SPSS NEDİR?

SPSS, İngilizce açılımı Statistical Package for the Social Sciences (Sosyal Bilimler İçin İstatistik Programı) olan ve Sosyal Bilimler başta olmak üzere Eğitim Bilimleri, Sağlık Bilimleri ve Fen Bilimleri alanlarında, ayrıca kurum ve kuruluşlar tarafından Pazar araştırması yapmak amacıyla da sıklıkla kullanılan bir bilgisayar programıdır. 

EĞİTİMİN AMACI:

Eğitimlerin tüm amacı kişilerin SPSS programına tam anlamı ile hakim olmalarının yanı sıra, yapacakları her türlü farklı anket, veri çalışmaları, proje veya makalelerde kendi analizlerini yapabilme, raporlayabilme ve yorumlama yetkinlikleri kazandırmaktır. Eğitimimiz bir projeye nasıl başlanır sorusundan  istatistik analizinin altın kurallarına kadar pek çok önemli konuya vurgu yapmaktadır Bunun temel nedeni çalışma prensibinin kavranılmasını sağlamak ve eğitimde gösterilenin dışında farklı veri veya çalışma ile karşılaşıldığın da nasıl bir yol izleyeceğinin belirlenmesini sağlamaktır.

EĞİTİMİN KAZANDIRACAKLARI:

Bu eğitim ile kursiyerlerimize aşağıdaki özelliklerin kazandırılması hedeflenmektedir.

► SPSS veri girişini doğru şekilde yaparak verilerin validasyonununu yapabilme yetkinliği

► Veri türlerine hakimlik ve hangi tür verilerin hangi analiz türlerinde kullanılacağını kavramak

► Farklı veri formatları ile karşılaşıldığında yapılacak analiz türünü hızlıca kavrayabilme

► SPSS tüm analiz yöntemlerine detaylıca hakim olabilme ve sonuçlarını doğru adımsal algoritmalar ile yorumlayabilme

► Analiz sonuçlarını bilimsel makale ve tez formatlarında kendi başlarına raporlayabilme

EĞİTİMİN İÇERİĞİ:

Eğitim İçeriği:

1. Oturum 1
   1. Araştırma Yöntemlerine Giriş
   2. Araştırma Yöntemleri Çeşitlerinin İncelenmesi
   3. İstatistiğin Temel Amacının Anlatılması
   4. Evren-Örneklem Nedir?
      1. Evren nedir?
      2. Örneklem nedir?
      3. Parametre nedir?
      4. Sayım nedir?
      5. Hedef evren nedir?
      6. Ulaşılabilir evren nedir?
   5. Evren- Örneklem Seçiminde Dikkat Edilecek Hususların İncelenmesi
   6. Örneklem Hacminin Hesaplanması Süreçleri
      1. Evreni bilinen örneklem hacminin hesaplanması
      2. Evreni bilinmeyen örneklem hacminin hesaplanması
   7. Örneklem Seçme Yöntemlerinin Belirlenmesi
      1. Olasılıklı olmayan örneklem yöntemleri
         1. Yargı örnekleme yöntemi
         2. Kota örnekleme yöntemi
         3. Kitle örnekleme yöntemi
         4. Kartopu örnekleme yöntemi
      2. Olasılıklı Olan Örnekleme Yöntemleri
         1. Basit-Şans (Tesadüfü) örnekleme yöntemi
         2. Sistematik örnekleme yöntemi
         3. Tabakalı örnekleme yöntemi
         4. Kümeleme örnekleme yöntemi
   8. İstatistik Değerlerini Anlama
      1. Ortalama
      2. Standart sapma
      3. Standart hata
      4. Mod
      5. Medyan
   9. Anket formu inceleme süreçleri
   10. Anket formu hazırlama teknikleri
   11. Anket ile ölçek arasındaki farkların incelenmesi
   12. Değişkenlerin incelenmesi
       1. Kategorik değişkenler
          1. Ordinal değişkenler
          2. Nominal değişkenler
       2. Sürekli Değişkenler
   13. Araştırma Hipotezi Kurma Mantığı
       1.  H₀: Sıfır hipotezi kurma
       2.  H_1: Alternatif hipotez kurma
       3.  Hipotezlerin sınanma mantığı ( p value değeri)
   14. Bilimsel Ölçek Ve Anket Bulma Yöntemleri
   15. SPSS’e Giriş
   16. SPSS Programının Yüklenmesi
   17. SPSS Programının Ara Yüzünün Tanıtılması
   18. SPSS Programının Menülerinin Tanıtılması
2. Oturum 2
   1. Verilerin SPSS’e Girişlerinin Yapılması
      1. SPSS’e giriş yapılırken dikkat edilmesi gereken durumların incelenmesi
      2. SPSS’e hatalı girişlerin kontrolü
   2. SPSS’de Önemli Veri Girişi Kontrolleri
      1.  Boş gözlem ( kayıp veri) bulunması
      2.  Kategorik değişkenlerde kayıp veriler için yapılması gereken işlemler
      3.  Sürekli değişkenlerde kayıp veriler için yapılması gereken işlemler
      4.  Okunmadan doldurulan anketlerin ( katılımcıların) tespit edilmesi
   3. SPSS’de Aykırı Değerlerin Belirlenmesi
      1.  Belirlenen aykırı değerlerin veri setinde tespiti
      2.  Belirlenen aykırı değerlerin veri setinden çıkarıp çıkarılmamasına karar verilmesi
   4. P Value Değerinin Detaylı İncelenmesi
      1.  0.05 p değeri incelenmesi ve bu değerin örneklem hacmine etkisi
      2.  0.01 p değerinin incelenmesi bu değerin örneklem hacmine etkisi
   5. Normal Dağılım Analizine Giriş
      1.  Kolmogorov-Smirnov normallik analizi ve bilimsel raporlanması
      2.  Shapiro-Wilk normallik analizi ve bilimsel raporlanması
      3.  Basıklık-Çarpıklık değeri incelenmesi ve bilimsel raporlanması
      4.  Ortalama-Medyan değeri incelenmesi ve bilimsel raporlanması
      5.  Histogram grafiği incelenmesi ve bilimsel raporlanması
      6. Q-Q Plots grafiği incelenmesi ve bilimsel raporlanması
3. Oturum 3
   1. Frekans analizleri ve Bilimsel Raporlanması
   2. Betimsel (Tanımlayıcı istatistikler) analizler ve Bilimsel Raporlanması
   3. Çaprazlama analizleri ve Bilimsel Raporlanması
   4. Custom Table Kullanma Mantığı ve Bilimsel Raporlanması
   5. Hipotez Analizlerine Genel Bir Bakış ve Bilimsel Raporlanması
   6. Parametrik (Normal Dağılım ) Testler ve Varsayımları
      1. One-Sample T-Test ve bilimsel raporlanması
      2. Independent Sample T-Test ve bilimsel raporlanması
      3. Paired Sample T-Test ve bilimsel raporlanması
      4. One-Way Anova ve bilimsel raporlanması
         1. Post-Hoc analizleri seçimi ve bilimsel raporlanması
            1. LSD  testi ve bilimsel raporlanması
            2. Tukey testi ve bilimsel raporlanması
            3. Scheffe testi ve bilimsel raporlanması
            4. Bonferroni testi  ve bilimsel raporlanması
   7. NonParametrik (Normal Olmayan) Testler ve Varsayımları
      1. Mann Whitney U ve bilimsel raporlanması
      2. Kruskal Wallis H ve bilimsel raporlanması
      3. Wilcoxon Test ve bilimsel raporlanması
4. Oturum 4
   1. İlişki Analizleri ve Varsayımları
      1. Pearson korelasyon analizi ve bilimsel raporlanması
      2. Spearman korelasyon analizi ve bilimsel raporlanması
      3. Ki-kare analizleri ve bilimsel raporlanması
         1. 2X2 ki-kare analizi ( pearson ki-kare, fisher testi)
         2. 2XN ki-kare analizi (pearson ki-kare, Continuty Correction)
         3. Ki-kare analizlerinde grup birleştirme mantığı
   2. Regreyon Analizleri
      1. Regresyon modeli
         1. Bağımlı bağımsız değişken incelemesi
         2. Beta kat sayıları incelenmesi
         3. Regresyon örnekleri
         4. Regresyon analizi Varsayımları
            1. Çoklu bağıntı problemi  tespiti (VIF)
            2. Otokorelasyon problemi tespiti (Durbin Watson)
            3. Değişkenler arası doğrusal ilişki tespiti
   3. Regresyon Modeli Analizi
      1. Doğrusal regresyon ve bilimsel raporlanması
      2. Çoklu regresyon ve bilimsel raporlanması
      3. Hiyerarşik regresyon ve bilimsel raporlanması
   4. Split File Mantığının Anlatılması
   5. Select Cases Mantığını Anlatılması
   6. Daha önce yapılan akademik raporların incelenmesi
   7. Daha önce yapılan akademik raporlardaki hataların tespit edilmesi
   8. Daha önce yapılan akademik raporlardaki hataların düzeltilmesi

EĞİTMEN HAKKINDA:

ADI SOYADI: Yemliha Durmaz

ÜNVANI: Yapay Zeka Uzmanı

UZMANLIK ALANLARI: Veri Analizi, Modelleme, İstatistiksel Programlama, Veri Madenciliği, Yapısal Eşitlik Modellemesi (YEM), Yapay Sinir Ağları, Big Data, Makine Öğrenme Teknikleri

YEMLİHA DURMAZ KİMDİR?

Kurucumuz Yemliha Durmaz; 2010 senesinde Afyon Kocatepe Üniversitesi İstatistik bölümünü kazanmıştır. Üniversite hayatının 2. sınıfında kurduğu İSTATİSTİK TÜRKİYE bünyesi altında bir çok makale, tez ve projelerde akademik analizler yaparak akademisyenlere destek olmuştur. Üniversitenin istatistik, aktüerya, yöneylem araştırma ve uygulama merkezinde uzun süre çalışmış,  2014 yılında mezun olmuştur. 2017 Yılında İstanbul Teknik Üniversitesi (İTÜ)  Büyük Veri ve İş Analitiği Programını başarı ile tamamlayarak Big Data Uzmanlığı ünvanına hak kazanmış ve bir çok kurumsal firmaya danışmanlık yapmaya devam etmektedir. 2020 yılında Türkiyenin beyin üstü olan Üsküdar Üniversitesinde Nöro Pazarlama üzerine yüksek lisansını başarıyla tamamlamıştır. İş Hayatında SAP, SQL, R, LISREL, SPSS, QlikView, İleri Excel, Python ve E-views gibi programları aktif şekilde kullanan veri bilimine gönül vermiş bir istatistikçidir.

EĞİTİM SÜRESİ: 18 Saat

EĞİTİM TÜRÜ: Online Eğitim, 3 ay boyunca tekrar izleme hakkı

EĞİTİM TARİHİ: 

EĞİTİM TÜRÜ: Online (Canlı)

Oturumlar Hakkında Bilgi Aşağıdaki Tabloda Verilmiştir.

SINIF İÇİ: Corona Nedeniyle İptal Edilmiştir, Sadece Online (Canlı) Eğitimlerimiz Bulunmaktadır.

EĞİTİM ÜCRETİ: 2.300 TL

SERTİFİKA TÜRÜ: Katılım Sertifikası Verilecektir.

ÖDEME ŞEKLİ: Güvenli Ödeme (online), Havale, EFT (Taksit Seçenekleri İle)