Basit Doğrusal Regresyon Analizi İle Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması

Abstract

Keywords

• -

Basit Doğrusal Regresyon Analizi İle Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması

Abstract

Hiyerarşik veya iç içe geçmiş yapıdaki verilere birçok araştırma alanında rastlanmaktadır. Eğitim alanında öğrenciler, sınıf, okul, şehir, ülke gibi hiyerarşik bir sosyal yapının içinde yer alırlar. Bu yapıdaki bir veride aynı sınıftaki veya okuldaki öğrenciler, evrenden rasgele seçilen öğrencilere göre birbirlerine daha benzer özellikler gösterirler. O halde, aynı sosyal birimde yer alan bireylerden elde edilen gözlemlerin birbirinden tamamen bağımsız olduğu söylenemez. Halbuki doğrusal regresyon analizi gibi geleneksel istatistiksel analiz yöntemlerindeki en önemli varsayımlardan biri gözlemlerin birbirinden bağımsız olmasıdır. Hiyerarşik yapıdaki verilerde ortaya çıkan bu problem, hiyerarşik doğrusal modeller yöntemi ile giderilebilir. Bu çalışmada iki düzeyli hiyerarşik doğrusal modellerin yapısı ve TIMSS 1999 Türkiye verisi üzerinde basit doğrusal regresyon analizi ile hiyerarşik doğrusal modeller analizinin karşılaştırmalı uygulaması sunulmuştur.

Keywords

• Hiyerarşik doğrusal modeller, çok düzeyli modeller, TIMSS 1999

References

1. üzerindeki etkisi ele alınarak regresyon analizi ile elde edilen regresyon katsayılarının gruptan gruba
2. anlamlı fark gösterip göstermediği belirlenebilir.
3. Aitkin, M. ve Logford, N. (1986). Statistical modeling issues in school effectiveness studies. Journal of the Royal Statistical Society (Series A), 149(1), 1-43.
4. Bryk, A. S. ve Raudenbush, S. W. (1992). Hierarchical Linear Models: Applications and Data Analysis Methods. Newbury Park, CA: Sage.
5. De Leeuw, J. ve Kreft, I. (1986). Random coefficient models for multilevel analysis. Journal of Educational Statistics, 11, 57-85.
6. Goldstein, H. (1986). Multilevel mixed linear model analysis using iterative generalized least squares., Biometrika, 73(1), 43-56.
7. Hox J. (2002). Multilevel Analysis: Techniques and Applications. Mahwah, NJ: Lawrence Erlbaum Associates.
8. Longford, N. T. (1987). A fast scoring algorithm for maximum likelihood estimation in unbalanced mixed models with nested random effects. Biometrika, 74(4), 817-827.

9. Osborne, J. W. (2002). The advantages of hierarchical linear modeling. Practical Assessment, Research, and Evaluation, 7(1), 1-4.
10. Raudenbush, S. W. ve Bryk, A. S. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods. London: Sage.
11. TIMSS 1999 Publications (1999). User Guide for the TIMSS 1999 International Database. Online Available at http://timss.bc.edu/timss1999i/database.html