Özel Yetenek Sınavındaki Başarıya İlişkin Risk Analizinin Karışımlı Lojistik Regresyon Modeli İle İncelenmesi

Yıl 2008, Cilt: 35 Sayı: 35, - 2, 01.06.2008

Murat Kayri Hayrettin Okut

Öz

Bu çalışmada özel yetenek sınavına giren bireylerin başarısı, cinsiyet değişkenine göre karışımlı lojistik regresyon yöntemi ile modellenmiştir. Araştırmanın örneklemini, Doğu Anadolu Bölgesi’ndeki bir üniversitede yapılmış olan özel yetenek sınavına (Beden Eğitimi ve Spor Öğretmenliği) katılan 642 (150 bayan + 492 erkek) birey oluşturmaktadır. Bu çalışmada, yetenek sınavı sonucunda başarılı olan ve olmayan bireyler, 0 ve 1 şeklinde ikili (dichotomic) kodlanarak, kazanıp-kazanmamanın alt sınıf ve birey kovaryetlerine göre değişimi incelenmiştir. Aynı zamanda her cinsiyetin kendi içerisindeki (kazanan-kazanmayan) risk oranları da araştırılmaya çalışılmıştır. Bundan dolayı, başarılı olup-olmama cevap değişkeni (bağımlı değişken) olmak üzere bu değişkenin bazı bağımsız değişkenler üzerine olan regresyonu (lojistik

Anahtar Kelimeler

karışımlı lojistik regresyon, risk analizi, modelleme, özel yetenek

Kaynakça

• Akgül, A. (2003). Tıbbi araştırmalarda istatistiksel analiz teknikleri. İstanbul : Mustafa Yayınevi.
• Baltes, P. B., & Nesselroade , J.R. (1979). History and rationale of longitudinal research. New York: Academic Press.
• Bloom, S. (1979). İnsan nitelikleri ve okulda öğrenme. (Çev: Durmuş Ali Özçelik). Ankara: Milli Eğitim Basımevi.
• Bozkurt, Ö. S. (2007). Okulöncesi dönemde öğretmenleri tarafindan yaşıtlarına göre üstün ve özel yetenekli olarak aday gösterilen çocuklarin gelişim özelliklerinin incelenmesi. Yayınlanmamış yüksek lisans tezi, Hacettepe Üniversitesi, Ankara.
• Chen, Z., & Kou, L. (2001). A note on the estimation of the multinominal logit model with random effects. The American Statisticion, 55(2), 89-95.
• Collins, L., & Horn, J.L. (1991). Best methods for the analyses of change. Washington: Apa Pres.
• Dhanavanthan, P. (2000). Estimation of the parameters of compound intervened poisson distribution. Biometrical Journal, 42(3), 315-320.
• Duncan, T. E., Susan, S. C., Strycker, L. A., & Okut, H. (2002). Growth mixture modeling of adolescent alcohol use data: chapter addendum to an iıntroduction to latent variable growth curve modeling: concepts, issues, and applications. Oregon Research Institute, Oregon.
• Ergün, H., Özdemir, M., Çorlu, M. A. ve Savran, C. (2004). Dil ve sayisal yetenekler ile fizik başarisi arasindaki ilişki. Kastamonu Eğitim Dergisi, 12(2), 361-368.
• Erkuş, A. (1998). Goleman’ in duygusal zeka gorusunun psikometrik acidan elestirisi ve dinamik etkilesimsel model onerisi.
• Everitt, B.S., & Hand, D.J. (1981). Finite mixture distributions. London:Chapman and Hall.
• Follman, D.A. ve Lambert, D. (1991). Identifiability of finite mixtures of logistic regression models. Journal of
• statistical planning and inference, 27(3), 375-381.
• Ge, Y., & Jiang, W. (2005). On consistency of bayesian inference with mixtures of logistic regression. Neural Computation,
• Heinen, T. (1996). Latent class and discrete latent trait models: similarities and differences. Thousand Oaks, CA: Sage Publications.
• Hosmer, D.W., & Lemeshow, S. (2000). Applied logistic regression. New York : John Wiley & Sons.
• Kayri, M. (2006). Özel yetenek sınavında (beden eğitimi) başarının modellenmesi ve risk faktörünün tanımlanması. Yayınlanmamış doktora tezi. Yüzüncü Yıl Üniversitesi, Van.
• Kayri, M. (2007). Two-step clustering analysis in researches: A case study. Eurasian Journal of Educational Research, 28, 78-88.
• Kayri, M. ve Gökdaş, İ. (2006). Karışımlı model analiz tekniğinin eğitim bilimleri araştırmalarında uygulanabilirliği üzerine bir araştırma örneği. Kuram ve Uygulamada Eğitim Bilimleri (KUYEB) Dergisi, 6(3), 753-778.
• Kurt, İ., Türe, M. ve Kürüm, T.A. (2005). Koroner arter hastalığının tahmininde sınıflandırma tekniklerinin performanslarının karşılaştırılması. Türkiye VIII. Ulusal Biyoistatistik Kongre Bildirileri, Bursa, Türkiye.
• Kuzgun, Y. (1992). Karar stratejileri ölçeği: geliştirilmesi ve standardizasyonu. Vii. ulusal psikoloji kongresi bilimsel Çalışmalari. Ankara: Türk Psikologlar Derneği.
• Kuzgun, Y. (2000). Meslek danışmanlığı. Ankara: Nobel Yayın Dağıtım.
• Lindsay, B. G., (1995). Mixture models : theory , geometry and applications. Institute of Mathematical Statistics, Hayward.
• Muthen, L. K., & Muthen, B. (2002). Mplus: user’s guide. Los Angeles : CA, Muthen & Muthen.
• Okut, H., Duncan, T. ve Duncan, S. (2005). Growth mixture modeling of zero-inflated Count data. ASA Biometrics, 341-346.
• Özdamar, K. (2004). Paket programlarla istatistiksel veri analizi-1. Eskişehir : Kaan Kitabevi.
• Renzulli, J.S. (1986). The treering conception of giftedness: a development model for creative productivity conception of
• giftedness. Cambridge: Press Syndicate of the University of Cambridge.
• Sharma, S. (1996). Applied multivariate techniques. New York : John Wiley & Sons.
• Titterington, D.M., Smith, A.F.M., & Markov, U.E. (1985). Statistical analyses of finite mixture distributions. Chichester, U.K. : John Willey & Sons.
• Wang, P., Cockburn, I.M., & Putterman, M.L. (1998). Analyses of latent data-mixed poisson regression model approach. Journal of Business and Economic Statistics, 16(1), 27-41.
• Zhang, H. P., & Merikangas, K. (2000). A frailty model of segregation analysis: understanding the familial transmission of alcoholism. Biometrics, 56, 815-823.