CHAID Analizi ve Lojistik Regresyon Analizi Sonuçlarının Karşılaştırılması

Öz

Bu araştırma, CHAID analizi ve lojistik regresyon analizi tekniklerinin karşılaştırmalı olarak incelenmesi amacını taşımaktadır. Çalışmada, analizler için lise öğrencilerinin fizik dersine yönelik tutumları etkilyen değişkenleri belirlemeye yönelik bir veri setinden yararlanılmıştır. Çalışmanın evrenini 2014-2015 eğitim öğretim yılında Ağrı İli Milli Eğitim Müdürlüğü’ne bağlı liselerde okuyan öğrenciler, örneklemini ise seçkisiz olmayan örnekleme yöntemlerinden uygun örnekleme ile seçilen 358 kız ve 368 erkek öğrenci olmak üzere toplam 726 öğrenci oluşturmaktadır. SPSS 21 paket programı kullanılarak yapılan lojistik regresyon ve CHAID analizleri sonucunda lise öğrencilerinin fizik dersine yönelik tutumları üzerinde etki düzeyi en yüksek olan değişkenin “fizik dersinde öğrendiği bilgi ve beceriyi günlük yaşantıda karşılaştığı olaylarda kullanma” ve “fizik dersini sevme” bağımsız değişkenlerin olduğu bulunmuştur. CHAID analizi ve lojistik regresyon analizinin sınıflandırma performansları incelendiğinde, lojistik regresyon analizinin ihmal edilebilir bir seviyede biraz daha iyi bir sınıflandırma oranına sahip olduğu belirlenmiştir. Fakat CHAID analizinin lojistik regresyon analizine göre daha detaylı ve anlaşılır sonuç vermesi, bağımsız değişkenler arasındaki ortak etkiyi açıklaması ve bağımlı değişken ile bağımsız değişkenler arasında detaylı bilgiler sağlaması dikkate alındığında sınıflandırma çalışmalarında CHAID analizinin tercih edilmesi daha uygun gözükmektedir.

Anahtar Kelimeler

• CHAID analizi,lojistik regresyon,fizik eğitimi,tutum

Comparison of Results of CHAID Analysis and Logistic Regression Analysis

Abstract

The purpose of this study to compare CHAID analysis and logistic regression analysis techniques comparatively. For the analyzes in the study, a data set was used to determine the variables that affect the attitudes of the high school students to the physics lesson. The population of this study consists of the students studying at high schools bound to Ağrı Provincial Directorate of National Education in 2014-2015 educational year and the sample of this study consists of 358 female and 368 male students (726 in total) who were chosen by using appropriate sampling that is one of methods of the nonrandom sampling. As a result of CHAID and logistic regression analysis, conducted by using SPSS 21 packaged software, the independent variables having the highest effect on high school students’ attitudes towards physics were “to use knowledge and skills students gained in their daily life” and “to like physics”. Subsequent to scrutinizing classification performances of CHAID analysis and logistic regression analysis, it was found that logistic regression analysis had better classification rate in a negligible level. However, it appeared that CHAID analysis was more suitable for classification studies compared with logistic regression analysis in terms of giving detailed and understandable results, explaining common effect among independent variables and giving detailed information between dependent and independent variables.

Keywords

• CHAID analysis,logistic regression,physics education,attitude

Kaynakça

1. Brown, T. A. (2006). Confirmatory factor analysis for applied research. New York: Guilford Press.
2. Büyüköztürk, Ş., Çakmak, E.K., Akgün, Ö.E., Karadeniz, Ş. ve Demirel, F. (2013). Bilimsel araştırma yöntemleri. Ankara: Pegem Akademi.
3. Çokluk, Ö., Şekercioğlu, G. & Büyüköztürk, Ş. (2012). Sosyal bilimler için çok değişkenli istatistik SPSS ve LISREL uygulamları. Ankara: Pegem Akademi.
4. Çokluk, Ö. (2010). Lojistik regresyon analizi: kuram ve uygulama. Kuram ve Uygulamada Eğitim Bilimleri, 10(3), 1357-1407.
5. Doğan, N., & Özdamar, K. (2003). CHAID analizi ve aile planlaması ile ilgili bir uygulama. T. Klin. Tıp Bilimleri, 23, 392-397.
6. Duran, A. E., Pamukçu, A., & Bozkurt, H. (2014). Comparison og data mining techniques for direct marketing campaings. Sigma, 32, 142-152.
7. Hoare, R. (2004). Using CHAID For Classification Problems. New Zealand Statistical Association Conference’nda sunulmuş bildiri, New zealand.
8. Hırça, N. (2012). Bağlam temelli öğrenme yaklaşımına uygun etkinliklerin öğrencilerin fizik konularını anlamasına ve fizik dersine karşı tutumuna etkisi. Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(17), 313-325.

9. Hosmer, D. W., & Lemeshow, S. (1989). Applied Logistic Regression. New York: John Wiley & Sons.
10. Kayri, M. (2007). Araştırmalarda iki aşamalı kümeleme analizi ve bir uygulaması. Eurasian Journal of Educational Research, 28, 89-99.
11. Kim, M. (2009). Two-stage logistic regression model. Expert Systems with Applications, 36, 6727–6734.
12. Kirk, R. E. (2008). Statistics an introduction. Belmont: Thomson Higher Education.
13. Kurt, İ., Türe, M., & Kurum, A. T. (2008). Comparing performances of logistic regression, classification and regression tree, and neural networks for predicting coronary artery disease. Expert Systems xith Applications, 34, 366-374.
14. Kuyucu, Y. E. (2012). Lojistik regresyon analizi (LRA), yapay sinir ağları (YSA) ve sınıflandırma ve regresyon ağaçları (C&RT) yöntemlerinin karşılaştırılması ve tıp alanında bir uygulama. Yüksek Lisans Tezi, Gaziosmanpaşa Üniversitesi, Sağlık Bilimleri Enstitüsü.
15. Nalçacı, İ. Ö., Akarsu, B., & Kariper, İ. A. (2011). Ortaöğretim öğrencileri için fizik tutum ölçeği derlenmesi ve öğrenci tutumlarının değerlendirilmesi. Journal of European Education, 1(1), 1-6.
16. Neuilly, M. A., Zgoba, K. M., Tita, G. E., & Lee, S. S. (2011). Predicting recidivism in homicide offenders using classification tree analysis. Homicide Studies, 15(2), 154-176.
17. Özdamar, K. (2013). Paket programlar ile istatistiksel veri analizi cilt 1. Eskişehir: Nisan Kitabevi.
18. Özekes, S., & Çamurcu, Y. (2002). Veri madenciliğinde sınıflama ve kestirim uygulaması. Marmara Üniversitesi Fen Bilimleri Dergisi, 18, 1-17.
19. Özgün Koca, S. A., & Şen, A. İ. (2006). Ortaöğretim öğrencilerinin matematik ve fen derslerine yönelik olumsuz tutumlarının nedenleri. Eurasian Journal of Educational Research, 23, 137-147.
20. Pehlivan, G. (2006). CHAID analizi ve bir uygulama. (Yayınlanmamış yükseklisans tezi). Yıldız Teknik Üniversitesi, İstanbul.
21. Satterthwait, D. (2010). “Why are 'hands-on' science activities so effective for student learning?”. Teaching Science, 56(2), 7-10.
22. Şata, M. (2017). Lise öğrencilerinin dikkat kontrolleri üzerinde etkili olan değişkenlerin CHAID analizi ile incelenmesi. Dicle University Journal of Ziya Gokalp Education Faculty, (30), 465-475.
23. Tabachnick, B.G. & Fidell, L.S. (2013). Multivariate statistics. New Jersey: Pearson Education Inc.
24. Tan, Ş. (2009). KR-20 ve Cronbach Alfa Katsayılarının Yanlış Kullanımları. Eğitim ve Bilim, 34(152), 101-112.
25. Tanhan, F., & Kayri, M. (2012). Öğretmen adaylarının üniversite öğretim elemanlarına yönelik algılarını etkileyen faktörlerin CHAID Analizi ile incelenmesi. Kuram ve Uygulamada Eğitim Bilimleri, 12(2), 807- 821.
26. Tekbıyık, A., & Akdeniz, A.R. (2010). Ortaöğretim öğrencilerine yönelik güncel fizik tutum ölçeği: geliştirilmesi, geçerlik ve güvenirliği. Türk Fen Eğitimi Dergisi, 7(4), 134-144.
27. Şata, M. & Çakan, M. (2018). CHAID Analizi ve Lojistik Regresyon Analizi Sonuçlarının Karşılaştırılması. Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 33, 48-56.