklarini benzerliklerine gore hiyerarsik kumeleme ile gruplandirdik -- sonuc bir dendrogram
    (agac) verir, kac kume istedigimizi sonradan seceriz. Uc kumeye boldugumuzde silhouette yalnizca 0.15: kumeler
    birbirine giriyor, keskin ayrim yok. Bu ekolojik olarak anlamli -- topluluk kompozisyonu cogu zaman keskin
    sinirlar yerine surekli bir gradyan boyunca degisir (nehir boyu, otrofikasyon gradyani). Dusuk silhouette,
    "veride dogal gruplama zayif" demektir; bu da bilgi verir. Hiyerarsik kumeleme, gruplarin ic ice yapisini gormek
    icin K-Means'ten daha aciklayicidir.

====================================================================================

#68  DBSCAN Clustering
    file: 068_dbscan_spatial_cluster_lake_koord_TP.xlsx
  >> SENARYO (anlatim):
    Cografi konumlari ve fosfor yukleri uzerinden gollerin mekansal yogunlasma
    odaklarini ve aykiri golleri belirlemek istiyoruz. Enlem (lat), boylam (lon)
    ve toplam fosfor (TP_ugL) degiskenleri kullanilarak yogun olarak bir araya
    gelen gol gruplari ortaya cikarilacaktir. Kume sayisini onceden
    gerektirmeyen, dogal yogunluk farklarina gore kumeleri bulan ve seyrek
    noktalari gurultu olarak isaretleyen DBSCAN bu mekansal kumeleme icin
    uygundur.
  >> DEGISKEN SECIMI:
    - Konum: lat
    - Konum: lon
    - Kumeleme degiskeni: TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Kume sayisi = 4   Silhouette = 0.77   (mekansal koordinatlar)
    Gol konumlari yogunluga gore kumelendi

>> YORUM (anlatim):
    DBSCAN, gollerin cografi konumlarini yogunluga gore kumeleyen bir yontemdir. K-Means'ten farki: kume sayisini
    onceden vermeyiz, ve yogun olmayan, izole noktalari "gurultu" (aykiri) olarak isaretler. Dort yogun gol obegi
    bulundu (silhouette 0.77, guclu). Bu, gollerin havzalar/bolgeler halinde kumelendigini gosterir -- ornegin Konya
    Kapali Havzasi'nin alt-havzalari. DBSCAN, duzensiz sekilli kumeler ve aykiri noktalar iceren mekansal veride
    (gol konumlari, ornekleme noktalari, sicak nokta tespiti) K-Means'ten daha uygundur.

====================================================================================

#69  PCA
    file: 069_pca_pan_europe_mesocosm_8cevre.xlsx
  >> SENARYO (anlatim):
    Pan-Avrupa mezokozm deneyindeki tanklari betimleyen sekiz cevresel degiskeni
    daha az sayida bilesene indirgeyerek temel cevresel gradyanlari ortaya
    cikarmak istiyoruz. Toplam fosfor (TP_ugL), toplam azot (TN_mgL), klorofil-a
    (chla_ugL), su sicakligi (temperature_C), cozunmus oksijen (DO_mgL), pH,
    iletkenlik (conductivity_uScm) ve Secchi derinligi (secchi_m) degiskenleri
    arasindaki ortusen varyasyonu ozetlemek amaclaniyor. Iliskili cok sayida
    degiskeni birbirinden bagimsiz temel bilesenlere donusturen Temel Bilesenler
    Analizi (PCA) bu amac icin uygundur.
  >> DEGISKEN SECIMI:
    - Degisken: TP_ugL
    - Degisken: TN_mgL
    - Degisken: chla_ugL
    - Degisken: temperature_C
    - Degisken: DO_mgL
    - Degisken: pH
    - Degisken: conductivity_uScm
    - Degisken: secchi_m

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    PC1 = %46.9   PC2 = %35.8   (ilk iki bilesen toplam %82.7)
    8 cevresel degisken

>> YORUM (anlatim):
    Sekiz korelasyonlu cevresel degiskeni PCA ile az sayida ozet eksene indirgedik. Ilk iki bilesen toplam varyansin
    %83'unu acikliyor -- yani sekiz degiskenlik bilgiyi neredeyse iki eksende ozetleyebiliyoruz. Genelde PC1 bir
    besin/otrofikasyon gradyanini (fosfor, azot, klorofil birlikte), PC2 ise fiziksel bir ekseni (sicaklik, oksijen)
    temsil eder. PCA, cok-degiskenli veriyi gorsellestirmenin, es-dogrusalligi azaltmanin ve gizli gradyanlari
    ortaya cikarmanin temel aracidir. Cevresel izleme verisini ozetlemede limnolojinin en cok kullanilan yontemlerinden biridir.

====================================================================================

#70  t-SNE
    file: 070_tsne_phytoplankton_topluluk_hi_dim.xlsx
  >> SENARYO (anlatim):
    Cok sayida fitoplankton taksonunun bollugundan olusan yuksek boyutlu
    orneklerin yapisini iki boyutlu bir harita uzerinde gorsellestirmek
    istiyoruz. Microcystis, Aphanizomenon, Cryptomonas, Cyclotella, Dinobryon ve
    Synedra cinslerinin bollukleri kullanilarak benzer topluluklara sahip
    ornekler birbirine yakin yerlestirilecek, ardindan trofik durum
    (trophic_status) etiketiyle renklendirilerek gruplasmanin trofiyi yansitip
    yansitmadigi degerlendirilecektir. Yerel komsuluk yapisini koruyarak yuksek
    boyutlu veriyi gorsellestiren t-SNE bu amac icin uygundur.
  >> DEGISKEN SECIMI:
    - Degisken: Microcystis
    - Degisken: Aphanizomenon
    - Degisken: Cryptomonas
    - Degisken: Cyclotella
    - Degisken: Dinobryon
    - Degisken: Synedra
    - Renklendirme etiketi (kategorik): trophic_status

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    KL Divergence (fit kalitesi) = 0.363 -> cok iyi
    Fitoplankton topluluk kompozisyonu (yuksek boyutlu) 2 boyuta indirgendi

>> YORUM (anlatim):
    t-SNE, yuksek boyutlu fitoplankton topluluk verisini (cok sayida tur) iki boyutlu bir gorsele dusuren dogrusal
    olmayan bir yontemdir. PCA'dan farki: yerel komsuluklari korumaya odaklanir, yani benzer topluluklar haritada
    birbirine yakin dusurulur -- gizli grup yapisini gormek icin idealdir. KL divergence dusuk (0.36), yani indirgeme
    kalitesi iyi. Onemli uyari: t-SNE ekseni ve kumeler arasi mesafe yorumlanmaz, sadece kumelenme deseni anlamlidir.
    Topluluk ekolojisinde benzer ornek/istasyon gruplarini gozle kesfetmek icin guclu bir gorsellestirme aracidir.

====================================================================================

#71  MDS
    file: 071_mds_mediterranean_lake_makroinvert_benzerlik.xlsx
  >> SENARYO (anlatim):
    Akdeniz havzasindaki goller arasinda makroomurgasiz topluluklarinin ne kadar
    benzer oldugunu merak ediyoruz. Her gol icin Ephemeroptera, Plecoptera,
    Trichoptera, Odonata, Hemiptera, Coleoptera, Diptera, Mollusca ve
    Oligochaeta gruplarinin bollugunu kaydettik. Amacimiz, goller arasindaki
    ekolojik topluluk benzerliklerini iki boyutlu bir uzayda gorsellestirerek
    hangi gollerin birbirine yakin, hangilerinin farkli oldugunu ortaya koymak.
    Cok degiskenli benzerlik yapisini mesafe matrisine dayali olarak
    haritaladigi icin MDS (cok boyutlu olcekleme) bu amac icin uygundur.
  >> DEGISKEN SECIMI:
    - Gruplama (gol): lake
    - Mayisbocegi bollugu: Ephemeroptera
    - Tasbocegi bollugu: Plecoptera
    - Su pervanesi bollugu: Trichoptera
    - Kizboeksi bollugu: Odonata
    - Yarikanatli bollugu: Hemiptera
    - Kinkanatli bollugu: Coleoptera
    - Iki kanatli bollugu: Diptera
    - Yumusakca bollugu: Mollusca
    - Az kili solucan bollugu: Oligochaeta

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Stress (Kruskal-1) = 0.287 (zayif uyum)
    Akdeniz golleri makroomurgasiz benzerligi

>> YORUM (anlatim):
    MDS, goller arasi makroomurgasiz topluluk benzerligini iki boyutlu bir haritaya dokme yontemidir -- benzer
    topluluklu goller yakin, farklilar uzak dusurulur. Stress = 0.29 ile uyum "zayif"; bu, topluluk yapisinin iki
    boyuta tam sigmadigini, daha karmasik (cok boyutlu) oldugunu gosterir -- ekolojide sik gorulen bir durum.
    Yine de genel gradyan goruluyor. MDS, ekolojide topluluk benzerligi (Bray-Curtis gibi) matrislerini
    gorsellestirmenin klasik yontemidir; stress degeri haritaya ne kadar guvenebilecegimizi durustce soyler.

====================================================================================

#72  UMAP
    file: 072_umap_zooplankton_topluluk.xlsx
  >> SENARYO (anlatim):
    Farkli tuzluluk kosullarina sahip su kutlelerinden alinan orneklerde
    zooplankton topluluklarinin nasil kumelendigini incelemek istiyoruz. Her
    ornekte daphnia, Bosmina, Cyclops, Artemia ve Diaptomus turlerinin bollugunu
    olctuk; ayrica orneklerin tatli-makrozooplankton, hafif tuzlu ve yuksek
    tuzlu tip etiketlerini de biliyoruz. Amacimiz yuksek boyutlu zooplankton
    verisini iki boyuta indirgeyerek topluluklarin dogal grupanmalarini ve
    tuzluluk tipiyle iliskilerini gorsellestirmek. Yerel ve global yapiyi
    koruyarak karmasik topluluk verisini gomdugu icin UMAP bu kesif amacli
    analiz icin uygundur.
  >> DEGISKEN SECIMI:
    - Tip (tuzluluk): type
    - Daphnia bollugu: daphnia
    - Bosmina bollugu: Bosmina
    - Cyclops bollugu: Cyclops
    - Artemia bollugu: Artemia
    - Diaptomus bollugu: Diaptomus

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    UMAP boyut indirgeme (zooplankton topluluk yapisi 2B'ye)
    n_neighbors ve min_dist ile yerel/global denge ayarlanir

>> YORUM (anlatim):
    UMAP, t-SNE'ye benzer modern bir boyut indirgeme yontemidir ama hem yerel hem global yapiyi daha iyi korur ve
    daha hizlidir. Zooplankton topluluk kompozisyonunu iki boyutlu bir haritaya dusurduk; benzer topluluklar
    kumelenir. n_neighbors parametresi yerel-global dengesini, min_dist ise kumelerin sikiligini ayarlar. UMAP,
    yuksek boyutlu ekolojik/omik veride gizli grup yapisini kesfetmek icin giderek daha cok tercih ediliyor.
    Gorsellestirme amacli kullanilir; eksen degerleri degil, kumelenme deseni yorumlanir.

====================================================================================

#73  Cronbach's Alpha
    file: 073_cronbach_alpha_pondscape_paydas_8madde.xlsx
  >> SENARYO (anlatim):
    Gocek-golet peyzajinin (pondscape) sundugu ekosistem hizmetlerine yonelik
    paydas algilarini olcen 8 maddelik bir olcek gelistirdik. Maddeler
    biyocesitlilik, su saglama, iklim, estetik, kultur-kimlik, rekreasyon,
    egitim ve koruma degeri boyutlarini kapsiyor ve farkli ulkelerden
    katilimcilara uygulandi. Amacimiz bu 8 maddenin ic tutarliligini, yani ayni
    yapiyi ne kadar guvenilir bir sekilde olctugunu degerlendirmek. Olcek
    maddeleri arasindaki ic tutarliligi olctugu icin Cronbach Alfa bu olcek
    guvenirligi analizine uygundur.
  >> DEGISKEN SECIMI:
    - Madde - biyocesitlilik: pondscape_biodiversity
    - Madde - su saglama: pondscape_water_provision
    - Madde - iklim: pondscape_climate
    - Madde - estetik: pondscape_aesthetic
    - Madde - kultur kimlik: pondscape_culture_identity
    - Madde - rekreasyon: pondscape_recreation
    - Madde - egitim: pondscape_education
    - Madde - koruma degeri: pondscape_conservation_value

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Cronbach alpha = 0.941 (mukemmel ic tutarlilik)   Ortalama madde-madde r = 0.667
    8 maddelik gocet/sulak alan deger olcegi

>> YORUM (anlatim):
    Paydaslarin gocet/sulak alan degerlerini olcen 8 maddelik bir olcegin ic tutarliligini Cronbach alfa ile sinadik.
    alpha = 0.94 mukemmel: sekiz madde ayni temel kavrami (sulak alana verilen deger) tutarli sekilde olcuyor,
    katilimcilar maddeler arasinda uyumlu yanit veriyor. Bir olcegi analiz etmeden once guvenirligini gostermek
    sarttir -- dusuk alpha, maddelerin ayni seyi olcmedigini ve toplam puanin anlamsiz olabilecegini gosterir.
    0.70 uzeri kabul edilebilir, 0.90 uzeri mukemmel sayilir. Anket/olcek gelistiren her sosyo-ekolojik calismanin ilk adimidir.

====================================================================================

#74  Likert Analysis
    file: 074_likert_5li_paydas_10madde.xlsx
  >> SENARYO (anlatim):
    Sulak alan yonetimi konusundaki paydas tutumlarini 5'li Likert tipi 10 madde
    ile olctuk. Her katilimci, gol ve golet ekosistemlerinin korunmasiyla ilgili
    10 ifadeye kesinlikle katilmiyorum-kesinlikle katiliyorum araliginda yanit
    verdi; katilimcilarin ulke ve yas grubu bilgileri de mevcut. Amacimiz her
    maddenin yanit dagilimini, merkezi egilimini ve katilim oruntulerini
    betimlemek. Sirali Likert yanitlarinin frekans ve dagilim yapisini
    ozetledigi icin Likert analizi bu amaca uygundur.
  >> DEGISKEN SECIMI:
    - Madde 1: item_1
    - Madde 2: item_2
    - Madde 3: item_3
    - Madde 4: item_4
    - Madde 5: item_5
    - Madde 6: item_6
    - Madde 7: item_7
    - Madde 8: item_8
    - Madde 9: item_9
    - Madde 10: item_10

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Cronbach alpha = 0.048 (KABUL EDILEMEZ)   10 madde   n = 220   madde ort ~ 3.0
    Maddeler arasi korelasyon cok dusuk

>> YORUM (anlatim):
    Bu 5'li Likert olceginde carpici bir sonuc cikti: Cronbach alpha yalnizca 0.05 -- kabul edilemez derecede dusuk.
    Bu, maddelerin ortak bir kavrami OLCMEDIGINI gosterir; sanki birbiriyle ilgisiz 10 ayri soru sorulmus gibi.
    Boyle bir olcekte maddeleri toplayip tek bir puan yapmak yanlis olur. Bu, bir ders niteliginde: yuksek ortalama
    ya da guzel grafikler bir olcegi gecerli yapmaz; once guvenirlik (alpha) kontrol edilmelidir. Dusuk alpha,
    olcegin yeniden tasarlanmasi, maddelerin gozden gecirilmesi ya da alt-boyutlara ayrilmasi gerektigini soyler.
    Likert analizi tam da bu tani icin vardir -- olcegin saglikli olup olmadigini erkenden ortaya kor.

====================================================================================

#75  EFA
    file: 075_efa_paydas_3faktor_12madde.xlsx
  >> SENARYO (anlatim):
    Golet peyzajinin algilanan deger boyutlarini olcen 12 maddelik bir anketin
    altinda yatan gizil faktor yapisini kesfetmek istiyoruz. Maddeler kuramsal
    olarak ek ekosistem hizmetleri, kulturel deger ve ekonomik deger olmak uzere
    uc kavramsal kumeye ayriliyor. Amacimiz, bu 12 gozlenen maddenin kac gizil
    faktor altinda toplandigini ve her maddenin hangi faktorle iliskili oldugunu
    ortaya cikarmak. Gozlenen maddeler arasindaki ortak varyanstan gizil
    yapilari kesfettigi icin Acimlayici Faktor Analizi (EFA) bu amaca uygundur.
  >> DEGISKEN SECIMI:
    - Ek hizmet maddesi 1: extra_service_1
    - Ek hizmet maddesi 2: extra_service_2
    - Ek hizmet maddesi 3: extra_service_3
    - Ek hizmet maddesi 4: extra_service_4
    - Kulturel madde 5: cultural_5
    - Kulturel madde 6: cultural_6
    - Kulturel madde 7: cultural_7
    - Kulturel madde 8: cultural_8
    - Ekonomik madde 9: economic_9
    - Ekonomik madde 10: economic_10
    - Ekonomik madde 11: economic_11
    - Ekonomik madde 12: economic_12

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    KMO (genel) = 0.827 (cok iyi)   -> faktor analizi uygun
    12 madde, beklenen 3 faktor (ek hizmet / kulturel / ekonomik)

>> YORUM (anlatim):
    On iki anket maddesinin altinda kac gizli boyut (faktor) yattigini Aciklayici Faktor Analizi ile arastirdik.
    KMO = 0.83 "cok iyi": veriler faktor analizi icin uygun, maddeler arasi ortak varyans yeterli. Maddeler beklendigi
    gibi uc faktore -- ek hizmetler, kulturel degerler, ekonomik degerler -- gruplaniyor. EFA, cok sayida maddeyi az
    sayida anlamli boyuta indirgeyerek hem olcegi sadelestirir hem altta yatan yapilari ortaya kor. Olcek gelistirmenin
    ve psikometrik/sosyo-ekolojik arastirmanin temel aracidir; KMO ve Bartlett testi on-kontrol olarak raporlanir.

====================================================================================

#76  ICC
    file: 076_icc_3lab_TP_measurements.xlsx
  >> SENARYO (anlatim):
    Ayni gol orneklerindeki toplam fosfor (TP) olcumlerinin uc farkli
    laboratuvar arasinda ne kadar tutarli oldugunu degerlendirmek istiyoruz. Her
    gol icin lab1, lab2 ve lab3'un mikrogram/litre cinsinden TP olcumlerini
    kaydettik. Amacimiz laboratuvarlar arasindaki olcum guvenilirligini, yani
    ayni numuneye verilen degerlerin uyumunu sayisal olarak nicelemek. Ayni
    birimleri olcen birden fazla degerlendirici arasindaki uyumu degerlendirdigi
    icin Sinif Ici Korelasyon Katsayisi (ICC) bu amaca uygundur.
  >> DEGISKEN SECIMI:
    - Lab 1 TP olcumu: lab1_TP_ugL
    - Lab 2 TP olcumu: lab2_TP_ugL
    - Lab 3 TP olcumu: lab3_TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    ICC(1,1) = 0.935   ICC(C,1) = 0.942   (Mukemmel)   3 laboratuvar
    %95 GA ~ (0.88 , 0.97)

>> YORUM (anlatim):
    Ayni su orneklerinin fosfor degerini olcen uc laboratuvarin ne kadar tutarli oldugunu ICC ile degerlendirdik.
    ICC = 0.94 "mukemmel": laboratuvarlar arasi olcum uyumu cok yuksek, hangi laboratuvar olcerse olcsun benzer
    sonuc cikiyor. Bu, cok-merkezli/cok-gozlemcili calismalarda kritik: eger laboratuvarlar tutarsiz olsa, gozlenen
    farklar gercek mi yoksa olcum hatasi mi belli olmazdi. ICC, surekli olcumlerde gozlemciler/cihazlar/laboratuvarlar
    arasi guvenirligi olcmenin standardidir (Cohen Kappa kategorik veri icinken, ICC surekli veri icindir).

====================================================================================

#77  CFA
    file: 077_cfa_sem_pondscape_yer_identity.xlsx
  >> SENARYO (anlatim):
    Golet peyzajina yonelik yer baglilik kavramini olcen bir olcegin kuramsal
    yapisini dogrulamak istiyoruz. Olcek, yer-kimligi (identity) ve yer-
    bagimliligi (dependence) olmak uzere onceden tanimlanmis iki gizil boyutu
    temsil eden dorder maddeden olusuyor ve farkli ulkelerden katilimcilara
    uygulandi. Amacimiz, maddelerin bu iki onceden belirlenmis faktor altinda
    beklendigi gibi yuklenip yuklenmedigini test etmek. Onceden tanimlanmis bir
    olcum modelinin verilere uyumunu sinadigi icin Dogrulayici Faktor Analizi
    (CFA/SEM) bu amaca uygundur.
  >> DEGISKEN SECIMI:
    - Kimlik maddesi 1: identity_1
    - Kimlik maddesi 2: identity_2
    - Kimlik maddesi 3: identity_3
    - Kimlik maddesi 4: identity_4
    - Bagimlilik maddesi 1: dependence_1
    - Bagimlilik maddesi 2: dependence_2
    - Bagimlilik maddesi 3: dependence_3
    - Bagimlilik maddesi 4: dependence_4

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    CFI = 0.998   RMSEA = 0.021   (mukemmel uyum)
    2 faktor: yer kimligi (identity) + yer bagliligi (dependence)

>> YORUM (anlatim):
    EFA gizli yapiyi kesfederken, CFA onceden kurulmus bir kurami sinar: burada "yer kimligi" ve "yer bagliligi"
    olmak uzere iki ayri faktorun verilere uyup uymadigini test ettik. Uyum mukemmel (CFI = 0.998, RMSEA = 0.021):
    maddeler gercekten bu iki boyuta dusuyor, kurgulanan olcek yapisi dogrulaniyor. CFA, yapisal esitlik
    modellemesinin (SEM) bir parcasidir ve olcek gecerligini kanitlamanin en guclu yoludur. Insanlarin sulak alanlara
    duygusal/islevsel baglarini olcen cevre psikolojisi calismalarinda olcegin gecerligini boyle gosteririz.

====================================================================================

#78  Survey Means
    file: 078_survey_means_chla_regional.xlsx
  >> SENARYO (anlatim):
    Turkiye genelinde tabakali ve kumeli bir orneklem tasarimiyla goldeki
    klorofil-a (chla) duzeylerinin bolgesel ortalamasini tahmin etmek istiyoruz.
    Orneklem; ic anadolu, karadeniz, marmara ve akdeniz bolgelerine gore
    tabakalanmis, kume kimligi ve orneklem agirligi bilgileriyle birlikte
    toplanmistir. Amacimiz, tasarim agirliklarini dikkate alarak chla icin
    temsil gucu yuksek populasyon ortalama tahminleri uretmek. Karmasik orneklem
    tasarimindan agirlikli ortalama ve standart hatalar hesapladigi icin Anket
    Ortalamalari (Survey Means) analizi uygundur.
  >> DEGISKEN SECIMI:
    - Tabaka (bolge): stratum_region
    - Kume: cluster_id
    - Agirlik: weight
    - Klorofil-a: chla_ugL
    - Toplam fosfor: TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Klorofil agirlikli ortalama = 26.77   SE = 8.42   %95 GA (10.02 , 43.53)   CV %31.5
    Tabakali + kumeli + agirlikli tasarim (Taylor SE)

>> YORUM (anlatim):
    Bolgesel bir izleme anketinde goller rastgele degil, tabakali ve kumeli bir tasarimla secilmis ve agirliklandirilmis.
    Boyle veride basit ortalama yanlis olur; karmasik orneklem analizi, tasarim agirliklarini ve kumelenmeyi hesaba
    katarak dogru ortalamayi ve standart hatayi (Taylor linearization) verir. Klorofil agirlikli ortalama 26.8,
    geis %95 GA ile (tasarim etkisi belirsizligi artirir). Ulusal/bolgesel cevre izleme programlari (su kalitesi
    envanterleri, ulusal saglik anketleri) hep boyle tasarlanir; survey yontemleri tarafli olmayan tahmin icin sarttir.

====================================================================================

#79  Survey Frequencies
    file: 079_survey_frequency_trophic_status_distribution.xlsx
  >> SENARYO (anlatim):
    Turkiye genelinde tabakali-kumeli bir orneklem tasarimiyla gollerin trofik
    durum siniflarinin populasyondaki dagilimini tahmin etmek istiyoruz. Her
    sahanin hiper, otrofik, mezotrofik veya oligotrofik trofik durumu
    kaydedilmis; bolge tabakasi, kume kimligi ve orneklem agirligi da mevcuttur.
    Amacimiz, tasarim agirliklarini hesaba katarak trofik durum kategorilerinin
    tahmini yuzde dagilimini elde etmek. Karmasik orneklemden kategorik bir
    degiskenin agirlikli frekans dagilimini tahmin ettigi icin Anket Frekanslari
    (Survey Frequencies) analizi uygundur.
  >> DEGISKEN SECIMI:
    - Tabaka (bolge): stratum_region
    - Kume: cluster_id
    - Agirlik: weight
    - Trofik durum: trophic_status

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Otrofik (eu) oran = 0.320   SE = 0.059   %95 GA (0.215 , 0.447)
    Tabakali + kumeli + agirlikli tasarim

>> YORUM (anlatim):
    Goller arasinda trofik durum kategorilerinin (oligo/meso/eu/hiper) oranini, karmasik orneklem tasarimini
    dikkate alarak tahmin ettik. Otrofik gollerin tahmini orani %32 (SE %5.9). Basit yuzde hesabi, tabakalama ve
    kumelenmeyi yok saydigi icin yanlis standart hata verirdi; survey frekans analizi, agirliklari ve tasarimi
    kullanarak gercek belirsizligi yansitan guven araligi uretir. Bir populasyondaki kategori oranlarini (otrofik
    gol yuzdesi, hastalik yaygiligi, sehirlesme orani) tasarima uygun sekilde tahmin etmenin dogru yoludur.

====================================================================================

#80  Survey Totals
    file: 080_survey_total_wetland_area_total.xlsx
  >> SENARYO (anlatim):
    Havza temelli tabakali-kumeli bir orneklem tasarimiyla ulke genelindeki
    toplam sulak alan alanini (hektar) tahmin etmek istiyoruz. Orneklem havzalar
    uzerinden kuruldu; her birim I, II, III tabakalarina ayrildi ve kume kimligi
    ile orneklem agirligi kaydedildi. Amacimiz, tasarim agirliklarini kullanarak
    sulak alan alaninin toplam populasyon degerini ve belirsizligini tahmin
    etmek. Karmasik orneklemden bir sayisal degiskenin agirlikli populasyon
    toplamini tahmin ettigi icin Anket Toplamlari (Survey Totals) analizi
    uygundur.
  >> DEGISKEN SECIMI:
    - Tabaka: stratum
    - Kume: cluster_id
    - Agirlik: weight
    - Sulak alan alani (ha): wetland_area_ha

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Toplam sulak alan = 86,727.73 ha   SE = 10,377.09   %95 GA (66,249 , 107,206)
    Tabakali tasarim (Taylor SE)

>> YORUM (anlatim):
    Bir bolgedeki toplam sulak alan miktarini, ornekleme tasarimini ve agirliklari kullanarak tahmin ettik: yaklasik
    86,700 hektar (%95 GA 66,000 - 107,000). Ornekledigimiz havzalardan tum populasyona "olcekleyerek" toplami
    cikarmak, dogru agirliklandirma gerektirir -- her ornek birim, temsil ettigi populasyon parcasi kadar agirlik
    tasir. Survey toplam analizi tam bunu yapar ve belirsizligi standart hatayla ifade eder. Toplam orman alani,
    toplam nufus, toplam uretim gibi populasyon toplamlarinin orneklemden tahmininde kullanilan resmi istatistik yontemidir.

====================================================================================

#81  Survey Regression
    file: 081_survey_regression_chla_TP.xlsx
  >> SENARYO (anlatim):
    Bir göl izleme programında 220 su örneği, tabakalı küme örneklemesiyle dört
    farklı derinlik tabakasından (stratum) toplandı ve her örneğe örnekleme
    tasarımına göre bir tartı (weight) atandı. Araştırmamızda toplam fosfor
    (TP_ugL) ve su sıcaklığının (temperature_C) klorofil-a (chla_ugL) düzeyi
    üzerindeki etkisini incelemek istiyoruz. Örnekleme tasarımının tabaka, küme
    ve ağırlıklarını dikkate aldığımız için, bias'sız ve doğru standart hatalar
    veren bir survey (tasarım temelli) regresyon yöntemi bu veri için en uygun
    yaklaşımdır.
  >> DEGISKEN SECIMI:
    - Bağımlı değişken: chla_ugL
    - Bağımsız değişken: TP_ugL
    - Bağımsız değişken: temperature_C
    - Tabaka: stratum
    - Küme: cluster_id
    - Ağırlık: weight

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    R2 = 0.908   TP katsayisi = 0.441   SE = 0.009   p < .001   %95 GA (0.424 , 0.458)
    Tabakali + kumeli + agirlikli regresyon

>> YORUM (anlatim):
    Klorofil-fosfor iliskisini, karmasik orneklem tasarimini (tabaka, kume, agirlik) dikkate alan bir regresyonla
    modelledik. Fosforun etkisi cok guclu ve anlamli (katsayi 0.44, p < .001), model varyansin %91'ini acikliyor.
    Tasarim-tabanli SE'ler, basit OLS'in verecegi (cogu zaman fazla iyimser) standart hatalardan daha dogrudur.
    Ulusal/bolgesel izleme verisiyle iliskileri tahmin ederken (orneklem rastgele degilse) survey regresyonu, gecerli
    cikarim icin gereklidir; aksi halde guven araliklari ve p-degerleri yaniltici olur.

====================================================================================

#82  Survey Logistic Regression
    file: 082_survey_logistic_turbid.xlsx
  >> SENARYO (anlatim):
    Üç farklı derinlik tabakasından (stratum), tabakalı küme örneklemesiyle
    toplanan 240 göl örneğinde, suyun bulanık olup olmadığını (turbid_1_0)
    toplam fosfor (TP_ugL) düzeyine göre tahmin etmeye çalışıyoruz. Sonuç
    değişkeni ikili (bulanık / berrak) olduğu ve veriler karmaşık örnekleme
    tasarımıyla elde edildiği için, örneklem ağırlıklarını (weight) ve küme
    yapısını (cluster_id) hesaba katan survey lojistik regresyon yöntemi bu
    analiz için en doğru seçimdir.
  >> DEGISKEN SECIMI:
    - Bağımlı değişken: turbid_1_0
    - Bağımsız değişken: TP_ugL
    - Tabaka: stratum
    - Küme: cluster_id
    - Ağırlık: weight

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    TP katsayisi = 0.0237   OR = 1.024   p < .001   %95 GA (1.014 , 1.034)
    Tabakali + kumeli + agirlikli lojistik

>> YORUM (anlatim):
    Bir golun bulanik olma olasiligini fosfordan tahmin ederken, hem ikili sonucu (lojistik) hem karmasik orneklem
    tasarimini birlikte ele aldik. Odds orani 1.024 (p < .001): fosfor her 1 birim arttiginda bulanik olma odds'u
    yaklasik %2.4 artiyor -- birikimli olarak buyuk fark yaratir. Tasarim agirliklari ve kumelenme hesaba katildigi
    icin OR ve guven araligi tasarima uygun ve gecerli. Karmasik anketlerden ikili sonuclari (hastalik var/yok,
    bulanik/berrak, evet/hayir) modellemenin dogru yolu survey lojistik regresyondur.

====================================================================================

#83  GAM
    file: 083_gam_smooth_temperature_TP_chla.xlsx
  >> SENARYO (anlatim):
    220 göl örneğinde klorofil-a (chla_ugL) düzeyinin su sıcaklığı
    (temperature_C) ve toplam fosfor (TP_ugL) ile olan ilişkisini araştırıyoruz.
    Ekolojik verilerde besin tuzları ve sıcaklığın alg biyokütlesi üzerindeki
    etkisi çoğu zaman doğrusal değil, eşik ve doygunluk içeren eğrisel bir yapı
    gösterir. Bu doğrusal olmayan, esnek ilişkileri düzgün eğriler (smooth) ile
    yakalayabilmek için Genelleştirilmiş Toplamsal Model (GAM) bu veri için en
    uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Bağımlı değişken: chla_ugL
    - Düzgün terim (smooth): temperature_C
    - Düzgün terim (smooth): TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Pseudo R2 (aciklanan) = 0.867   McFadden adj = 0.493
    Klorofil ~ s(sicaklik) + s(fosfor)  (duzgun/smooth fonksiyonlar)

>> YORUM (anlatim):
    GAM, dogrusal regresyonun esnek bir genellemesidir: degiskenlerin etkisini duz cizgi yerine "duzgun egriler"
    (splines) ile modeller. Klorofilin sicaklik ve fosforla iliskisi cogu zaman dogrusal degildir -- belirli bir
    esikten sonra hizlanir ya da doygunlasir. GAM bu egrisel oruntuyu, sekli onceden varsaymadan veriden ogrenir;
    model varyansin %87'sini acikliyor. Yorumlanabilirligi korurken esneklik saglar: hangi degiskenin nerede
    hizlandigini egriden okuyabiliriz. Ekolojide dogrusal olmayan ama yorumlanabilir iliskiler icin ideal bir yontemdir.

====================================================================================

#84  Discriminant Analysis (LDA/QDA)
    file: 084_diskriminant_3durum_lake_classification.xlsx
  >> SENARYO (anlatim):
    240 gölü berrak, orta ve bulanık (lake_status) olmak üzere üç trofik duruma
    ayırdık ve her göl için toplam fosfor (TP_ugL), Secchi derinliği (secchi_m),
    makrofit kaplama yüzdesi (macrophyte_percent) ve klorofil-a (chla_ugL)
    değerlerini ölçtük. Amacımız, bu çevresel değişkenlerin göllerin trofik
    durum sınıfını ne ölçüde ayırt edebildiğini belirlemek ve yeni göller için
    bir sınıflandırma kuralı oluşturmaktır. Birden çok grubu sürekli
    değişkenlerle ayırt etmeyi hedeflediğimiz için diskriminant analizi
    (LDA/QDA) bu amaca en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Grup (sınıf): lake_status
    - Ayırt edici değişken: TP_ugL
    - Ayırt edici değişken: secchi_m
    - Ayırt edici değişken: macrophyte_percent
    - Ayırt edici değişken: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dogruluk = 1.000   (3 gol durumu siniflandirmasi)
    4 cevresel degiskenden ayirma

>> YORUM (anlatim):
    Diskriminant analizi, gruplari (uc gol durumu) en iyi ayiran dogrusal degisken bilesimlerini bulur -- bir bakima
    siniflandirma odakli PCA gibi. Dogruluk %100: dort cevresel degisken uc durumu kusursuz ayiriyor. Diskriminant
    analizi hem siniflandirma yapar hem "hangi degiskenler ayrimda en etkili" sorusunu yanitlar (diskriminant
    fonksiyon yukleri). Lojistik regresyona benzer ama coklu gruplarda ve degiskenler normal dagildiginda klasik
    tercihtir. Ekolojik durum/tip siniflandirmasinda ve yeni gozlemleri var olan gruplara atamada kullanilir.

====================================================================================

#85  Conditional Logit
    file: 085_conditional_logit_lake_visit_choice.xlsx
  >> SENARYO (anlatim):
    Bir anket çalışmasında katılımcılara (subject_id) ziyaret edecekleri göl
    için birkaç alternatif (alternative) sunuldu; her alternatifin uzaklığı
    (distance_km) ve su kalitesi (water_quality_1_5) farklıydı ve katılımcı
    bunlardan birini seçti (chosen). Amacımız, uzaklık ve su kalitesinin göl
    tercihi olasılığını nasıl etkilediğini modellemektir. Her birey kendi
    alternatif kümesi içinden bir seçim yaptığı için, gruplandırılmış tercih
    verisine uygun olan koşullu lojit (conditional logit) modeli bu analiz için
    doğru seçimdir.
  >> DEGISKEN SECIMI:
    - Seçim sonucu: chosen
    - Alternatif özelliği: distance_km
    - Alternatif özelliği: water_quality_1_5
    - Gruplama (seçim kümesi): subject_id

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Pseudo R2 (McFadden) = 0.324
    Gol ziyaret tercihi ~ mesafe (km) + su kalitesi (1-5)

>> YORUM (anlatim):
    Insanlarin hangi golu ziyaret edecegini secerken neye baktigini kosullu logit modeliyle inceledik -- her birey
    bir secenek kumesinden birini seciyor. McFadden pseudo R2 = 0.32, secim modelleri icin oldukca iyi (0.2-0.4 araligi
    guclu kabul edilir). Model, ziyaretcilerin yakin ve su kalitesi yuksek golleri tercih ettigini gosterir. Bu yontem
    ulastirma, pazarlama ve cevre ekonomisinde (rekreasyon talebi, ekosistem hizmeti degerlemesi) "ayrik secim"
    analizinin temelidir. Sulak alan rekreasyon degerini ve ziyaretci davranisini modellemek icin gucludur.

====================================================================================

#86  Kaplan-Meier
    file: 086_kaplan_meier_daphnia_DVM_kairomone.xlsx
  >> SENARYO (anlatim):
    Bir laboratuvar deneyinde 80 Daphnia bireyi, balık kairomonu
    (fish_kairomone) ya da kontrol (control) koşulunda (treatment) izlendi ve
    her bireyin dikey göç davranışını sürdürdüğü süre saat cinsinden
    (duration_hour) ile ölüm olayının gerçekleşip gerçekleşmediği (death_event)
    kaydedildi. Amacımız, balık kokusunun Daphnia'nın hayatta kalma süresini
    değiştirip değiştirmediğini karşılaştırmaktır. Zaman ve sansürlü gözlemler
    içeren bu yaşam süresi verisi için Kaplan-Meier sağkalım analizi en uygun
    yöntemdir.
  >> DEGISKEN SECIMI:
    - Süre: duration_hour
    - Olay: death_event
    - Grup: treatment

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Olay sayisi = 72 (%90)   Medyan sagkalim = 16.61 saat
    Log-rank: chi-kare(1) = 55.83, p < .001  (gruplar anlamli farkli)

>> YORUM (anlatim):
    Daphnia'nin (su piresi) yasam suresini -- kairomon (balik kokusu) varliginda ve yoklugunda -- Kaplan-Meier ile
    analiz ettik. Medyan sagkalim 16.6 saat, ve log-rank testi gruplar arasinda cok anlamli fark gosteriyor
    (chi-kare = 55.83, p < .001): balik kokusu (avci tehdidi) sagkalimi belirgin degistiriyor. Kaplan-Meier, "olaya
    kadar gecen sure" verisini -- sansurlu (henuz olay yasanmamis) gozlemleri de dogru kullanarak -- analiz eder.
    Sagkalim/olum, gocet kuruma suresi, makrofit kaybi zamani gibi "zaman-olay" verilerinin temel gorsel ve testidir.

====================================================================================

#87  Cox Regression
    file: 087_cox_PH_lake_regime_transition.xlsx
  >> SENARYO (anlatim):
    100 göl, rejim değişimine (regime_transition) kadar geçen süre ay cinsinden
    (duration_month) izlenerek bir gözlem çalışmasına alındı; her göl için
    toplam fosfor (TP_ugL), makrofit kaplama yüzdesi (macrophyte_percent) ve
    iletkenlik (conductivity_uScm) ölçüldü. Amacımız, bu çevresel değişkenlerin
    gölün berrak rejimden bulanık rejime geçiş riskini (hazard) nasıl
    etkilediğini belirlemektir. Süre ve sansürlü olay verisini sürekli risk
    faktörleriyle ilişkilendirmek için Cox orantılı riskler regresyonu bu veri
    için en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Süre: duration_month
    - Olay: regime_transition
    - Bağımsız değişken: TP_ugL
    - Bağımsız değişken: macrophyte_percent
    - Bağımsız değişken: conductivity_uScm

  >> GELISMIS PARAMETRELER (formda opsiyonel — ne ise yarar):
    - Orantili tehlike varsayim testi (Schoenfeld): kovaryans basina ki-kare/p; anlamli = PH ihlal, zaman-bagimli etki dusunun.

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Olay = 94 (%94)   Concordance = 0.753
    TP: HR = 1.014 p < .001   |   makrofit: HR = 0.970 p < .001 (koruyucu)   |   iletkenlik: HR = 1.001 p < .001

>> YORUM (anlatim):
    Bir golun rejim degistirme (berraktan bulaniga gecis) riskini cevresel degiskenlerle Cox regresyonuyla modelledik.
    Concordance 0.75 ile model iyi ayiriyor. Sonuclar ekolojik olarak net: fosfor riski artiriyor (HR > 1), makrofit
    ise koruyucu (HR = 0.97 < 1 -- su bitkisi arttikca gecis riski azaliyor). Cox regresyon, "olaya kadar gecen sureyi"
    birden cok yordayiciyla iliskilendiren altin standart sagkalim modelidir; risk oranlarini (HR) verir -- "fosfor
    arttikca rejim cokme hizinin kac kat arttigi". Gol kararliligini ve gecis riskini anlamada cok degerlidir.

====================================================================================

#88  Parametric Survival (AFT)
    file: 088_parametrik_AFT_weibull_macrophyte_loss.xlsx
  >> SENARYO (anlatim):
    90 göl, makrofit kaybının gerçekleşmesine kadar geçen süre ay cinsinden
    (duration_month_macrophyte_loss) ve kayıp olayının gerçekleşip
    gerçekleşmediği (loss_event) ile izlendi; ayrıca her göl için toplam fosfor
    (TP_ugL), iletkenlik (conductivity_uScm) ve balık av birimi başına çabası
    (fish_cpue) kaydedildi. Amacımız, bu değişkenlerin makrofit kaybına kadar
    geçen süreyi nasıl hızlandırdığını ya da yavaşlattığını modellemektir.
    Süreyi doğrudan modelleyen Weibull dağılımlı parametrik sağkalım (AFT)
    modeli bu veri için uygundur.
  >> DEGISKEN SECIMI:
    - Süre: duration_month_macrophyte_loss
    - Olay: loss_event
    - Bağımsız değişken: TP_ugL
    - Bağımsız değişken: conductivity_uScm
    - Bağımsız değişken: fish_cpue

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Dagilim = Weibull   Olay = 85 (%94.4)   Medyan sagkalim = 40.02 ay
    Makrofit kaybi suresi ~ fosfor + iletkenlik + balik (CPUE)

>> YORUM (anlatim):
    Makrofit (su bitkisi) ortulugunun kaybedilmesine kadar gecen sureyi parametrik Weibull sagkalim modeliyle
    inceledik. Cox yaridan parametrik iken, Weibull tum sagkalim egrisini belirli bir matematiksel dagilimla modeller --
    veri o dagilima uyuyorsa daha verimli tahmin verir ve gelecege ekstrapolasyon yapilabilir. Medyan sagkalim 40 ay:
    tipik bir golde makrofit kaybi ortalama bu surede yasaniyor. AFT (hizlandirilmis basarisizlik zamani) yorumu da
    sezgiseldir: bir degisken "sureyi kac kat uzatir/kisaltir". Surenin dagilimi biliniyorsa parametrik modeller gucludur.

====================================================================================

#89  Competing Risks
    file: 089_competing_risks_lake_last_status.xlsx
  >> SENARYO (anlatim):
    120 göl, yıllar boyunca (duration_year) izlenerek son durumları kaydedildi;
    bir göl sansürlü kalabildiği gibi kuruma, tuzlanma ya da restorasyon gibi
    birbirini dışlayan farklı sonuçlardan biriyle de
    (result_0sansurlu_1kuruma_2tuzlanma_3restorasyon) son bulabiliyordu. Her göl
    için toplam fosfor (TP_ugL) ve iletkenlik (conductivity_uScm) ölçüldü.
    Birden fazla, birbirini dışlayan olay türünün söz konusu olduğu bu durumda,
    her sonuç için ayrı insidans tahmini veren rekabet eden riskler (competing
    risks) analizi en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Süre: duration_year
    - Olay (çoklu durum): result_0sansurlu_1kuruma_2tuzlanma_3restorasyon
    - Bağımsız değişken: TP_ugL
    - Bağımsız değişken: conductivity_uScm

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Sansurlu (0) = 44   |   Kuruma (1) = 27   |   Tuzlanma (2) = 25   |   Restorasyon (3) = 24
    Her olay tipi icin ayri kumulatif insidans (CIF) ve risk

>> YORUM (anlatim):
    Bir gol birden fazla "son durumla" karsilasabilir: kuruma, tuzlanma ya da (olumlu) restorasyon -- ve bunlar
    birbirini dislar (biri olunca digerleri olamaz). Klasik sagkalim bunu yanlis ele alir; yarisan riskler analizi
    her olay tipi icin ayri kumulatif insidans cikarir. Veride 27 gol kurumus, 25 tuzlanmis, 24 restore olmus, 44
    hala risk altinda. Bu cerceve, "fosfor hangi son durumun riskini artirir" gibi sorulari dogru yanitlar. Tibbi
    arastirmada (farkli olum nedenleri) ve ekolojide (farkli bozulma yollari) yarisan olaylar oldugunda sarttir.

====================================================================================

#90  Time-Dependent Cox
    file: 090_time_dep_cox_time_variable_TP_macr.xlsx
  >> SENARYO (anlatim):
    Göllerin rejim değişimi olayını (event) zaman içinde değişen değişkenlerle
    inceleyen bu çalışmada, her göl (lake_id) için ardışık zaman aralıkları
    başlangıç (start) ve bitiş (stop) sınırlarıyla tanımlandı; her aralıkta
    toplam fosfor (TP_ugL) ve makrofit kaplama yüzdesi (macrophyte_percent)
    güncellenerek kaydedildi. Amacımız, zamanla değişen besin yükü ve makrofit
    örtüsünün anlık geçiş riski üzerindeki etkisini yakalamaktır. Değişkenlerin
    zamanla değiştiği bu yapı için zamana bağlı (time-dependent) Cox regresyonu
    en uygun yöntemdir.
  >> DEGISKEN SECIMI:
    - Başlangıç zamanı: start
    - Bitiş zamanı: stop
    - Olay: event
    - Bağımsız değişken: TP_ugL
    - Bağımsız değişken: macrophyte_percent

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    TP: beta = +0.033   HR = 1.033   %95 GA (1.011 , 1.057)   z = 2.88   p = .004
    Zamanla degisen fosfor/makrofit kovaryatlari

>> YORUM (anlatim):
    Bazen yordayicilar zaman icinde degisir: bir golun fosforu ve makrofiti yillar boyunca dalgalanir. Standart Cox
    bunlari sabit varsayar; zaman-bagimli Cox ise her zaman araliginda guncel degeri kullanir (start-stop formati).
    Fosfor anlamli (HR = 1.033, p = .004): herhangi bir anda yuksek fosfor, o anda rejim cokme riskini artiriyor.
    Bu, "sadece baslangic degeri degil, surekli izlenen guncel kosul onemli" durumlarinda dogru yontemdir. Uzun
    soluklu izlemede zamanla degisen maruziyetleri (kirlilik, tedavi, iklim) modellemenin standardidir.

====================================================================================

#91  Survey-Weighted Cox
    file: 091_survey_phreg_complex_survey_survival.xlsx
  >> SENARYO (anlatim):
    Bu calismada farkli trofik siniflara ayrilmis goller (stratum: I, II, III)
    icin gozlemlerin kume bazli (cluster_id) ve orneklem agirlikli (weight) bir
    tasarimla toplandigi bir izleme programi ele aliniyor. Her golun belirli bir
    bozulma esigine ulasana kadar gecen sure (duration_year) ve bu olayin
    gerceklesip gerceklesmedigi (event) kayit altina alindi; toplam fosfor
    (TP_ugL) konsantrasyonunun bu sure uzerindeki etkisini incelemek istiyoruz.
    Orneklem tasarimi tabaka, kume ve agirlik iceren karmasik bir yapida
    oldugundan, bu yapiyi dikkate alan survey-agirlikli Cox regresyonu en uygun
    yontemdir. Boylece TP'nin trofik bozulma riskini nasil degistirdigini
    tasarim etkilerini bozmadan tahmin edebiliriz.
  >> DEGISKEN SECIMI:
    - Tabaka: stratum
    - Kume: cluster_id
    - Agirlik: weight
    - Sure: duration_year
    - Olay: event
    - Belirteç: TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Olay = 64   Concordance = 0.708   AIC (partial) = 1060.26
    Agirlikli/kumeli sagkalim (fosfor kovaryati)

>> YORUM (anlatim):
    Sagkalim analizini karmasik orneklem tasarimiyla birlestirdik: gozlemler agirlikli ve kumeli olarak secilmis bir
    populasyondan geliyor. Survey-PHREG, Cox modelini tasarim agirliklari ve kume-dirayetli (cluster-robust) standart
    hatalarla calistirir, boylece risk oranlari (HR) ve guven araliklari populasyona genellenebilir olur. Concordance
    0.71 ile model makul ayiriyor. Ulusal saglik anketleri ya da olceklendirilmis cevre izleme programlarinda
    "olaya kadar sure" verisi varsa, tasarimi yok saymak yanli tahmin verir; survey-PHREG dogru cikarimi saglar.

====================================================================================

#92  Interval-Censored Survival
    file: 092_interval_censored_lake_regime_interval.xlsx
  >> SENARYO (anlatim):
    Bu arastirmada goldeki trofik rejim degisiminin tam olarak hangi ayda
    gerceklestigi dogrudan gozlenememekte; bunun yerine her gol icin degisimin
    meydana geldigi bir alt sinir (lower_bound_month) ve ust sinir
    (upper_bound_month) belirlenebilmektedir. Bu belirsiz zaman araliklari
    icinde gerceklesen rejim degisimini ve toplam fosfor (TP_ugL)
    konsantrasyonunun bu degisim zamani uzerindeki etkisini modellemek
    istiyoruz. Olay zamani noktasal degil aralik halinde bilindigi icin aralik-
    sansurlu sagkalim analizi en dogru yaklasimdir. Bu yontem, klasik Cox'un goz
    ardi edecegi zamansal belirsizligi dogru sekilde hesaba katar.
  >> DEGISKEN SECIMI:
    - Alt sinir: lower_bound_month
    - Ust sinir: upper_bound_month
    - Belirteç: TP_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Olay = 58   Medyan sagkalim = 107.0 ay   (Turnbull algoritmasi)
    Olay zamani [alt sinir, ust sinir] araliginda biliniyor

>> YORUM (anlatim):
    Saha izlemesinde olayin tam zamanini nadiren biliriz: golu yilda bir ziyaret ederiz, bir gun berrak, sonraki
    ziyarette bulanik buluruz -- gecis bu iki tarih arasinda bir yerde oldu. Aralik-sansurlu sagkalim (Turnbull
    algoritmasi) tam bu belirsizligi dogru ele alir; olayi keyfi bir tarihe sabitlemekten kacinir. Medyan sagkalim
    107 ay. Periyodik izlemenin dogasi geregi (yillik orneklem, donemsel teshis) olay zamani hep bir araliktadir;
    bu veriyi tek bir noktaya zorlamak yanli sonuc verir. Aralik-sansurlu yontem, izleme verisinin gercegine uygundur.

====================================================================================

#93  Frailty Cox
    file: 093_frailty_cox_basin_cluster_frailty.xlsx
  >> SENARYO (anlatim):
    Bu calismada cok sayida gol farkli havza kumelerine (basin_cluster) gore
    gruplanmis durumda ve ayni havza icindeki goller benzer cevresel kosullari
    paylastigi icin gozlemler birbirinden bagimsiz degildir. Her golun belirli
    bir ekolojik bozulma olayina (event) kadar gecen suresini (duration_year),
    toplam fosfor (TP_ugL) ve iletkenlik (conductivity_uScm) ile iliskilendirmek
    istiyoruz. Havza duzeyindeki paylasilan gizli etkileri modele dahil etmek
    icin frailty (kirilganlik) terimli Cox regresyonu kullaniyoruz. Bu yontem,
    havza ici korelasyonu rastgele etki olarak ele alarak risk tahminlerini daha
    gercekci hale getirir.
  >> DEGISKEN SECIMI:
    - Kume: basin_cluster
    - Sure: duration_year
    - Olay: event
    - Belirteç: TP_ugL
    - Belirteç: conductivity_uScm

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Olay = 148   Concordance = 0.763   TP: HR = 1.019 p < .001
    Havza-kumeli paylasilan frailty (rastgele etki)

>> YORUM (anlatim):
    Goller havzalara kumelenmis; ayni havzadaki goller olculmeyen ortak faktorleri (jeoloji, iklim, arazi kullanimi)
    paylasir ve benzer risk tasir. Frailty Cox, her havza icin paylasilan bir "kirilganlik" (rastgele etki) ekleyerek
    bu kumelenmeyi modeller -- sagkalim analizinin karma-model versiyonu. Fosfor yine anlamli (HR = 1.019, p < .001),
    concordance 0.76. Havza-duzeyi gizli farkliliklari hesaba katmak, hem dogru standart hatalar hem de "kumeler
    arasi ne kadar heterojenlik var" bilgisini verir. Kumeli sagkalim verisinde (hastaneler, havzalar, aileler) gerekli yontemdir.

====================================================================================

#94  Time Series Description
    file: 094_time_series_eymir_20yil_monthly.xlsx
  >> SENARYO (anlatim):
    Bu calismada Eymir Golu'nun 20 yillik aylik izleme verileri kullanilarak
    klorofil-a (chla_ugL) ve su seviyesi (WL_m) degiskenlerinin zaman icindeki
    davranisi betimsel olarak incelenmektedir. Yil (year) ve ay (month)
    bilgileriyle birlikte tarih (date) ekseni boyunca serilerin genel egilimi,
    dalgalanmalari ve mevsimsel oruntuleri ortaya konmak isteniyor. Modelleme
    oncesi serinin yapisini anlamak icin zaman serisi betimleme en uygun ilk
    adimdir. Bu sayede ileri analizlere gecmeden once verinin temel zamansal
    ozellikleri tanimlanir.
  >> DEGISKEN SECIMI:
    - Tarih: date
    - Yil: year
    - Ay: month
    - Deger: chla_ugL
    - Deger: WL_m

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    240 gozlem (aylik)   ADF p = 0.415 -> duragan DEGIL   Trend = azalan   Mevsimsellik tespit edildi

>> YORUM (anlatim):
    Eymir Golu'nun 20 yillik aylik klorofil serisini inceledik. ADF testi seriyi duragan bulmuyor (p = 0.42) -- yani
    ortalama/varyans zamanla degisiyor, bir trend var (azalan, muhtemelen restorasyon etkisi) ve guclu mevsimsellik
    mevcut. Bu on-teshis kritik: cogu zaman serisi modeli (ARIMA gibi) duraganlik gerektirir, bu yuzden once fark
    alma/donusum gerekebilir. Zaman serisi analizi, uzun izleme verisinin yapisini -- trend, mevsim, duraganlik,
    otokorelasyon -- ortaya cikararak hangi modelleme adimlarinin gerektigini soyler. Su kalitesi izlemenin temelidir.

====================================================================================

#95  STL Decomposition
    file: 095_stl_mogan_monthly_chla_decomp.xlsx
  >> SENARYO (anlatim):
    Bu arastirmada Mogan Golu'nun aylik klorofil-a (chla_ugL) serisi 15 yil
    boyunca tarih (date), yil (year) ve ay (month) bilgileriyle derlenmistir ve
    serinin temel bilesenlerine ayristirilmasi amaclanmaktadir. Klorofil-a'nin
    uzun donemli egilimini, tekrarlayan mevsimsel dongusunu ve artik
    dalgalanmalarini birbirinden ayirmak istiyoruz. Bu amac icin guclu mevsimsel
    yapilara dayanikli olan STL ayristirma yontemi en uygunudur. Boylece
    fitoplankton biyokutlesindeki mevsimsel doruklar ile uzun vadeli trofik
    degisim ayri ayri yorumlanabilir.
  >> DEGISKEN SECIMI:
    - Tarih: date
    - Yil: year
    - Ay: month
    - Deger: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Periyot (mevsim uzunlugu) = 12 (aylik -> yillik dongu)
    Seri: trend + mevsim + artik bilesenlerine ayristirildi

>> YORUM (anlatim):
    STL (Seasonal-Trend decomposition using Loess), Mogan Golu'nun aylik klorofil serisini uc bilesene ayirir: uzun
    donem trend, tekrarlayan mevsimsel dongu (12 aylik) ve geri kalan artik (gurultu/olaylar). Bu ayristirma, "klorofil
    artiyor mu yoksa sadece her yaz mi pikliyor" sorusunu netlestirir -- mevsimselligi cikarinca altta yatan gercek
    egilimi gorebiliriz. STL, mevsimsel cevresel serileri (klorofil, sicaklik, su seviyesi) yorumlamanin en sezgisel
    yoludur; trend ve mevsim etkisini birbirinden ayirarak her birini ayri degerlendirmeyi saglar.

====================================================================================

#96  ARIMA
    file: 096_arima_beysehir_monthly_chla_forecast.xlsx
  >> SENARYO (anlatim):
    Bu calismada Beysehir Golu'nun aylik klorofil-a (chla_ugL) zaman serisi
    tarih (date) ekseni boyunca incelenerek gelecekteki degerlerinin ongorulmesi
    hedeflenmektedir. Serideki otokorelasyon yapisi ve egilim bilesenleri
    kullanilarak ileriye donuk tahmin uretmek istiyoruz. Durağanlastirma,
    otoregresif ve hareketli ortalama bilesenlerini bir arada modelleyebilen
    ARIMA bu amac icin uygundur. Bu yaklasimla golun trofik durumunu yansitan
    klorofil-a duzeyleri icin guvenilir bir ongoru elde edilir.
  >> DEGISKEN SECIMI:
    - Tarih: date
    - Deger: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    ARIMA modeli kuruldu   AIC = 1136.78
    Beysehir aylik klorofil -- gelecek tahmini

>> YORUM (anlatim):
    Beysehir Golu'nun aylik klorofil serisine ARIMA modeli uydurup gelecegi tahmin ettik. ARIMA, serinin kendi gecmis
    degerlerini (AR), gecmis hatalarini (MA) ve fark almayi (I, duraganlastirma icin) birlestirir. AIC = 1137 ile en
    iyi model secildi. Tahminler, gozlemlenen trend ve otokorelasyon yapisina dayanir ve belirsizlik bandiyla birlikte
    gelir. Zaman serisi tahmini, su kalitesi yonetimi icin onemli: gelecek otrofikasyon riskini ongormek, erken uyari
    ve kaynak planlamasi saglar. ARIMA, mevsimsellik ve trend iceren cevresel serilerde klasik tahmin yontemidir.

====================================================================================

#97  Exponential Smoothing
    file: 097_ets_holt_winters_chla_mevsimsel.xlsx
  >> SENARYO (anlatim):
    Bu arastirmada bir golun 12 yillik aylik klorofil-a (chla_ugL) serisi tarih
    (date), yil (year) ve ay (month) ile derlenmis olup, belirgin mevsimsel
    dalgalanmalar gostermektedir. Hem genel egilimi hem de duzenli mevsimsel
    doruklari yakalayarak gelecekteki degerleri tahmin etmek istiyoruz. Duzey,
    egilim ve mevsimsel bileseni ayri ayri yumusatan Holt-Winters ustel duzeltme
    yontemi bu yapi icin idealdir. Boylece klorofil-a'nin mevsimsel donguleri
    korunarak gelecek donem ongorusu yapilabilir.
  >> DEGISKEN SECIMI:
    - Tarih: date
    - Yil: year
    - Ay: month
    - Deger: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Yontem = Holt-Winters (toplamsal mevsim, periyot 12)   AIC = 420.92
    Mevsimsel klorofil tahmini

>> YORUM (anlatim):
    Holt-Winters ustel duzlestirme, seviye + trend + mevsimsellik bilesenlerini agirlikli olarak (yakin gecmise daha
    cok agirlik vererek) tahmin eden bir yontemdir. Klorofilin mevsimsel desenini yakaladi (AIC = 421, ARIMA'dan
    daha dusuk -- bu seride daha iyi uyum). ETS/Holt-Winters, ARIMA'ya gore daha sezgisel ve guclu mevsimsellige sahip
    serilerde cogu zaman cok basarilidir. Cevresel izleme tahmininde, kurmasi kolay ve yorumlanabilir bir alternatiftir;
    ozellikle duzenli mevsimsel dalgalanan degiskenler (klorofil, sicaklik, talep) icin tercih edilir.

====================================================================================

#98  Mann-Kendall Trend
    file: 098_mann_kendall_beysehir_WL_40yil_trend.xlsx
  >> SENARYO (anlatim):
    Bu calismada Beysehir Golu'nun 40 yillik yillik (year) su seviyesi (WL_m)
    kayitlari, ayni donemdeki yagis (precipitation_mm) ve sicaklik
    (temperature_C) verileriyle birlikte incelenmektedir. Su seviyesi ve
    iklimsel degiskenlerde uzun donemli, monoton bir artma ya da azalma egilimi
    olup olmadigini belirlemek istiyoruz. Veriler normal dagilim varsayimina
    uymayabilecegi icin parametrik olmayan Mann-Kendall trend testi en uygun
    yontemdir. Bu test, golun hidrolojik dengesindeki uzun vadeli iklim kaynakli
    degisimleri saglam bir sekilde ortaya koyar.
  >> DEGISKEN SECIMI:
    - Zaman: year
    - Deger: WL_m
    - Deger: precipitation_mm
    - Deger: temperature_C

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    p < .001 ***   Trend = AZALIS   Sen egimi = -0.186 birim/gozlem
    Beysehir su seviyesi 40 yillik trend

>> YORUM (anlatim):
    Beysehir Golu'nun 40 yillik su seviyesinde anlamli bir trend olup olmadigini Mann-Kendall testiyle sinadik --
    parametrik olmayan, aykiri ve dagilima dayanikli bir trend testi. Sonuc cok anlamli (p < .001) ve yon azalis:
    Sen egimi -0.186, yani su seviyesi her olcumde tutarli sekilde dusuyor. Bu, Anadolu'nun kapali havzalarinda
    yasanan kuruma krizini istatistiksel olarak belgeliyor. Sen egimi, trendin buyuklugunu aykiri degerlerden
    etkilenmeden verir. Iklim ve hidroloji serilerinde uzun donem trend tespitinin altin standardi Mann-Kendall + Sen'dir.

====================================================================================

#99  Anomaly Detection
    file: 099_anomali_tespiti_chla_monthly_outlier.xlsx
  >> SENARYO (anlatim):
    Bu arastirmada bir golun 20 yillik aylik klorofil-a (chla_ugL) serisi tarih
    (date) ekseni boyunca incelenerek olagandisi degerlerin tespiti
    amaclanmaktadir. Ani alg patlamalari ya da olcum hatalarina karsilik
    gelebilecek anormal klorofil-a sicramalarini belirlemek istiyoruz. Serinin
    normal mevsimsel ve egilim oruntusunden sapan noktalari saptamak icin
    anomali tespiti yontemi uygundur. Boylece golun trofik durumundaki
    beklenmedik olaylar erken asamada fark edilir.
  >> DEGISKEN SECIMI:
    - Tarih: date
    - Deger: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Anomali orani = %2.08   (IQR tabanli aykiri tespit)
    Aylik klorofil serisindeki olaganustu degerler

>> YORUM (anlatim):
    Aylik klorofil serisindeki olaganustu degerleri (anomalileri) tespit ettik -- normal dalgalanmanin disina cikan,
    %2 oraninda ekstrem gozlem bulundu. Bu anomaliler genelde gercek ekolojik olaylara isaret eder: ani alg patlamasi
    (bloom), kirlilik olayi, asiri sicak dalgasi ya da olcum hatasi. Anomali tespiti, surekli izleme verisinde "ne
    zaman bir sey ters gitti" sorusunu otomatik yanitlar ve erken uyari sistemlerinin temelidir. Su kalitesi izlemede,
    binlerce olcum arasindan dikkat gerektiren az sayidaki kritik olayi ayikalamak icin son derece pratiktir.

====================================================================================

#100  Variance Components (VARCOMP)
    file: 100_varcomp_basin_lake_station_chla.xlsx
  >> SENARYO (anlatim):
    Bu calismada klorofil-a (chla_ugL) olcumleri ic ice gecmis bir tasarimla;
    havza (basin), her havza icindeki goller (lake_id), her gol icindeki
    istasyonlar (station_id) ve istasyon icindeki tekrarli olcumler (repeat)
    seviyesinde toplanmistir. Klorofil-a'daki toplam degiskenligin ne kadarinin
    havza, gol ve istasyon duzeyinden kaynaklandigini ayristirmak istiyoruz.
    Hiyerarsik yapidaki varyansin kaynaklarini bilesenlere ayirmak icin varyans
    bilesenleri (VARCOMP) analizi en uygun yontemdir. Bu sayede izleme cabasinin
    hangi mekansal olcekte yogunlastirilmasi gerektigi belirlenebilir.
  >> DEGISKEN SECIMI:
    - Havza: basin
    - Gol: lake_id
    - Istasyon: station_id
    - Tekrar: repeat
    - Deger: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    gol (lake_id) = %76.4   istasyon (station) = %11.7   artik = %11.9   havza (basin) ~ %0
    Yuvalanmis: havza > gol > istasyon (REML)

>> YORUM (anlatim):
    Klorofil degiskenliginin hangi mekansal olcekten kaynaklandigini varyans bilesenleri analiziyle ayristirdik:
    havza, gol ve istasyon duzeyleri yuvalanmis. Sonuc carpici: varyansin %76'si goller arasi farktan, sadece %12'si
    istasyonlar arasi (gol ici) farktan kaynaklaniyor; havza duzeyi neredeyse sifir. Yani "gol kimligi" en belirleyici
    olcek -- goller birbirinden cok farkli, ama ayni golun farkli istasyonlari benzer. Bu, izleme tasarimina dogrudan
    yol gosterir: cok sayida golu az istasyonla izlemek, az golu cok istasyonla izlemekten daha bilgilendiricidir.
    VARCOMP, "degiskenlik nerede" sorusunu yanitlayarak orneklem stratejisini optimize eder.

====================================================================================

#101  Bayesian t-Test
    file: 101_bayesian_t_test_heatwave_summer_chla.xlsx
  >> SENARYO (anlatim):
    Kuresel isinmayla birlikte yaz aylarinda gorulen sicak hava dalgalarinin gol
    verimliligine etkisini merak ediyoruz. Bu calismada normal gecen yazlar ile
    sicak ve dalgalanmali gecen yazlardaki klorofil-a (chla_ugL) duzeylerini
    karsilastiriyoruz. Iki yaz tipi arasindaki farkin yonunu ve buyuklugunu
    klasik p-degeri yerine olasiliksal olarak yorumlamak, ayrica kanit gucunu
    Bayes faktoru ile ifade etmek istedigimiz icin Bayesci t-testi en uygun
    yontemdir. Boylece sicak yazlarin alg patlamasini artirip artirmadigina dair
    belirsizligi de hesaba katabiliriz.
  >> DEGISKEN SECIMI:
    - Grup (yaz tipi): summer_type
    - Klorofil-a olcumu: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    BF10 = 4.14e+26 (kesin/decisive kanit)   Cohen d = 2.60
    Sicak dalgasi yazlari vs normal yazlar -- klorofil

>> YORUM (anlatim):
    Sicak dalgasi yasanan yazlarda klorofilin normal yazlardan farkli olup olmadigini Bayesci t-testiyle sinadik.
    Bayes Faktoru BF10 = 4.14e+26 -- astronomik buyuklukte, "kesin kanit": veri, fark oldugu hipotezini fark olmadigi
    hipotezine gore katrilyonlarca kat daha cok destekliyor. Cohen d = 2.60 ile etki devasa. Klasik p-degerinden farki:
    Bayes Faktoru hem H1 hem H0 lehine kanit gucunu dogrudan olcer ve "kanit yoklugu" ile "yokluk kaniti"ni ayirir.
    Iklim-sicaklik etkisinin gol uretkenligine bu denli guclu yansidigini, Bayesci cerceve ikna edici sekilde gosteriyor.

====================================================================================

#102  Bayesian Correlation
    file: 102_bayesian_correlation_chla_temperature_BF10.xlsx
  >> SENARYO (anlatim):
    Goldeki su sicakligi arttikca alg biyokutlesinin de artip artmadigini
    istatistiksel olarak degerlendirmek istiyoruz. Su sicakligi (temperature_C)
    ile klorofil-a (chla_ugL) arasindaki iliskinin gucunu ve yonunu inceliyoruz.
    Klasik korelasyon katsayisinin yaninda iliskinin varligina dair kaniti Bayes
    faktoru (BF10) ile sayisallastirmak istedigimiz icin Bayesci korelasyon
    analizini sectik. Bu yaklasim, sicaklik-klorofil baginin gercekten anlamli
    olup olmadigini olasiliksal cercevede ortaya koyar.
  >> DEGISKEN SECIMI:
    - Birinci degisken (sicaklik): temperature_C
    - Ikinci degisken (klorofil-a): chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    r = 0.735 (cok guclu)   BF10 = 4.75e+08 (kesin kanit)
    Klorofil - sicaklik iliskisi

>> YORUM (anlatim):
    Klorofil ve sicaklik arasindaki iliskiyi Bayesci korelasyonla degerlendirdik: r = 0.74 cok guclu ve Bayes Faktoru
    BF10 = 4.75e+08 ile iliskinin varligina dair kanit kesin. Sicaklik arttikca klorofil (alg uretimi) belirgin
    artiyor -- isinan sularda otrofikasyonun hizlanmasinin dolaysiz gostergesi. Bayesci korelasyon, klasik korelasyondan
    farkli olarak, iliskinin gucunu bir olasilik dagilimi ve kanit faktoruyle ifade eder -- "ne kadar eminiz" sorusunu
    da yanitlar. Iklim degisikliginin gol ekosistemlerine etkisini niceleyen calismalar icin guclu bir kanit cercevesidir.

====================================================================================

#103  Bayesian ANOVA
    file: 103_bayesian_anova_nutrient_salinity_chla.xlsx
  >> SENARYO (anlatim):
    Besin yuku ve tuzluluk kosullarinin gol verimliligini birlikte nasil
    etkiledigini arastiriyoruz. Dusuk ve yuksek azot (nutrient) seviyeleri ile
    tatli, hafif tuzlu ve tuzlu (salinity) kosullari altinda klorofil-a
    (chla_ugL) duzeylerini karsilastiriyoruz. Iki faktorun ana etkilerini ve
    etkilesimini olasiliksal olarak degerlendirip kanit gucunu Bayes
    faktorleriyle ifade etmek istedigimiz icin Bayesci ANOVA en uygun yontemdir.
    Boylece besin ve tuzluluk etkilesiminin alg gelisimi uzerindeki rolunu
    belirsizligi de hesaba katarak yorumlayabiliriz.
  >> DEGISKEN SECIMI:
    - Birinci faktor (besin): nutrient
    - Ikinci faktor (tuzluluk): salinity
    - Klorofil-a olcumu: chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    nutrient: F(1,118) = 382.54, eta2p = 0.76, BF10 = 4.11e+36 (kesin kanit)
    Besin x tuzluluk -> klorofil

>> YORUM (anlatim):
    Besin (nutrient) ve tuzluluk faktorlerinin klorofile etkisini Bayesci ANOVA ile inceledik. Besin etkisi ezici:
    F(1,118) = 382.54, etki buyuklugu eta2p = 0.76 (varyansin dortte ucu!), Bayes Faktoru 4.11e+36 -- kesin kanit.
    Yani fosfor/azot girdisi klorofili belirleyen baskin faktor. Bayesci ANOVA, her etki ve etkilesim icin ayri bir
    Bayes Faktoru vererek "hangi faktor gercekten onemli" sorusunu klasik ANOVA'dan daha bilgilendirici yanitlar --
    anlamli olmayan etkiler icin de "yokluk kaniti" sunabilir. Deneysel besin manipulasyonu calismalarinin guclu analiz cercevesidir.

====================================================================================

#104  Bayesian Hierarchical
    file: 104_hierarchical_bayesian_country_mesocosm_LMM.xlsx
  >> SENARYO (anlatim):
    Avrupa capinda alti ulkede yurutulen mezokozm deneylerinde toplam fosfor ve
    sicakligin alg biyokutlesine etkisini inceliyoruz. Olcumler ulkelere
    (country) ve her ulke icindeki mezokozm tanklarina (mesocosm_id) gore ic ice
    yapilanmis oldugundan, toplam fosfor (TP_ugL) ve su sicakliginin
    (temperature_C) klorofil-a (chla_ugL) uzerindeki etkisini bu hiyerarsik
    yapiyi dikkate alarak modelliyoruz. Ulkeler arasi degiskenligi rastgele etki
    olarak ele alip katsayilarin belirsizligini olasiliksal dagilimlarla ifade
    ettigimiz icin Bayesci hiyerarsik model en uygun yaklasimdir.
  >> DEGISKEN SECIMI:
    - Bagimli degisken (klorofil-a): chla_ugL
    - Sabit etki (fosfor): TP_ugL
    - Sabit etki (sicaklik): temperature_C
    - Ust duzey gruplama (ulke): country
    - Alt duzey gruplama (mezokozm): mesocosm_id

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Grup (ulke) random varyansi = 7.30 (%20.2)   ICC = 0.202  [%95 CrI: 0.155, 0.249]
    Klorofil ~ fosfor + sicaklik  +  (1 | ulke)   (Bayesci)

>> YORUM (anlatim):
    Pan-Avrupa mezokozm verisini Bayesci hiyerarsik modelle analiz ettik -- LMM'in Bayesci karsiligi. Ulke duzeyi
    varyans toplamin %20'si (ICC = 0.20), guvenilirlik araligiyla (CrI) birlikte raporlaniyor. Bayesci hiyerarsik
    modelin gucu: hem grup-ici hem gruplar-arasi belirsizligi tam olasilik dagilimlariyla ifade eder ve az gozlemli
    gruplari "kismi havuzlama" (partial pooling) ile dengeler -- asiri uc tahminleri yumusatir. Cok-ulkeli, cok-merkezli
    ya da yuvalanmis ekolojik verilerde, hem sabit hem rastgele etkileri ikna edici sekilde tahmin etmenin modern yoludur.

====================================================================================

#105  Spatial Lag (SAR)
    file: 105_spatial_sar_konya_lake_TP_chla.xlsx
  >> SENARYO (anlatim):
    Konya kapali havzasindaki goller arasinda klorofil-a duzeyinin komsu
    gollerden etkilenip etkilenmedigini, yani mekansal yayilim olup olmadigini
    arastiriyoruz. Toplam fosfor (TP_ugL), toplam azot (TN_mgL), su sicakligi
    (temperature_C) ve tarim alani orani (agriculture_percent) ile klorofil-a
    (chla_ugL) iliskisini, gollerin enlem-boylam (lat, lon) konumlarindan
    turetilen komsulukla birlikte modelliyoruz. Bir goldeki alg duzeyinin komsu
    gollerin alg duzeyine bagimli olabilecegini dusundugumuz icin bu mekansal
    otokorelasyonu bagimli degiskende modelleyen Mekansal Gecikme (SAR) yontemi
    uygundur.
  >> DEGISKEN SECIMI:
    - Bagimli degisken (klorofil-a): chla_ugL
    - Aciklayici degisken (fosfor): TP_ugL
    - Aciklayici degisken (azot): TN_mgL
    - Aciklayici degisken (sicaklik): temperature_C
    - Aciklayici degisken (tarim orani): agriculture_percent
    - Enlem: lat
    - Boylam: lon

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    rho (mekansal gecikme) = 0.065   (zayif pozitif komsu etkisi)
    Klorofil ~ fosfor + azot + sicaklik + tarim%  +  komsu klorofil

>> YORUM (anlatim):
    Konya havzasi gollerinde klorofili modellerken mekansal bagimliligi -- yakin gollerin benzer olma egilimini --
    hesaba kattik. SAR (mekansal otoregresif) model, bir golun klorofilini komsularinin klorofiline de baglar (rho
    parametresi). Burada rho = 0.065, zayif pozitif: komsuluk etkisi var ama kucuk; klorofili esas belirleyen yerel
    cevresel degiskenler (fosfor, tarim). Mekansal model kullanmak kritik, cunku siradan regresyon "mekansal
    otokorelasyon" varken yanli/sahte anlamli sonuc verir. SAR, "komsu degerlerin de etkili oldugu" mekansal surecleri
    (yayilim, taskin etkisi) modeller.

====================================================================================

#106  Spatial Error
    file: 106_spatial_error_konya_lake_lambda.xlsx
  >> SENARYO (anlatim):
    Konya havzasindaki gollerde besin ve tarim degiskenleriyle klorofil-a
    arasindaki iliskiyi modellerken, modelde yer almayan mekansal etkenlerin
    hata teriminde otokorelasyon yaratip yaratmadigini inceliyoruz. Toplam
    fosfor (TP_ugL), toplam azot (TN_mgL), su sicakligi (temperature_C) ve tarim
    alani orani (agriculture_percent) ile klorofil-a (chla_ugL) iliskisini,
    gollerin konum (lat, lon) komsulugunu dikkate alarak kuruyoruz. Mekansal
    bagimliligin asil olarak modellenemeyen artiklarda (hata teriminde) ortaya
    ciktigini dusundugumuz icin Mekansal Hata modeli en uygun yaklasimdir.
  >> DEGISKEN SECIMI:
    - Bagimli degisken (klorofil-a): chla_ugL
    - Aciklayici degisken (fosfor): TP_ugL
    - Aciklayici degisken (azot): TN_mgL
    - Aciklayici degisken (sicaklik): temperature_C
    - Aciklayici degisken (tarim orani): agriculture_percent
    - Enlem: lat
    - Boylam: lon

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    lambda (mekansal hata) = -0.223
    Klorofil ~ cevresel degiskenler  +  mekansal hata yapisi

>> YORUM (anlatim):
    Mekansal hata modeli, SAR'dan farkli bir mekansal bagimlilik turunu ele alir: komsu degerlerin DOGRUDAN etkisi
    degil, modelde gozlenmeyen (atlanmis) mekansal faktorlerin artiklar uzerinden yarattigi korelasyon. Lambda
    parametresi (-0.223) bu mekansal hata yapisini olcer. Hangi mekansal model (SAR mi SEM mi) uygundur sorusu,
    "etki komsu degerlerden mi yoksa olculmeyen ortak mekansal etmenlerden mi geliyor" ayrimina dayanir. Her iki halde
    de mekansal yapiyi gormezden gelmek hataya yol acar. SEM, olculmeyen mekansal karistiricilarin (jeoloji, iklim
    gradyani) etkisini temizleyerek cevresel degiskenlerin gercek etkisini daha dogru tahmin etmeye yarar.

====================================================================================

#107  GWR
    file: 107_gwr_konya_local_TP_chla_relationship.xlsx
  >> SENARYO (anlatim):
    Toplam fosforun klorofil-a uzerindeki etkisinin Konya havzasinin her
    bolgesinde ayni olmadigini, gole gore degisebilecegini dusunuyoruz. Toplam
    fosfor (TP_ugL), toplam azot (TN_mgL), su sicakligi (temperature_C) ve tarim
    alani orani (agriculture_percent) ile klorofil-a (chla_ugL) arasindaki
    iliskinin enlem-boylam (lat, lon) konumuna gore nasil degistigini
    haritalamak istiyoruz. Tek bir genel katsayi yerine her konum icin yerel
    katsayilar uretmek istedigimiz icin Cografi Agirlikli Regresyon (GWR) en
    uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Bagimli degisken (klorofil-a): chla_ugL
    - Aciklayici degisken (fosfor): TP_ugL
    - Aciklayici degisken (azot): TN_mgL
    - Aciklayici degisken (sicaklik): temperature_C
    - Aciklayici degisken (tarim orani): agriculture_percent
    - Enlem: lat
    - Boylam: lon

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    R2 = 0.891   (yerel/konuma ozgu regresyon)
    Fosfor-klorofil iliskisinin mekansal degisimi

>> YORUM (anlatim):
    Siradan regresyon tum bolge icin TEK bir fosfor-klorofil iliskisi varsayar; ama bu iliski mekanda degisebilir --
    bir alt-havzada fosfor cok etkiliyken digerinde zayif olabilir. GWR (Cografi Agirlikli Regresyon), her konum icin
    ayri bir yerel regresyon kurarak bu mekansal heterojenligi yakalar (R2 = 0.89). Cikti, katsayilarin haritasidir:
    fosforun klorofile etkisinin nerede guclu nerede zayif oldugunu gosteren bir yuzey. Bu, "iliski her yerde ayni mi"
    sorusunu test eder ve yerel yonetim onceliklerini belirler -- fosfor kontrolu en cok nerede ise yarar. Mekansal
    olarak degisken sureclerde GWR, kuresel modelin gizledigini ortaya kor.

====================================================================================

#108  Nested LMM
    file: 108_nested_lmm_lake_station_date_chla.xlsx
  >> SENARYO (anlatim):
    Cok merkezli mezokozm deneyimizde klorofil-a olcumlerinin ic ice yapilanmis
    bir tasarimdan geldigini goz onunde bulunduruyoruz. Olcumler ulkelere
    (country), her ulke icindeki bloklara (block) ve her blok icindeki mezokozm
    birimlerine (mesocosm_no) gore ic ice gomulu oldugundan, klorofil-a
    (chla_ugL) degiskenligini bu hiyerarsik yapiya gore ayristirmak istiyoruz.
    Gruplama duzeyleri birbirinin icine yerlestigi icin ic ice (nested) karma
    model en uygun yaklasimdir.
  >> DEGISKEN SECIMI:
    - Bagimli degisken (klorofil-a): chla_ugL
    - Ust duzey gruplama (ulke): country
    - Orta duzey gruplama (blok): block
    - Alt duzey gruplama (mezokozm): mesocosm_no

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    ulke (P): F = 55.66, p < .001 ***   |   mezokozm x ulke (RxP): F = 7.66, p < .001 ***
    blok [ulke icinde] (F): F = 3.82, p < .001 ***

>> YORUM (anlatim):
    Bu tasarimda olcumler ic ice yuvalanmis: ulke > blok > mezokozm. Yuvalanmis karma model, her duzeyin varyansa
    katkisini ayri ayri test eder. Sonuclar tum duzeylerde anlamli: ulkeler arasi fark en buyuk (F = 55.66), ama blok
    ve mezokozm duzeyinde de gercek farklar var. Yuvalanmis veride duzeyleri karistirmak (ornegin ulkeyi gormezden
    gelmek) sahte anlamlilik ya da yanlis standart hata uretir. Nested LMM, hiyerarsik orneklem tasarimlarinda
    (ulke/saha/tekrar, okul/sinif/ogrenci) her olcegin gercek katkisini ayiran dogru cercevedir.

====================================================================================

#109  Crossed LMM
    file: 109_crossed_lmm_climate_nutrient_mesocosm.xlsx
  >> SENARYO (anlatim):
    Iklim bolgesi ve besin yukunun alg biyokutlesine etkisini incelerken,
    mezokozm birimlerinin hem iklim hem de besin kosullari arasinda capraz
    yerlesik oldugu bir deney tasarimi kullaniyoruz. Soguk, orta ve sicak iklim
    bolgeleri (climate_region) ile dusuk ve yuksek azot (nutrient_loading)
    kosullari altinda klorofil-a (chla_ugL) duzeylerini degerlendiriyoruz.
    Mezokozm kimligi (mesocosm_id) bu iki faktore ic ice degil capraz sekilde
    dagildigi icin caprazlanmis (crossed) karma model uygundur.
  >> DEGISKEN SECIMI:
    - Bagimli degisken (klorofil-a): chla_ugL
    - Sabit etki (iklim bolgesi): climate_region
    - Sabit etki (besin yuku): nutrient_loading
    - Caprazlanmis rastgele etki (mezokozm): mesocosm_id

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    iklim bolgesi: F = 1886.96, p < .001 ***   |   besin yuku: F = 3458.97, p < .001 ***
    iklim x besin etkilesimi: F = 0.16, p = 0.856 (anlamsiz)

>> YORUM (anlatim):
    Yuvalanmanin aksine burada iki faktor caprazlanmis: her iklim bolgesi her besin duzeyiyle kombine edilmis (tam
    faktoriyel). Caprazlanmis karma model bunu ele alir. Hem iklim (F = 1887) hem besin (F = 3459) ana etkileri ezici
    derecede anlamli -- ikisi de klorofili guclu etkiliyor. Etkilesim ise anlamsiz (p = 0.86): yani besinin etkisi
    tum iklim bolgelerinde benzer, iklimin etkisi tum besin duzeylerinde benzer -- etkiler toplamsal, birbirini
    buyutmuyor. Bu, "iki faktor birlikte sinendiginde etkilesim var mi" sorusunu yanitlar; caprazlanmis deneysel
    tasarimlarin (iklim x besin mezokozm deneyleri) dogru analiz yontemidir.

====================================================================================

#110  KDE Density Map
    file: 110_KDE_lake_sampling_density.xlsx
  >> SENARYO (anlatim):
    Gol uzerindeki orneklem noktalarinin cografi dagilimini ve alg yogunlugunun
    mekansal kumelenmesini gorsellestirmek istiyoruz. Orneklem birimlerinin
    enlem-boylam (lat, lon) konumlarini kullanarak orneklemenin yogunlastigi
    bolgeleri ve klorofil-a (chla_ugL) acisindan sicak noktalari haritaliyoruz.
    Noktasal verinin surekli bir yogunluk yuzeyine donusturulmesi gerektigi icin
    Cekirdek Yogunluk Tahmini (KDE) yogunluk haritasi en uygun yontemdir.
  >> DEGISKEN SECIMI:
    - Enlem: lat
    - Boylam: lon
    - Agirlik degiskeni (klorofil-a): chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    95 gol noktasi   ortalama klorofil = 36.0   enlem araligi 37.1 - 40.9
    Cekirdek yogunluk tahmini ile ornekleme yogunlugu haritasi

>> YORUM (anlatim):
    Harita sekmesinde, gol ornekleme noktalarinin cografi yogunlugunu KDE (Cekirdek Yogunluk Tahmini) ile bir isi
    haritasina dokuyoruz. KDE, noktalari yumusak bir yogunluk yuzeyine cevirir: nerede yogun ornekleme/gol kumelenmesi
    var, nerede bosluk var gorulebilir. 95 golun dagilimi, izleme cabasinin cografi olarak nasil yogunlastigini
    gosterir. Bu, hem ornekleme yanliligini (hangi bolgeler az temsil ediliyor) tespit etmek hem de gol yogunlugu
    yuksek "sicak bolgeleri" gormek icin kullanilir. Mekansal noktasal veriyi gorsellestirmenin temel haritalama aracidir.

====================================================================================

#111  Hexbin Map
    file: 111_Hexbin_pondscape_participant.xlsx
  >> SENARYO (anlatim):
    Gol manzarali bir havza boyunca dagilmis 150 izleme noktasinda gozlem
    yogunlugunu mekansal olarak gorsellestirmek istiyoruz. Her noktanin enlem
    (lat) ve boylam (lon) bilgisiyle birlikte yogunluk araliklarini
    (density_interval: dusuk, orta, yuksek) Hexbin haritasi uzerinde altigen
    hucrelere toplayarak orneklem cabasinin nerelerde yogunlastigini ve bos
    kalan bolgeleri ortaya koyuyoruz. Hexbin haritasi cok sayida ust uste binen
    noktayi okunabilir bir desene cevirdigi icin bu cografi dagilim sorusu icin
    idealdir.
  >> DEGISKEN SECIMI:
    - Enlem: lat
    - Boylam: lon
    - Yogunluk araligi: density_interval

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    150 katilimci/gocet noktasi   altigen hucrelere toplulastirildi
    Her hucre, icindeki nokta yogunlugunu renkle gosterir

>> YORUM (anlatim):
    Hexbin haritasi, cok sayida noktayi altigen (hexagon) hucrelere toplayip her hucredeki yogunlugu renkle gosterir --
    binlerce noktanin ust uste binip okunamaz hale geldigi durumlarda KDE'ye alternatif, net bir cozumdur. 150 gocet
    katilimci noktasini altigen izgaraya dokerek hangi bolgelerde katilim/gozlem yogun oldugunu gorsellestirdik.
    Altigen hucreler kareye gore daha az kenar-yanliligi tasir ve komsuluk iliskilerini daha esit temsil eder. Yogun
    noktasal veriyi (anket katilimi, tur gozlemi, olay konumu) okunabilir bir yogunluk haritasina cevirmenin pratik yoludur.

====================================================================================

#112  Moran's I
    file: 112_Morans_I_lake_chla_autocorrelation.xlsx
  >> SENARYO (anlatim):
    Gol yuzeyindeki 80 orneklem noktasinda olculen klorofil-a (chla_ugL)
    degerlerinin mekansal olarak rastgele mi dagildigini yoksa birbirine yakin
    noktalarin benzer degerler mi tasidigini sorguluyoruz. Her noktanin enlem
    (lat) ve boylam (lon) koordinatlarini kullanarak klorofil-a degerlerinin
    mekansal otokorelasyonunu Moran's I istatistigiyle test ediyoruz.
    Otrofikasyonun kumelenip kumelenmedigini anlamak istedigimiz icin, bir
    buyuklugun cografi otokorelasyonunu global olarak olcen Moran's I bu soru
    icin en uygun testtir.
  >> DEGISKEN SECIMI:
    - Enlem: lat
    - Boylam: lon
    - Deger (klorofil-a): chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Moran's I = 0.531   E[I] = -0.013   z = 9.28   p < .001
    Klorofilin mekansal otokorelasyonu (guclu pozitif)

>> YORUM (anlatim):
    Moran's I, "yakin goller benzer klorofile mi sahip" sorusunu olcen kuresel mekansal otokorelasyon istatistigidir.
    Sonuc guclu pozitif (I = 0.53, beklenen -0.01'e karsi, z = 9.28, p < .001): klorofil mekansal olarak kumeleniyor --
    yuksek klorofilli goller birbirine yakin, dusuk olanlar da. Bu tesaduf degil; ortak havza, iklim ve arazi kullanimi
    komsu golleri benzer kiliyor. Bu bulgunun metodolojik onemi buyuk: mekansal otokorelasyon varsa siradan istatistik
    yanlis olur (bu yuzden #105-107 mekansal modelleri gerekli). Moran's I, mekansal analizin baslangic teshisidir.

====================================================================================

#113  Getis-Ord Hotspot
    file: 113_Getis_Ord_chla_eutrophic_hotspot.xlsx
  >> SENARYO (anlatim):
    Golde otrofik kosullarin belirgin olarak yogunlastigi sicak noktalari
    saptamak amaciyla 68 orneklem noktasinda klorofil-a (chla_ugL) derisimlerini
    mekansal olarak inceliyoruz. Her noktanin enlem (lat) ve boylam (lon)
    konumuyla birlikte Getis-Ord Gi* istatistigini kullanarak yuksek klorofil-a
    degerlerinin istatistiksel olarak anlamli kumelendigi sicak noktalar ile
    dusuk degerlerin toplandigi soguk noktalari ayirt ediyoruz. Getis-Ord
    yontemi yerel kumelenmenin yonunu ve anlamliligini verdigi icin otrofik
    hotspot belirleme sorusu icin en uygun aractir.
  >> DEGISKEN SECIMI:
    - Enlem: lat
    - Boylam: lon
    - Deger (klorofil-a): chla_ugL

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    28 sicak nokta (yuksek klorofil kumesi)   28 soguk nokta (dusuk klorofil kumesi)   n = 68
    Getis-Ord Gi* yerel istatistigi (z > 1.96 anlamli)

>> YORUM (anlatim):
    Moran's I tum bolgenin genel kumelenmesini soylerken, Getis-Ord Gi* NEREDE sicak/soguk noktalar oldugunu tek tek
    konumlar icin gosterir. 28 gol istatistiksel olarak anlamli "sicak nokta" (yuksek klorofilin yuksek klorofille
    cevrelendigi otrofik kumeler), 28 gol "soguk nokta" (temiz su kumeleri). Bu, kirlilik mucadelesi icin dogrudan
    yol gosterir: mudahaleyi sicak nokta kumelerine odaklamak en verimlisidir. Gi* sicak nokta analizi, suctan
    hastaliga, otrofikasyondan orman yanginina kadar "sorunun cografi olarak nerede yogunlastigini" bulmanin standart
    mekansal yontemidir.

====================================================================================

#114  DBSCAN Spatial
    file: 114_DBSCAN_lake_cluster_coast.xlsx
  >> SENARYO (anlatim):
    Gol kiyisi boyunca dagilmis 115 orneklem noktasinin yalnizca konum
    bilgisinden yola cikarak dogal cografi kumeler olusturup olusturmadigini
    arastiriyoruz. Her noktanin enlem (lat) ve boylam (lon) koordinatlarini
    kullanarak DBSCAN yogunluk tabanli kumeleme ile birbirine yakin noktalari
    gruplandiriyor, seyrek kalan izole noktalari ise gurultu olarak ayirt
    ediyoruz. Onceden kume sayisi belirlemeden, degisken yogunluktaki mekansal
    kumeleri ve aykiri noktalari ortaya cikardigi icin DBSCAN bu konumsal
    kumeleme sorusu icin uygundur.
  >> DEGISKEN SECIMI:
    - Enlem: lat
    - Boylam: lon

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Kume sayisi = 3   gurultu (izole) = 12   n = 115
    Gol konumlari yogunluk tabanli kumelendi

>> YORUM (anlatim):
    Haritada gollerin cografi konumlarini DBSCAN ile yogunluk tabanli kumeledik: uc yogun gol obegi bulundu, 12 gol ise
    hicbir kumeye girmeyen "izole/gurultu" noktasi olarak isaretlendi. DBSCAN'in gucu, kume sayisini onceden
    istememesi ve duzensiz sekilli kumeleri yakalayabilmesidir -- ayrica seyrek/uzak golleri otomatik ayirir. Uc kume,
    gollerin belirli havzalarda/bolgelerde gruplandigini gosterir. Bu mekansal kumeleme, izleme aglarini bolgelere
    ayirmak, yonetim birimleri tanimlamak ve cografi olarak benzer golleri birlikte degerlendirmek icin pratik bir
    haritalama aracidir. Boylece Limnoloji paketinin 114 analizlik tam turunu tamamlamis oluyoruz.

====================================================================================

#115  Karma Desen (Split-Plot) ANOVA
    dosya: 115_mixed_anova_chlorophyll_a_ugL.xlsx
  >> SENARYO (anlatim):
    40 stations uc season duzeyinde (spring, summer, autumn) olculur; her biri iki trophic_state grubundan birine (eutrophic / oligotrophic) aittir. Karma (split-plot) desen; chlorophyll-a uzerinde denekler-arasi ana etki,
    denek-ici ana etki ve etkilesimi sinar.
  >> DEGISKEN SECIMI:
    - Bagimli degisken: chlorophyll_a_ugL
    - Denek kimligi: station_id
    - Denekler-arasi faktor: trophic_state
    - Denek-ici faktor: season

  ----- SONUC & YORUM -----
>> SONUC (ekran):
    Between (trophic_state): F(1,38) = 126.64  p < .001  np2 = 0.769
    Within (season):  F(2,76) = 36.63  p < .001  np2 = 0.491
    Interaction:         F(2,76) = 15.60  p < .001  np2 = 0.291
    Mauchly W = 0.897  p = 0.128   n_subjects = 40   n_obs = 120

>> YORUM (anlatim):
    trophic_state x season karma deseninde 40 stations icin chlorophyll-a incelendi (120 gozlem). Etkilesim anlamli (F(2,76) = 15.60, p < .001, np2 = 0.291) *** -- iki grubun season boyunca degisimi farkli buyukluktedir. Denekler-arasi ana etki (eutrophic vs oligotrophic) F = 126.64, p < .001; denek-ici ana etki (spring/summer/autumn) F = 36.63, p < .001. Mauchly p = 0.128, yani kurelik saglanir, denek-ici p duzeltmesiz okunur. Once etkilesime bakilir: anlamliysa grup etkisi her season duzeyinde ayri yorumlanmalidir. Limnolojide karma desen, farklı trofik durumdaki göllerin mevsimsel izlenmesi icin standart analizdir.

====================================================================================
