DERS ADI

: Çok Değişkenli Veri Analizi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
DBA 6180 Çok Değişkenli Veri Analizi ZORUNLU 3 0 0 6

Dersi Veren Birim

İngilizce İşletme Yönetimi Doktora

Dersin Düzeyi

Doktora

Ders Koordinatörü

DOÇ.DR. AYSUN KAPUÇUGİL İKİZ

Dersi Alan Birimler

İngilizce İşletme Yönetimi Doktora

Dersin Amacı

Bu ders, çok değişkenli tekniklerin temelini oluşturan kavramlar hakkında yeterli bilgi sağlar ve Pazarlama, Üretim, İnsan Kaynakları, Finans, Muhasebe, Karar Verme gibi tüm yönetim alanlarındaki gerçek uygulamalara genel bir bakış sunar. Öğrenciler ayrıca teknikleri kendi seçtikleri bir problem üzerinde kullanma konusunda deneyim kazanır. Ders, hem temelde yatan istatistiksel teoriyi hem de pratik uygulamaları ele alacak şekilde tasarlanmıştır. Hem istatistik hem de matematikte makul düzeyde yeterlilik gereklidir.

Dersin Öğrenme Kazanımları

1   Belirli bir araştırma sorusu için uygun çok değişkenli tekniği/teknikleri belirlemek.
2   Çok değişkenli bir analizde yer alan ana aşamaları ve önemli konuları tanımlamak.
3   Çok değişkenli bir modeli ve analiz planını geliştirmek.
4   Çok değişkenli yöntemlerin altında yatan varsayımları değerlendirmek.
5   Çok değişkenli modeli tahmin etmek ve genel model uyumunu değerlendirmek.
6   Çok değişkenli bir analizin sonuçlarını yorumlamak, doğrulamak ve raporlamak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Dersin Tanıtımı / Temel istatistik bilgileri
2 Çok değişkenli yöntemler ve modelleme
3 Verinin analize temizlenmesi ve incelenmesi
4 Faktör analizi
5 Regresyon analizi
6 Varyans Analizi
7 Makale incelemeleri
8 Diskriminant analizi
9 Lojistik Regresyon
10 Kümeleme Analizi
11 Yapısal Eşitlik Modellemesi
12 Yapısal Eşitlik Modellemesi
13 Makale incelemeleri
14 Proje sunumları

Ders İçin Önerilen Kaynaklar

Ana kaynaklar:
* Multivariate Data Analysis: Joseph F. Hair, William C. Black, Barry J. Babin, Rolph E. Anderson, Pearson Education, 8th Edition, 2019.
* Book's website: http://www.mvstats.com/
* Data sets: http://research.ed.asu.edu/multimedia/DrB/Default.htm
* SPSS : http://core.ecu.edu/psyc/wuenschk/SPSS/SPSS-MV.htm
* Summary: http://www.utdallas.edu/~herve/Abdi-MultivariateAnalysis-pretty.pdf
* Notes: http://faculty.chass.ncsu.edu/garson/PA765/statnote.htm

Yazılımlar:
* Minitab
* IBM SPSS
* MS Excel

Öğrenme ve Öğretme Yöntemleri

1. Dersler ve sınıf içi tartışmalar
2. Bilgisayar uygulamaları
3. Ödevler / Analizler
4. Makale incelemeleri/sunumları
5. Uygulama projesi

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 YYC YARIYIL İÇİ ÇALIŞMA
3 YYS YARIYIL SONU SINAVI
4 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.20 + YYC* 0.40 + YYS* 0.40
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS* 0.20 + YYC * 0.40 + BUT* 0.40


*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

1. Dersler, kavramanın ek açıklamalar ve örneklerle önemli ölçüde pekiştirildiği bir ortamda temel ve ileri düzey çok değişkenli tekniklerinin aktarımına yöneliktir.
2. Sınavlar, gerçek araştırma problemlerine uygun istatistik ve/veya yönteminin belirlenmesi ve uygulanması becerisini ölçecektir. Her sınav ders materyallerini kapsayacak ve ödev olarak verilen sorular, ders materyallerindeki sorular ve sınıfta işlenen ek öğelere benzer problemleri içerecektir.
3. Sık sık ödevler verilecektir. Ödevler, öğrencilerin çeşitli araştırma problemlerine yönelik çok değişkenli analiz gerçekleştirmesi ve çözüm geliştirmesi için çok iyi bir fırsat sunacaktır. Öğrencinin bu ödevler üzerinde çalışması ve bunları anlaması, dersi başarıyla tamamlayabilmesi için şarttır. Ödevlerini tamamlayarak, her öğrenci analitik becerilerini geliştirecek ve aynı zamanda veri girişi ve analizi için bir veri analizi aracı ve/veya bir istatistiksel paket programı üzerinde yetkinliğini artıracaktır.
4. Her öğrencinin, derste kapsanan çok değişkenli tekniklerden birini kullanan en az bir yayınlanmış makaleyi sunması gerekir. Sunum:
i. Araştırma Soruları / Hipotezler,
ii. Toplanan Veriler,
iii. Veri Analizleri ve Sonuçlar (Burada odak noktası yalnızca ilgili istatistiksel yöntemdir.),
iv. Yayınlanan araştırmanın sınırlamaları
şeklinde ana başlıklar çerçevesinde hazırlanmalıdır. Sunum en fazla 15 dakika sürmelidir.

5. Her öğrencinin, geliştirdiği becerilerini, kendi seçtiği kişisel ya da profesyonel ilgi alanına giren bir konuya uygulamasına imkân veren bir Uygulama Projesini tamamlaması gerekmektedir.
6. Proje çalışmaları bireysel ya da iki kişilik ekipler halinde yapılabilir. Proje konuları ise, öğrenciler tarafından belirlenecek olup, öğretim üyesinin onayına tabidir.
7. Proje raporları, öğrencilerin sonuçları aktarırken istatistik dilini kullanma yetkinliklerini geliştirecektir. Raporlar, konunun açık şekilde anlaşılmış olması, ele alış ve tartışmanın özgünlüğü, sonuçların doğruluğu, rapor içeriğinin kapsamlılığı ve analizin derinliği, netlik ve organizasyon, format, noktalama, gramer gibi sunum mekanikleri ve görsellerin kaliteleri üzerinden değerlendirilecektir.
8. Öğrenci katılımından elde edilecek puan, (i) derslere katılım durumuna, (ii) öğrencinin ders esnasında öğretim üyesi tarafından sorulan sorulara verdiği yanıtların kalitesine ve (iii) olumlu bir öğrenim ortamının yaratılması için öğrencinin sağladığı katkıya bağlı olacaktır.
9. İki not arasındaki sınırda olan notlar için iyi bir katılım, notunuzu bir üst düzeye taşıyabilir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Derslerin %70ine katılım zorunludur.
2. Her türlü kopyacılık eylemi disiplin soruşturması açılması ile sonuçlandırılacaktır.
3. Derse katılmamış olmak ev ödevinin geç teslim edilmesi için geçerli bir mazeret olarak değerlendirilmeyecektir.
4. Geciken araştırma projelerinde gecikilen her gün için bir harf notuna denk puan düşüşü olacaktır.

Dersin Öğretim Üyesi İletişim Bilgileri

Doç.Dr. Aysun KAPUÇUGİL İKİZ
aysun.kapucugil@deu.edu.tr

DEU İşletme Fakültesi
İşletme Bölümü Sayısal Yöntemler Anabilim Dalı

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Daha sonra ilan edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 12 3 36
Makale Sunumu 2 3 6
Haftalık Ders öncesi/sonrası hazırlıklar 10 2 20
Vize Sınavına Hazırlık 1 15 15
Final Sınavına Hazırlık 1 15 15
Ödev Hazırlama 8 4 32
Proje Hazırlama 1 25 25
Final Sınavı 1 3 3
Vize Sınavı 1 3 3
TOPLAM İŞ YÜKÜ (saat) 155

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5
ÖK.15553
ÖK.255
ÖK.355
ÖK.45
ÖK.55
ÖK.655