SPSS ANKET VERİSİ HAZIRLAMA
Anket araştırmalarında en sık duyulan bir gözlem vardır: gerçek iş analiz değil, anket verisinin analize hazır hale getirilmesidir. Anket bittiğinde elde ham veri kümesidir; tarihler bozuk, eksik cevaplar var, açık uçlu sorular standartlaştırılmamış. SPSS'te analize başlamadan önce bu kümeyi temizlemek, kodlamak ve yapılandırmak gerekir. Bu hazırlık adımları çoğunlukla analiz süresinden daha uzun zaman alır.
Veri Yapısının Kurgulanması
Anket verisinin SPSS'e nasıl gireceği başlangıçta belirlenir. Her satır bir katılımcı, her kolon bir soru olur. Bu yapı uzun forma değil geniş formaya uygundur; her sorunun ayrı kolonu vardır. Eğer aynı soru farklı zamanlarda sorulduysa (örneğin haftalık takip) ek bir zaman kolonu ile uzun forma geçilebilir; ama çoğu anket için geniş forma daha pratiktir.
Kolon adları kısa, anlamlı ve tutarlı olur. SPSS'in eski sürümleri kolon adlarında 64 karakter sınırı koyardı; bu sınır artık kalkmış olsa da yine kısa tutmak iyi pratiktir. "Q1", "Q2" gibi sayısal etiketler yerine "Yas", "Cinsiyet", "Memnuniyet" gibi anlamlı isimler tercih edilir.
Variable View Tanımları
SPSS'in Variable View ekranı veri kümesinin sözlüğüdür. Her değişken için aşağıdaki özellikler tanımlanır:
- Name: Kısa değişken adı (Yas, Cinsiyet, Memnuniyet1).
- Label: Uzun, okunabilir etiket ("Genel iş memnuniyetiniz").
- Type: Numeric, String, Date.
- Width / Decimals: Karakter genişliği ve ondalık basamak sayısı.
- Values: Sayısal kodların açıklaması (1 = Kadın, 2 = Erkek).
- Missing: Eksik veri kodu (99 = "Cevap yok").
- Measure: Nominal, Ordinal, Scale.
Bu tanımlar olmadan veri analiz edilebilir ama çıktılar anlaşılmaz olur; "1" ne demek, "2" ne demek belli olmaz.
Value Labels özellikle önemlidir. Cinsiyet için "1 = Kadın, 2 = Erkek" gibi etiketler tanımlanır; SPSS çıktısında bu etiketler gözükür, sayısal kodlar görünmez. Bu yapı çıktının okunabilirliğini büyük ölçüde artırır.
Kodlama Şeması
Anketteki her sorunun bir kodlama şeması olur. Likert ölçeği 1-5 arasında numaralanır: "1 = Kesinlikle Katılmıyorum, 5 = Kesinlikle Katılıyorum". Çoktan seçmeli sorular her seçenek için ayrı kolon (dichotomous, 1/0) veya tek kolonda kategori kodu (1, 2, 3, ...) olarak girilir.
Kodlama şeması anketin tasarımı sırasında düşünülürse veri girişi sırasında sorunsuz olur. Sonradan değiştirmek mümkündür ama hatalara yol açabilir. Bu yüzden anket onaylanmadan önce kodlama şeması da onaylanır.
Ters Kodlama
Likert ölçeklerinde bazı sorular tersine ifade edilir; "İşimi seviyorum" pozitif iken "İşimden nefret ediyorum" negatiftir. Bu sorulardan oluşan bir skala oluşturulurken ters kodlanmış sorular tersine çevrilir. SPSS'te Transform > Recode into Different Variables menüsünden bu çevrim yapılır; ters kodlama eşlemesi şöyledir:
| Orijinal Değer | Yeni Değer (Ters Kod) |
|---|---|
| 1 (Kesinlikle Katılmıyorum) | 5 |
| 2 (Katılmıyorum) | 4 |
| 3 (Kararsızım) | 3 |
| 4 (Katılıyorum) | 2 |
| 5 (Kesinlikle Katılıyorum) | 1 |
Yeni kolon (örneğin Memnuniyet5_R) orijinalinin yerine analizde kullanılır.
Bu adım anket güvenilirlik analizi (Cronbach alpha) öncesi şarttır. Ters kodlanmamış olan sorular alpha'yı düşürür; analiz yanıltıcı olur.
Eksik Veri Yönetimi
Hiçbir anket veri seti tam değildir; eksik cevaplar olur. Güncel özellikler ve seçenekler IBM SPSS resmi sayfasında listelenir. Bu eksiklikler farklı şekillerde işlenir: tamamen rastgele eksik (MCAR), rastgele eksik (MAR), rastgele olmayan eksik (MNAR). En basit yaklaşım eksik kayıtların atılmasıdır (listwise deletion) ama bu örneklem büyüklüğünü azaltır. Pairwise deletion her analizde sadece o değişkenler için eksik kayıtları atar.
Daha gelişmiş yaklaşım eksik değer doldurmadır (imputation). Ortalama doldurma basit ama bias yaratabilir; çoklu doldurma (multiple imputation) daha güvenli ama karmaşıktır. SPSS'in Missing Values modülü bu yöntemleri sunar.
Veri Tutarlılık Kontrolleri
Veri girişi sırasında hatalar olur; bazı kayıtlar mantıksız olabilir. Yaşı 200 yazan kayıt, başlangıç tarihi bitiş tarihinden büyük olan kayıt, doğum tarihi gelecekte olan kayıt gibi anomaliler kontrol edilir. SPSS'te Frequencies ve Descriptives ile her değişkenin min-max değerleri incelenir; aykırı değerler tespit edilir.
Mantıksal tutarsızlıklar için Compute Variable ve If kombinasyonu kullanılır; "Eğer X > 100 ise hata bayrağı koy" gibi koşullar yazılır. Bu bayraklı kayıtlar gözden geçirilir; ya düzeltilir, ya da eksik olarak işaretlenir.
Açık Uçlu Soruların Kodlanması
Açık uçlu sorular en zor adımdır. Katılımcı serbest metin yazar; bu metin analize hazır değildir. Standart yaklaşım katılımcı yanıtlarını okuyup tema kategorileri belirlemek, sonra her yanıtı bir veya birden çok temayla eşleşmektir. Bu kodlama iki bağımsız kişi tarafından yapılır ve aralarındaki uyum (inter-rater reliability) ölçülür.
SPSS bu kalitatif analiz için uygun değildir; NVivo veya MAXQDA gibi araçlar daha pratiktir. Tema kodları çıkarıldıktan sonra SPSS'e sayısal kategoriler olarak aktarılır.
Yeni Değişkenler Türetme
Ham veriden türetilmiş değişkenler analiz için gereklidir. Birden çok soru bir konuyu ölçüyorsa (örneğin iş tatmini için 10 soru) bunların ortalaması yeni bir "İş Tatmini Skoru" değişkeni olur. Compute Variable menüsünden bu hesaplama yapılır.
Yaş gibi sürekli değişkenler bazen kategorik hale getirilir (yaş grupları). Recode into Different Variables menüsünden "18-25 yaş = 1, 26-35 = 2, 36+ = 3" gibi bir kategorilenme yapılır. Bu dönüşümler analiz tipine göre kullanılır.
Veri Setinin Belgelenmesi
Hazırlanan veri seti üzerine bir codebook (veri sözlüğü) yazılır. Hangi değişken ne anlama gelir, hangi değerler hangi kategoriyi temsil eder, hangi eksik kodları ne ifade eder, hangi türetilmiş değişkenler nasıl hesaplandı belgede yer alır. Bu codebook sonra başka biri tarafından veri analiz edilmek istendiğinde temel referans olur.
Codebook bir Excel dosyası veya Word belgesi olabilir; akademik araştırmada zorunlu bir dokümanlardır. İş analizinde de aynı disiplin verimi artırır.
Syntax ile Kayıt
Tüm bu hazırlık adımları SPSS Syntax olarak kaydedilir. Manual menü tıklamaları her seferinde tekrar edilemez ama syntax bir dosyada durur; aynı veri seti yeniden geldiğinde syntax çalıştırılır ve aynı temizleme adımları otomatik uygulanır. Bu disiplin akademik araştırmada şarttır; iş analizinde de iyi pratiktir.
İyi hazırlanmış veri analiz sürecinin yarısıdır. SPSS eğitimi bu hazırlık disiplinini gerçek anket örnekleri üzerinden uygulamalı olarak ele alır.
Sıkça Sorulan Sorular
Hazır anket platformundan SPSS'e nasıl veri aktarılır?
Çoğu platform (Google Forms, SurveyMonkey, MS Forms) Excel veya CSV export sunar. SPSS bu dosyaları doğrudan açabilir; sonra Variable View'da tipler ayarlanır.
Eksik veri için en güvenli yöntem hangisi?
Eksik veri miktarına ve mekanizmasına bağlı. Küçük yüzde (örneğin %5) ise listwise deletion yeterli. Daha yüksek ise multiple imputation daha güvenlidir.
Likert ölçeğini ters kodlamayı unutursam ne olur?
Skala güvenilirlik analizi (Cronbach alpha) düşük çıkar; bazı durumlarda negatif değer alır. Bu uyarı işaretidir; ters kodlama yapılmadığını anlatır.
Sürekli değişkeni kategoriye çevirmek mantıklı mı?
Bilgi kaybına yol açar; mümkünse kaçınılır. Ama bazı analiz tipleri (ki-kare, lojistik regresyon kontrol değişkeni) için gerekli olabilir.
Açık uçlu sorulara cevap çok ise ne yapmalı?
Tematik analizi NVivo veya MAXQDA gibi araçlarla yapmak daha verimli. SPSS'e sadece kategorik sonuçlar aktarılır.
Veri girişi sırasında doğrulama nasıl yapılmalı?
Veri giriş ekranı (Google Forms gibi) zorunlu alan, değer aralığı, mantık kontrolleri uygulayabilir. Bu kontroller veri kalitesini en başta sağlar; sonradan temizlemek çok daha pahalıdır.
