Boylamsal veri analizinde farklı yaklaşımlar
Different approaches in longitudinal data analysis
- Tez No: 1011386
- Danışmanlar: PROF. DR. ÖMER CEVDET BİLGİN
- Tez Türü: Doktora
- Konular: İstatistik, Ziraat, Statistics, Agriculture
- Anahtar Kelimeler: Doğrusal modeller, Simülasyon, Tekrarlanan ölçümler, Veri analizi, Veri modelleme, İstatistiksel modeller, Linear models, Repeated measures, Data analysis, Data modelling, Statistical models
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Boylamsal çalışmalarda hem yinelenen ölçümler (RM) hem de doğrusal karışık model (LMM) uygulanabilir. Fakat boylamsal bir çalışmanın dengeli dizaynında RM ve LMM yaklaşımlarından hangisinin uygulanması gerektiği bir araştırmacı için hala net değildir. Bu çalışmanın amacı, teorik gelişimleri bakımından RM ve LMM arasındaki karşılıklı ilişkiyi keşfetmeye çalışmak ve boylamsal veri analizinin dengeli dizaynında sabit etkilerin değerlendirilmesine yönelik iki yaklaşımı karşılaştırmaktır. Bu, üç sabit etki testinde LMM ve RM yaklaşımlarının ampirik güçlerinin bir Monte Carlo (MC) çalışması vasıtasıyla yapılacaktır. Bunlar iki-grup muamele etkisi, zaman etkisi ve zaman-muamele interaksiyonudur. Yöntem: Bu araştırma RM, geleneksel RM (TRM) ve güncellenmiş çok-değişkeli RM (UMRM) ve LMM yaklaşımlarını kapsamaktadır. UMRM kapsamında incelenen iki kovaryans strüktürü, strüktürsüz (UN) ve birinci dereceden otoregresif (AR(1)) olarak belirtilmiştir. Spesifik olarak, bu araştırma üç sabit etki testinde TRM, AR(1), UN ve LMM'nin güçlerini bir Monte Carlo dizaynı ile üç faktöre göre karşılaştırmıştır ki bunlar etki miktarları, örnek hacimleri ve G matrisleridir. Bulgular: Bu simülasyon çalışmasında Tip 1 hata oranları ele alındığında, tüm modeller katı sınırlar içinde yer almıştır. Güç analizi aşamalarında özellikle interaksiyon testlerinde yüksek güç göstermesiyle ve zaman etkisi testlerinde küçük örneklerde üstün olması nedeniyle LMM en güçlü ve dengeli model olarak öne çıkmıştır. Güç karşılaştırmalarında TRM ikinci sırada yer alarak alternatif bir model olmuştur. UN güç bakımından orta seviyelerde kalsa da AR(1) hem uyum hem güç bakımından zayıf kalmıştır. Örnek hacmi arttıkça tüm modellerin gücünün arttığı ancak artış hızının azaldığı tespit edilmiştir. Bootstrap sonuçları, tüm modellerin yanlılıktan arınmış kestirimler ürettiğini ve güven aralıklarının örnek hacmi arttıkça daraldığını ortaya koymuştur. Model uyum istatistikleri altında Akaike enformasyon kriteri (AIC) diğer modellere kıyasla UN'yi daha uyumlu bulmuştur ki burada LMM' de UN değerlerine oldukça yakındır. Bayesian enformasyon kriteri (BIC) değerleri söz konusu olsuğunda ise LMM daha çok ön plana çıkmıştır. TRM ise uyum bakımından oldukça zayıf bulunmuştur. Örnek hacmi arttıkça tüm modellerin gücünün arttığı ancak artış hızının azaldığı tespit edilmiştir. Sonuç: Bu simülasyon çalışmasında, incelenen performans ölçütlerinin hiçbiri tüm koşullarda diğerlerine mutlak bir üstünlük sağlamamış, ancak LMM ve UN modeli çoğu senaryoda daha tutarlı ve avantajlı bir performans sergilemiştir.
Özet (Çeviri)
Purpose: In the context of longitudinal studies, the utilisation of both repeated measures (RM) and linear mixed models (LMM) is a viable approach. However, the optimal approach for the implementation of the RM and LMM methods in the balanced design of a longitudinal study remains unclear. The objective of this study is to explore the interrelationship between RM and LMM in terms of their theoretical development and to compare the two approaches for assessing fixed effects in the balanced design of longitudinal data analysis. The comparison of the empirical power of the LMM and RM approaches will be conducted through three fixed effects tests using a Monte Carlo (MC) study. The two-group treatment effect, the time effect, and the time-treatment interaction are of particular relevance in this context. Method: The present study encompasses the following methodologies: RM, traditional RM (TRM), updated multivariate RM (UMRM), and LMM approaches. The two covariance structures examined under UMRM are specified as unstructured (UN) and autoregressive of order 1 (AR(1)). Specifically, the present study compared the power of TRM, AR(1), UN, and LMM in three fixed-effects tests using a Monte Carlo design across three factors: effect sizes, sample sizes, and G matrices. Results: In this simulation study, when Type I error rates were considered, all models fell within strict limits. During the power analysis stages, the LMM was identified as the most powerful and balanced model, particularly due to its high power in interaction tests and its superior performance in tests with time effects when sample sizes were small. In terms of power comparisons, the TRM was positioned as a secondary model. While the UN model remained at an intermediate level in terms of power, the AR(1) model was weak in both fit and power. It was observed that as the sample size increased, the power of all models increased, but the rate of increase slowed. The bootstrap results indicated that all models yielded unbiased estimates and that the confidence intervals became more constrained as the sample size increased. In the section pertaining to model fit statistics, the Akaike Information Criterion (AIC) was found to indicate that UN was a more suitable model than other competing models, with LMM values being closely aligned with those of UN. However, when the Bayesian information criterion (BIC) values were taken into consideration, the LMM was identified as the superior option. In contrast, the TRM was found to be deficient in terms of fit. It was observed that as the sample size increased, the power of all models increased, but the rate of increase slowed down. Conclusion: In this simulation study, none of the performance metrics examined demonstrated an absolute superiority over the others under all conditions; however, the LMM and UN models exhibited more consistent and advantageous performance in most scenarios.
Benzer Tezler
- Boylamsal veri analizi ile dengeli olmayan tekrarlı ölçümlerin modellenmesi
Longitudinal data analysis in the modeling of unbalanced repeated measurements
DUYGU SIDDIKOĞLU
Yüksek Lisans
Türkçe
2015
BiyoistatistikÇukurova ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ZELİHA NAZAN ALPARSLAN
- Öz düzenlemeli öğrenme süreçlerinde yapay zekâ teknolojileri konulu araştırmaların incelenmesi
Examination of studies on artificial intelligence technologies in self-regulated learning
ALPEREN FATİH SAY
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. GÜLGÜN ALPAN
- Mekansal-zamansal hasta hareketlilik verileriyle mekansal etkileşim örüntülerinin analizi ve akış haritaları aracı tasarımı ve geliştirilmesi
Analysis of spatial interaction patterns using spatio temporal patient mobility data, and designing and developing a flow mapping tool
SELMAN DELİL
Doktora
Türkçe
2019
Coğrafyaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Boylamsal ve yaşam verilerinin parametrik bileşik modellemesinde parametre tahmin yöntemleri
Parameter estimation methods in parametric joint modelling of longitudinal and survival data
ELİF YILDIRIM
- Etkili harmanlanmış öğrenme ortamının fen bilgisi öğretmen adaylarının bilimsel araştırma-sorgulama temalarını anlamaları üzerine etkisi
Effects of the effective blended learning environment on preservice science teachers' understandings of the aspects of scientific inquiry
İCLAL AYVAR
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimUşak Üniversitesiİlköğretim Ana Bilim Dalı
PROF. DR. OSMAN NAFİZ KAYA