Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Sağlık Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2010
Tezin Dili: Türkçe
Öğrenci: Can ATEŞ
Danışman: Yasemin Yavuz, Yasemin Genç
Özet:Bu yüksek lisans tezinde, faktöriyel deneme düzenlerinde verilerin zamana bağlı olarak tekrarlı ölçümler biçiminde toplandığı uzunlamasına (Longitudinal) çalışmalar için, normallik varsayımının sağlanmadığı durumlarda, yararlanılacak parametrik olmayan analiz yöntemleri incelenecektir. Uzunlamasına verilerin analizinde parametrik yöntemler oldukça yaygın olarak kullanılsa da bu yöntemlerin kullanımı, belirli varsayımların (normallik varsayımı, varyansların homojenliği vs.) sağlanmasına bağlıdır. Son yıllarda bu nedenle parametrik test varsayımlarının sağlanmadığı verilerde birden çok faktörün etkisini incelemek üzere parametrik olmayan yöntemler geliştirilmiştir. Bu tez çalışması kapsamında, uzunlamasına verilerin analizinde Brunner ve arkadaşları tarafından geliştirilen parametrik olmayan yöntemler tanıtılmıştır. İlk olarak, kullanılacak yöntemlerin temelini oluşturan parametrik olmayan marjinal model tanıtılmıştır. Uzunlamasına verilerin parametrik olmayan yöntemlerle analizinde, parametre tahminlerinin elde edilmesinde ve test edilmek istenen hipotezlerin oluşturulmasında marjinal dağılımlar kullanılır. Bu amaçla öncelikli olarak analizlerde kullanılacak temel gösterimler, dağılım fonksiyonları ve marjinal dağılım kavramlarından bahsedilmiş, daha sonra parametrik olmayan marjinal model tanımı yapılmıştır. En son bölümde ise parametrik olmayan bu yöntemlerin kullanımı sağlık alanından elde edilmiş bir veri seti üzerinde gösterilmiştir. AbstractThe aim of this study was to investigate the non-parametric analysis of longitudinal data in factorial experiments, when normality assumption is not met. Parametric analysis of longitudinal data is common in use. However, some specific assumptions (normality, homogeneity of variances, etc.) must be met in order to use these parametric solutions. In the content of this thesis, non-parametric methods those were developed by Brunner et al. were introduced. For this purpose, firstly, the non-parametric marginal model which forms the basis of the methods used in this study was presented. While analyzing longitudinal data in factorial experiments via non-parametric methods, marginal distributions are used for parameter estimations and setting statistical hypothesis. Before presenting marginal model, essential basic notations, distribution functions and the concept of marginal distributions were denoted. Finally, implementation of these non-parametric methods to a data set from a health study was done.