SPSS Veri Temizleme: Eksik Veri, Aykırı Değer ve Normallik Testleri

SPSS Veri Temizleme: Eksik Veri, Aykırı Değer ve Normallik Testleri

Akademik araştırmalarda yapılan istatistiksel analizlerin doğruluğu, veri setinin ne kadar düzgün hazırlandığıyla doğrudan ilişkilidir. Eksik veri, aykırı değerler, hatalı kodlamalar ve normallik problemleri, SPSS analiz sonuçlarını ciddi şekilde bozabilir. Bu nedenle veri temizleme, her bilimsel çalışmanın ilk ve en kritik aşamasıdır.

Bu yazıda SPSS veri temizleme sürecinin temel adımlarını; eksik veri analizi, aykırı değer tespiti, normallik kontrolleri ve değişken düzenleme aşamalarını akademik standartlara göre açıklıyoruz.

Veri Temizleme Nedir ve Neden Yapılır?

Veri temizleme; analiz öncesi veri setindeki hatalı, eksik, tutarsız veya analiz sonuçlarını bozabilecek değerlerin belirlenip düzeltilmesi işlemidir. Akademik araştırmalarda kullanılan istatistiksel testlerin varsayımlara uygun şekilde çalışabilmesi için veri temizliği mutlaka yapılmalıdır.

Veri temizleme yapılmadığında:

• t testi ve ANOVA sonuçları hatalı çıkar

• Regresyon modelleri yanlış yönlendirme yapar

• Korelasyon analizleri gerçeği yansıtmaz

• Cronbach Alpha güvenilirliği düşer

1. Eksik Veri Analizi

SPSS’te eksik veriler genellikle “.” şeklinde görünür. Eksik verinin türü, yöntemin seçilmesi açısından önemlidir.

Eksik veri türleri:

• MCAR: Tamamen rastgele eksik

• MAR: Rastgele eksik

• MNAR: Rastgele olmayan eksik

Eksik veri oranı düşükse silme yöntemleri kullanılabilir. Oran yükseldikçe ortalama ile tamamlama veya regresyonla tahmin gibi yöntemler tercih edilir.

2. Aykırı Değer Analizi

Aykırı değerler analiz sonuçlarını çarpıtır. SPSS’te aykırı değer tespiti için kullanılan yöntemler:

• Boxplot (1.5 IQR dışındaki değerler)

• Z skoru (|z| > 3)

• Mahalanobis Distance (çok değişkenli aykırılık)

Aykırı değerlerin kaynağı tespit edilmeli, veri giriş hatasıysa düzeltilmeli; gerçek bir değer ise raporlanmalıdır.

3. Normallik Testleri

Parametrik testlerin çoğu normal dağılım varsayımına dayanır. SPSS’te normallik:

• Shapiro-Wilk

• Kolmogorov-Smirnov

• Histogram

• Q-Q Plot

• Skewness & Kurtosis

ile değerlendirilir.

Normallik sağlanmadığında non-parametrik testler tercih edilir.

4. Değişken Kodlama ve Ölçek Düzenleme

SPSS veri temizleme sürecinde değişkenler analiz için uygun hale getirilir:

• Kategorik değişkenlerin etiketlenmesi

• Ters maddelerin yeniden kodlanması

• Alt boyut ortalamalarının oluşturulması

• Ölçek toplam puanlarının hesaplanması

Bu adımlar tamamlanmadan hipotez testlerine geçilmesi doğru değildir.

SPSS Veri Temizleme Yapılmadığında Ortaya Çıkan Hatalar

• Regresyon modelleri gerçek ilişkileri yansıtmaz

• ANOVA sonuçları hatalı görünür

• Cronbach Alpha değerleri düşer

• Korelasyon analizleri yanıltıcı sonuçlar verir

Bu nedenle veri temizliği, her istatistiksel analiz için temel bir gerekliliktir.

Sonuç

Eksik veri, aykırı değer ve normallik problemleri; akademik araştırmalarda istatistiksel hatalara yol açabilir. SPSS veri temizleme sürecinin doğru yapılması, hem hipotez testlerinin güvenilirliğini hem de raporlanan bulguların bilimsel geçerliliğini artırır.