SPSS ANALİZ MANTIĞI

SPSS'i yeni öğrenen biri menüleri tıklamayı çabucak öğrenir; t-testi, ANOVA, korelasyon, regresyon menüden seçilir, sonuç gelir. Ama doğru menü seçimi yapmadan analiz başarılı görünür ama yanlıştır. SPSS bilmek menüleri bilmek değildir; verinin doğasını anlayıp doğru yöntemi seçmektir. Bu yazı bu seçim mantığını ele alıyor.

Değişken Tipleri

İstatistiksel analizin başlangıcı her zaman değişkenleri tanımaktır. SPSS değişken tipini Variable View'da işaretler ama gerçek tip iş tanımıdır. Sayısal değişkenler aritmetik işlem yapılabilen alanlardır (yaş, gelir, sıcaklık). Kategorik değişkenler ise gruplama amaçlıdır (cinsiyet, eğitim düzeyi, şehir).

Bu temel ayrım analizin tüm yönünü belirler. Sayısal değişkenle sayısal değişken arasında korelasyon hesaplanır; sayısal ile kategorik arasında karşılaştırma yapılır (t-testi, ANOVA); iki kategorik arasında çapraz tablo ve ki-kare testi kullanılır. Yanlış tip tespiti yanlış analize götürür.

Ölçek Seviyeleri

Stevens'ın ölçek sınıflandırması analizde temel referanstır:

• Nominal ölçek: Sadece gruplandırma yapar; sıralama yoktur (renk, marka, şehir).
• Ordinal ölçek: Sıralama içerir ama aralıklar eşit değildir (eğitim düzeyi: ilkokul, ortaokul, lise).
• Interval ölçek: Eşit aralıklı sayısaldır ama gerçek sıfır noktası yoktur (sıcaklık Celsius).
• Ratio ölçek: Gerçek sıfırı olan sayısaldır (gelir, yaş, mesafe).

Bu seviyeler doğrudan analiz yöntemini belirler. Nominal değişkenlere ortalama hesaplamak anlamsızdır; sadece mod (en sık değer) ve frekanslar uygundur. Ordinal değişkenlere ortalama tartışmalıdır; medyan ve persantil daha doğrudur. Interval ve ratio değişkenlere her türlü merkezi eğilim ölçüsü uygundur.

Tek Değişken Analizi

İlk aşama her zaman tek değişken analizidir (univariate). Frequencies menüsünden değişkenin dağılımı incelenir; ortalama, medyan, standart sapma, çarpıklık, basıklık hesaplanır; histogram çizilir. Bu adım veriyi tanımanın başlangıcıdır; aykırı değerler, eksik veriler, beklenmedik dağılım sorunları burada görünür.

Bu adımı atlayan analist daha sonra "neden sonuç böyle çıktı" sorusuyla karşılaşır. Veri tanınmadan yapılan ileri analiz yanlış varsayımlara dayanır. Her ciddi analiz çalışmasının başında tek değişken kontrolleri yapılır.

İki Değişken İlişkisi

İki değişken arasındaki ilişki tipine göre farklı yöntemler kullanılır. İki sayısal değişken için Pearson korelasyonu (parametrik) veya Spearman korelasyonu (parametrik olmayan) hesaplanır. Bir sayısal bir kategorik için kategori sayısına göre t-testi (iki kategori) veya ANOVA (üçten fazla) uygulanır. İki kategorik için çapraz tablo (cross-tab) ve ki-kare testi yapılır.

Bu seçimler menüden bir tıkla yapılır ama doğru yöntem seçimi araştırmacının sorumluluğudur. SPSS yanlış yöntemi de uygular; sonuç anlamlı çıkar ama anlamı yanlıştır. Bu yüzden istatistik bilgisi SPSS bilgisinden önce gelir.

Değişken tipi kombinasyonuna göre doğru testin pratik özeti:

Varsayım Kontrolleri

Parametrik testler (t-test, ANOVA, regresyon) belirli varsayımlar üzerine kuruludur. Konunun resmi ve ayrıntılı anlatımı IBM SPSS resmi sayfasında bulunur. Verinin normal dağıldığı, varyansların homojen olduğu, kategoriler arasında bağımsızlığın olduğu klasik varsayımlardır. Bu varsayımlar test edilmeden analiz yapmak yanlış sonuca götürebilir.

SPSS'te normal dağılım testi (Kolmogorov-Smirnov veya Shapiro-Wilk), varyans homojenliği testi (Levene) standart adımlardır. Varsayım sağlanmıyorsa parametrik olmayan alternatif kullanılır; t-testi yerine Mann-Whitney U, ANOVA yerine Kruskal-Wallis.

İleri Analizler

Regresyon analizi birden çok değişkenin bağımlı değişkene etkisini modeller. Doğrusal regresyon sayısal bağımlı değişken için, lojistik regresyon ikili bağımlı değişken (var/yok, evet/hayır) için kullanılır. Multikollinearite kontrolü, artık (residual) analizleri, etki ölçümleri model güvenilirliği için yapılır.

Faktör analizi çok sayıda değişkeni az sayıda gizli faktör altında toplar; anket analizinde yaygındır. Küme analizi (cluster) benzer örnekleri gruplandırır; segmentasyon için kullanılır. Bu ileri yöntemler özel bilgi ister; SPSS'in menüleri uygular ama yorumlama uzmanlık gerektirir.

İstatistiksel Anlamlılık ve Pratik Önem

Bir testin "p < 0.05" çıkması istatistiksel anlamlılığı gösterir; ama pratik önemi söylemez. Çok büyük örneklemde küçük farklar anlamlı çıkabilir ama gerçek hayatta önemsiz olabilir. Bu yüzden p değerinin yanında etki büyüklüğü (effect size) de raporlanır.

Cohen's d, eta-squared, r gibi etki büyüklüğü ölçütleri farkın gerçek boyutunu söyler. Anlamlılık testi "fark var mı" sorusuna cevap verir; etki büyüklüğü "fark ne kadar büyük" sorusuna. İki bilgi birlikte yorumlanır.

Çıktı Yorumu

SPSS çıktı dosyası (Viewer) yoğun bilgi içerir; doğru kısımları bulmak deneyim ister. Test sonuçlarında genellikle test istatistiği, serbestlik derecesi (df), p değeri ve etki büyüklüğü yer alır. Yorumun nasıl raporlanacağı disiplin disiplin değişir; APA formatı sosyal bilimlerde standarttır.

Yorum doğru kelimelerle yazılır. "Anlamlı" terimi istatistiksel anlamlılığı ifade eder, "önemli" pratik önem; ikisi karıştırılmaz. "Korelasyon nedensellik anlamına gelmez" temel kuralı her zaman hatırlanır.

Yeniden Üretilebilirlik

İyi bir SPSS analizi yeniden üretilebilir olmalıdır. SPSS syntax (komut dili) kullanılarak yapılan her işlem bir scriptte kayıt altına alınır; aynı analiz başka bir makine veya başka bir gün tekrar çalıştırılabilir. Menüden tıklayarak yapılan analizler bu özelliği kaybeder.

Syntax disiplini akademik araştırmada zorunluluk haline gelmiştir; iş analizinde de iyi pratiktir. Veri seti güncellendiğinde syntax tekrar çalıştırılır, yeni sonuçlar çıkar; manuel tıklama yapılmaz.

Doğru kurgulanmış SPSS analiz mantığı veri analizinin temelini sağlam tutar. SPSS eğitimi bu disiplini pratik veri setleri üzerinden uygulamalı olarak öğretir.