AI Summary & Key Takeaways
AI InsightAs a result of this study, 25 non-parametric, 5 parametric test statistics and pairwisecomparison, multiplecomparison, normality and the homogeneity of variance test statistics were included as well.
📌 3 Key Takeaways
Abstract
The aim of this study was to develop a flow diagram showing which test statistic should be applied to the data obtained before starting the study or after the study without dealing with complex test statistics such as multivariate and experimental designs. Flow diagrams were prepared for commonly used parametric tests while for non-parametric tests a table was prepared to show differences in their own. It is aimed for researchers to be able to make a decision quickly and accurately while deciding which test statistic to select and what matters to be considered by following these flow diagrams and the table. As a result of this study, 25 non-parametric, 5 parametric test statistics and pairwisecomparison, multiplecomparison, normality and the homogeneity of variance test statistics were included as well.
Özet
Bu çalışmanın amacı, çok değişkenli ve deneme desenleri gibi kompleks test istatistiklerine girmeden bir araştırıcının çalışmaya başlamadan önce ya da çalışmayı bitirdikten sonra elde ettiği verilere hangi test istatistiğini uygulaması gerektiğini gösterecek akış diyagramları geliştirmekti. Akış diyagramı parametrik parametrik olmayan testlere göre hazırlanmış ancak parametrik olmayan testler kendi içindeki farklılıkları göstermek için çizelge şeklinde hazırlanmıştır. Araştırıcı bu çizelge ve akış diyagramlarını takip ederek hangi hususlara dikkat etmesi ve hangi test istatistiğini seçmesi gerektiğine hızlı ve doğru bir biçimde ulaşması hedeflenmiştir. Bu çalışma sonucunda 25 parametrik olmayan, 5 parametrik test istatistiği ve ayrıca çoklu karşılaştırma, ikili karşılaştırma, normallik ve varyans homojenlik test istatistiklerine de yer verilmiştir.