SPSS Veri Temizleme ve Ön İşleme: Adım Adım Rehber

SPSS veri temizleme neden gereklidir?

Veri temizliği, analizin güvenilirliğini belirleyen temel adımdır. İstatistiksel testler, verinin doğru girildiğini ve tanımlanan ölçüm düzeyine uygun olduğunu varsayar. Dolayısıyla hatalı bir veri seti üzerinde yapılan t testi, ANOVA veya regresyon analizi, teknik olarak doğru çalışsa bile yanlış bir sonuca götürebilir.

Ayrıca hakemler, yöntem bölümünde verinin nasıl hazırlandığını giderek daha sık sorar. Kaç katılımcının çıkarıldığı, eksik verinin nasıl ele alındığı ve uç değerlere ne yapıldığı açıkça yazılmazsa, çalışmanın tekrarlanabilirliği sorgulanır. Bu nedenle veri temizliği yalnızca teknik bir iş değildir; aynı zamanda şeffaf raporlamanın da bir parçasıdır.

Bunun yanı sıra temiz bir veri seti zaman kazandırır. Analiz aşamasında beklenmedik sonuçların nedenini aramak yerine, sorunları baştan çözmüş olursunuz. Böylece bulgular bölümünü yazarken her rakamın arkasında durabilirsiniz.

Veri temizliğine başlamadan önce neler hazırlanmalı?

Her şeyden önce ham veri dosyasının bir kopyasını alın ve orijinal dosyaya hiç dokunmayın. Dosya adına tarih eklemek, hangi sürümün hangi aşamaya ait olduğunu takip etmeyi kolaylaştırır. Örneğin “anket_ham_2026-11.sav” ve “anket_temiz_v1.sav” gibi bir düzen işinizi görür.

İkinci olarak bir kod kitabı (codebook) hazırlayın. Bu belge, her değişkenin adını, etiketini, alabileceği değerleri ve eksik veri kodunu gösterir. Kod kitabı olmadan bir değerin hatalı olup olmadığını anlamak zordur. Üçüncü olarak SPSS’te yaptığınız her işlemi menüden seçerken “Paste” düğmesiyle sözdizimi penceresine aktarın. Böylece temizlik adımlarınız tekrar çalıştırılabilir bir kayıt hâline gelir.

SPSS veri temizleme adımları nelerdir?

SPSS veri temizleme işlemini belirli bir sırayla yürütmek, hiçbir kontrolün atlanmamasını sağlar. Aşağıdaki sıra çoğu anket ve ölçek çalışmasında işe yarar:

1. Değişken tanımlarını kontrol edin: Variable View sekmesinde her değişkenin türü (Numeric, String), ölçüm düzeyi (Scale, Ordinal, Nominal) ve değer etiketleri doğru mu, bakın.
2. Geçersiz değerleri bulun: Analyze > Descriptive Statistics > Frequencies ile her değişkenin minimum ve maksimum değerlerini inceleyin.
3. Yinelenen kayıtları ayıklayın: Data > Identify Duplicate Cases ile aynı katılımcının iki kez girilip girilmediğini kontrol edin.
4. Eksik verileri tanımlayın: Eksik değer kodlarını (örneğin 99) Missing sütununda belirtin ve eksiklik oranını hesaplayın.
5. Uç değerleri inceleyin: Explore menüsündeki kutu grafikleri ve z puanlarıyla aykırı gözlemleri belirleyin.
6. Ters maddeleri yeniden kodlayın: Transform > Recode into Different Variables ile ters puanlanan maddeleri düzeltin.
7. Toplam ve alt boyut puanlarını hesaplayın: Transform > Compute Variable ile puanları oluşturun.
8. Son kontrolü yapın: Temiz veride betimsel istatistikleri yeniden alın ve kod kitabıyla karşılaştırın.

Her adımdan sonra yaptığınız değişikliği temizlik günlüğüne not edin. Özellikle bir katılımcıyı analizden çıkardıysanız, gerekçesini yazmak sonradan hakem sorularına yanıt vermeyi kolaylaştırır.

SPSS veri temizleme sırasında hatalı değerler nasıl bulunur?

En pratik yöntem frekans tablosudur. Örneğin cinsiyet değişkeni yalnızca 1 ve 2 değerlerini alıyorsa, frekans tablosunda 3 veya 12 görmek bir giriş hatasına işaret eder. Benzer şekilde yaş değişkeninde 0 ya da 150 gibi değerler mantıksal olarak mümkün değildir.

Bununla birlikte her hatayı tek tek aramak yerine koşullu seçim de kullanabilirsiniz. Data > Select Cases menüsünde “yas < 18 OR yas > 90” gibi bir koşul yazarak şüpheli kayıtları hızla listeleyebilirsiniz. Ardından bu kayıtları orijinal anket formlarıyla karşılaştırın. Kaynağa ulaşabiliyorsanız doğru değeri girin; ulaşamıyorsanız değeri eksik olarak işaretleyin.

Öte yandan metin (String) olarak girilmiş sayısal değişkenler de sık görülen bir sorundur. Bu durumda değişken, analiz menülerinde görünmez. Transform > Automatic Recode veya değişken türünü Numeric olarak değiştirmek bu sorunu çözer. Ancak değiştirmeden önce değerlerin içinde boşluk ya da harf olup olmadığını kontrol etmek gerekir.

Eksik veriler SPSS’te nasıl ele alınır?

Eksik veri, neredeyse her saha çalışmasında karşılaşılan bir durumdur. Önemli olan, eksikliğin oranını ve örüntüsünü anlamaktır. Analyze > Descriptive Statistics > Frequencies çıktısındaki “Missing” satırı, her değişkendeki eksik değer sayısını gösterir.

Genel olarak eksiklik az ve rastgele görünüyorsa, SPSS’in varsayılan yöntemi olan liste bazında silme (listwise deletion) kabul edilebilir. Buna karşın eksiklik belirli bir gruba ya da maddeye yoğunlaşıyorsa, bu yöntem örneklemi sistematik biçimde değiştirebilir. Bu durumda Missing Value Analysis modülündeki Little’ın MCAR testi, eksikliğin tamamen rastgele olup olmadığını değerlendirmeye yardımcı olur.

Eksik veri yöntemlerini ayrıntılı karşılaştırmak isterseniz eksik veri analizi rehberimize göz atabilirsiniz. Orada liste bazında silme, çift bazında silme ve atama yöntemlerinin hangi durumda tercih edildiğini anlattık.

Uç değerler nasıl tespit edilir ve ne yapılır?

Uç değerler, diğer gözlemlerden belirgin biçimde uzak olan değerlerdir. SPSS’te Analyze > Descriptive Statistics > Explore menüsü, kutu grafiği ve en uç beş değeri birlikte verir. Ayrıca Descriptives menüsünde “Save standardized values as variables” seçeneğiyle z puanları oluşturabilirsiniz. Çoğu araştırmada ±3,29’u aşan z puanları olası uç değer olarak incelenir.

Ancak bir değerin uç olması, onun hatalı olduğu anlamına gelmez. Bu yüzden önce değerin bir giriş hatası mı, yoksa gerçek bir gözlem mi olduğunu ayırt etmek gerekir. Giriş hatasıysa düzeltilir. Gerçek bir gözlemse, analizi uç değerli ve uç değersiz yaparak sonuçların değişip değişmediğine bakmak iyi bir uygulamadır. Böylece kararınızın bulguları nasıl etkilediğini şeffaf biçimde raporlayabilirsiniz.

Çok değişkenli analizlerde ise tek tek değişkenlere bakmak yetmez. Regresyon menüsünde Mahalanobis uzaklığını kaydederek, değişkenlerin birleşiminde sıra dışı olan katılımcıları belirleyebilirsiniz.

Ters maddeler ve puan hesaplama nasıl yapılır?

Ölçeklerde bazı maddeler ters yönde yazılır. Örneğin “Kendimi sık sık yalnız hissederim” maddesi, sosyal destek ölçeğinde ters puanlanabilir. Bu maddeleri düzeltmeden toplam puan hesaplamak, iç tutarlılığı düşürür ve sonuçları bozar.

Ters kodlama için Transform > Recode into Different Variables menüsünü kullanın ve yeni bir değişken oluşturun. Beşli Likert ölçeğinde 1→5, 2→4, 3→3, 4→2 ve 5→1 dönüşümü yapılır. Orijinal değişkeni korumak, olası bir hatada geri dönmeyi kolaylaştırır. Ardından Compute Variable ile toplam veya ortalama puanı hesaplayın.

Son olarak ölçeğin güvenirliğini kontrol edin. Analyze > Scale > Reliability Analysis ile Cronbach alfa katsayısını hesaplarken “Scale if item deleted” çıktısı, ters kodlamanın unutulduğu maddeleri ortaya çıkarır. Negatif madde-toplam korelasyonu, genellikle düzeltilmemiş bir ters maddeye işaret eder.

SPSS veri temizleme sonrası kontrol listesi

Temizlik tamamlandığında analize geçmeden önce kısa bir kontrol yapın. Aşağıdaki liste, temizlik sürecinde en sık atlanan noktaları özetler:

• Her değişkenin minimum ve maksimum değeri kod kitabıyla uyumlu mu?
• Yinelenen kayıt kalmadı mı?
• Eksik veri kodları Missing sütununda tanımlı mı?
• Uç değerlere ilişkin karar ve gerekçe günlüğe yazıldı mı?
• Ters maddeler yeniden kodlandı ve güvenirlik kontrol edildi mi?
• Çıkarılan katılımcı sayısı ve nedeni not edildi mi?
• Sözdizimi dosyası kaydedildi mi?

Bu adımlardan sonra dağılım varsayımlarını incelemek doğal bir sonraki aşamadır. Hangi testin uygun olduğuna karar vermek için normallik testleri rehberimizden yararlanabilirsiniz.

SPSS veri temizleme adımları makalede nasıl raporlanır?

Yöntem bölümünde veri hazırlığını kısa ama eksiksiz anlatmak gerekir. Genellikle şu bilgiler yeterlidir: toplam katılımcı sayısı, çıkarılan katılımcı sayısı ve nedeni, eksik verinin oranı ve ele alınma yöntemi, uç değerlere yaklaşım ve ters kodlanan maddeler. Örneğin “Toplam 412 yanıttan, dikkat kontrol maddesini yanlış yanıtlayan katılımcılar çıkarılmıştır” gibi bir cümle, okuyucuya süreci açıkça gösterir. Burada sayıları kendi veri setinize göre yazmanız gerekir.

Ayrıca birçok dergi, verilerin ve analiz kodlarının paylaşılmasını teşvik eder. Bu nedenle sözdizimi dosyanızı düzenli tutmak, ileride ek dosya olarak sunmanızı kolaylaştırır. Raporlama standartları için APA Style yönergeleri iyi bir başlangıç noktasıdır. Analizleri raporlama aşamasında ise SPSS ile analiz ve raporlama yazımız yol gösterir.

Bulguların yanı sıra tartışma bölümünde de veri sınırlılıklarına değinmek değerlidir. Eksik verinin yüksek olduğu bir değişken ya da çıkarılan katılımcıların belirli bir grupta yoğunlaşması, sonuçların genellenebilirliğini etkileyebilir. Bunu açıkça yazmak, çalışmanın güvenilirliğini zayıflatmaz; aksine hakemlerin gözünde şeffaflığı artırır.

Veri analizi sürecinde istatistik desteğine ihtiyaç duyuyorsanız, kardeş sitemiz Veri Analizi Yaptırma üzerindeki rehberler de analiz planı hazırlamada yardımcı olabilir.

Sık sorulan sorular