Boostrap Yöntemi ve Sobel Testi ile Aracılık etkisi nasıl hesaplanır?

Aracı değişken diğer ismi ile mediatör değişken analizi için AMOS, SPSS, LISREL, SmartPLS gibi farklı programlar kullanılabilmektedir. Aracı (mediatör) ve düzenleyici (moderatör) değişkenler hakkında daha fazla bilgi almak isterseniz şu linkten ilgili makalemi inceleyebilirsiniz. Hangi program kullanılırsa kullanılsın aracılık etkisinden söz edebilmek için bazı şartların karşılanması gerekmektedir. Bu makalede Boostrap ve Sobel Testi kullanılarak aracılık etkisinin nasıl test edilebileceği hakkında özet bilgiler sunmaya çalışacağım.

Boostrap Yöntemi ile Aracılık etkisi nasıl test edilir?

Bootstrap yöntemi, karmaşık matematiksel formüllerden ziyade anlaşılması ve kullanılması kolay basit matematiksel formüllere dayanmaktadır. Bu yöntemin çoklu normal dağılım varsayımı gibi bazı önemli varsayımların karşılanamadığı durumlarda kullanılabildiği ve güvenilir sonuçlar verdiği gözlenmiştir. Bu makalede Boostrap yönteminin temellerine inilmeyecektir. Zaten AMOS, SPSS ve SmartPLS gibi programlar bu yöntemin uygulanmasına ve sonuçların bir çırpıda elde edilmesine imkân vermektedir. Araştırmacıya düşen bu yöntem ile elde edilen sonuçları yorumlamak ve çıkarımda bulunmaktır.

Boostrap Yönteminde şu durumlar elde edilebilirse aracılık etkisinden söz edilebilir;

• .X bağımsız değişken ve Y bağımlı değişken olmak üzere, bağımsız değişkenin bağımlı değişken üzerindeki doğrudan etkisi istatistiksel olarak anlamlı olmalıdır. Bunun için AMOS programı ile aşağıdaki model oluşturularak test edilebilir. Elde edilen Beta katsayısının istatistiksel olarak anlamlı olup olmadığı incelenebilir. Eğer doğrudan etki istatistiksel olarak anlamlı ise bir sonraki aşamaya geçilebilir. Eğer anlamlı değil ise aracılık etkisinin incelenmesi işlemi, gerekli varsayım karşılanamadığı için, bu aşamada sona erer.

• İkinci durum için aşağıdaki şekil referans alınabilir.  Şekilde X bağımsız, Y bağımlı ve Z Aracı değişken olarak modelde yer almaktadır. Aracı değişken (Z) model dahil edildiğinde, bağımsız değişkenin (X) bağımlı değişken (Y) üzerindeki etkisinin bir kısmı aracı değişken (Z) üzerinden gerçekleşmektedir. Buna X’in Y üzerindeki dolaylı etkisi denmektedir. İşte bu dolaylı etkinin de istatistiksel olarak anlamlı olması gerekmektedir. Bunun için yine AMOS ile aşağıdaki model oluşturularak test edilebilir. Dolaylı etkisinin istatistiksel olarak anlamlı olup olmadığı incelenebilir. Eğer anlamlı bir etki elde edilebilir ise bir sonraki aşamaya geçilebilir.

• Üçüncü ve son durum ise VAF değeri hesaplanarak kontrol edilmektedir.

VAF= Dolaylı etki/toplam etki*100 formülü ile elde edilmektedir.

1. VAF > %80 ise full mediation, yani tam aracılık etkisi oluşmaktadır,
2. %20 ≥ VAF ≥ partial mediation, yani kısmi aracılık etkisi oluşmaktadır,
3. %20 > VAF ise aracılık etkisinin oluşmadığı ifade edilmektedir.

Kaynak: (Preacher ve Hayes, 2004; 2008)

Sobel Testi ile Aracılık etkisi nasıl gerçekleştirilir?

Sobel testinin kullanılabilmesi için normal dağılım ve çoklu normal dağılım varsayımlarının karşılanmış olması gerekmektedir. Sobel testi için internette ücretsiz hizmet veren siteler bulunmaktadır. Araştırmacı sadece istenilen değerleri girmesi durumunda sobel testi sonucunu elde edebilmektedir. Şu linkten sobel testi analizi yapan siteye ulaşabilirsiniz. Siteye girdiğinizde aşağıdaki tabloya ilgili değerleri girmeniz istenecektir.

Sobel testi için girilmesi gereken değerler

X: Bağımsız değişken, Y: Bağımlı değişken ve M: Aracı değişken

Input sütunundaki a ve S_a değerlerini elde edebilmek için yukarıdaki modelde gösterilen X in Y üzerindeki etkisi basit doğrusal regresyon analizi ile test edilmelidir. Bunun için SPSS kullanılabilir. Bu şekilde X in Y üzerindeki etkisini gösteren standart olmayan Beta katsayısı a değerini ifade edecektir. Standart olmayan Beta katsayısına ait Standart hata değeri ise S_a değerini gösterecektir.

Input sütunundaki b ve S_b değerlerini elde edebilmek için ise yukarıdaki modelde gösterilen X ve M’nin aynı anda (enter yöntemi ile) Y üzerindeki etkisi basit doğrusal regresyon analizi ile test edilmelidir. Bu şekilde M nin Y üzerindeki etkisini gösteren standart olmayan Beta katsayısı b değerini ifade edecektir. Standart olmayan Beta katsayısına ait Standart hata değeri ise S_b değerini gösterecektir. Elde edilen değerler yukarıda gösterilen tabloya girildikten sonra Calculate butonuna basılarak; sobel test değeri, std. Hata değeri ve p anlamlılık değeri elde edilmektedir. Anlamlılık değeri 0,05'ten küçük ise aracılık etkisinden bahsedilebilir.

Aracı ve düzenleyici değişken analizleri ve raporlama için profesyonel destek almak isterseniz bize ulaşabilirsiniz,

neoistatistik.com

destek@neoistatistik.com

Mediator ve moderator degisken nedir?

Neden Mediatör  ve Moderatör Değişkenleri kullanıyoruz?

Son yıllarda, özellikle sosyal bilimlerde, klasik regresyon analizlerinin dışında mediatör ve moderatör analizlerinin daha fazla kullanılmaya başlandığını görmekteyiz. Bu durumun olası nedenlerinden birinin, bilimsel çalışmaların bağımlı ve bağımsız değişken arasındaki ilişkileri incelemekten çok, bağımlı ve bağımsız değişken arasındaki ilişkiye etki edebilecek yeni değişkenleri keşfetmeyi amaçlaması olduğunu düşünüyorum. Yani şöyle düşünelim, zekâ ile akademik başarı arasında ciddi bir ilişkinin olduğunu herkes biliyor artık. Şu an merak edilen konu ise hangi değişken veya değişkenlerin bu ilişkiyi etkileyebileceğidir. İşte bu aşamada devreye Mediatör (aracı) ve moderatör (düzenleyici, katalizör) değişkenler devreye giriyor.

Mediatör ve moderatör değişkenleri çoğu zaman birbiri ile karıştırılmaktadır. Hatta bazı araştırmalarda bu değişken isimlerinin birbirinin yerine kullanıldığını görmekteyiz. Bu makalede mediatör ve moderatör değişkenler arasındaki farkı açıklamaya çalışacağım. Mediatör ve moderatör analizleri SPSS için geliştirilen macro uygulaması ile gerçekleştirilebilmektedir. Bunun için Hayes in geliştirdiği makroyu indirebilirsiniz (link). Ayrıca, AMOS programı ile de bu analizleri gerçekleştirmeniz mümkündür. AMOS programının deneme sürümünü buradan indirebilirsiniz (link).

Sonraki makalelerde bu programları kullanarak farklı örnekler yapmayı planlıyorum.

Mediatör (aracı) değişken

Mediatör değişken Türkçe kaynaklarda aracı değişken olarak da ifade edilmektedir. Aracı değişken bağımlı ve bağımsız değişkenler arasındaki ilişkinin bir kısmını veya tamamını üstlenen değişkendir. Aşağıdaki aracı değişken modelini inceleyelim.

Aracı değişken modeli

Aracı değişken modelinde mobbing algısı bağımsız değişken, iş performansı bağımlı değişken ve stres ise aracı değişken olarak yer almaktadır. Aracı olarak seçilen değişken, bağımsız değişkenin bir sonucu olmalıdır. Bağımlı değişken de aracı olarak seçilen değişkenin sonucu olmalıdır. Başka bir ifade ile mobbing algısı stres algısının yükselmesine neden olabilir. Stres ise iş performansını olumsuz yönde etkileyebilir. Görüldüğü gibi bu değişkenler arasında neden sonuç ilişkileri bulunmaktadır. 

Moderatör (düzenleyici, katalizör) değişken

Moderatör değişken ise Türkçe kaynaklarda düzenleyici veya katalizör değişken olarak geçmektedir. Düzenleyici değişken analizinde, düzenleyici olarak seçilen değişkenin bağımsız değişkenden etkilenme şartı bulunmamaktadır. Bu durumu daha iyi anlayabilmek için aşağıdaki modeli inceleyelim.

Moderatör-Düzenleyici-Katalizör Değişken Modeli

Düzenleyici değişken modelinde mobbing algısı bağımsız değişken, iş performansı bağımlı değişken ve yaş ise düzenleyici değişken olarak yer almaktadır. Görüldüğü gibi yaş değişkeninin mobbing algısının bir sonucu olması söz konusu değildir. Düzenleyici değişken analizinde temel amaç, düzenleyici olarak seçilen değişkenin, bağımlı ve bağımsız değişken arasındaki ilişkinin gücünü nasıl etkilediğini ortaya koymaktır. Yani yaş azaldıkça mobbing algısı ile iş performansı arasındaki ilişkinin gücü artabilir veya azalabilir. Düzenleyici (moderatör) değişkene bağlı olarak bağımlı ve bağımsız değişken arasındaki ilişkiyi daha iyi ifade edebilmek için regresyon eğrileri temel alınarak grafik oluşturulmaktadır. Bu şekilde oluşturulan bir grafiği aşağıda görmekteyiz.

Moderatör analizi sonucunda regresyon eğrileri temel alınarak geliştirilen grafik 

Grafik incelendiğinde, moderatör olarak CTE değişkenin seçildiği görülmektedir. Düşük (low) CTE’ye sahip kişilerde JB ve JS arasındaki ilişki daha güçlüdür. Yüksek (high) CTE’ye sahip kişilerde ise JB ve JS arasındaki ilişki daha zayıftır. Dolayısı ile CTE değişkeninin bağımlı ve bağımsız değişken için önemli olduğunu söyleyebiliriz.

Moderatör ve mediatör değişkenlerin ne olduğunu ve bunlar arasındaki farkı örnekler ile açıklamaya çalıştım. Umarım çalışmalarınızın yönünü belirlemenizde faydalı olur. Aşağıdaki örnekleri de inceleyebilirsiniz,

Yararlandığım kaynaklar: statwiki.kolobkreations.com

Korelasyon Nedir? Korelasyon Analizi

Korelasyon nedir?

Korelasyon iki değişken arasındaki doğrusal ilişkinin derecesini ve yönünü açıklayan bir kavramdır. İlişki hesaplamalarında veya ilişki analizlerinde bu kavram sıklıkla kullanılmaktadır. Yapılan analiz ve hesaplamaların nihai amacı ele alınan değişkenler arasındaki ilişkinin gücünü ve yönünü ortaya koymak için standart bir değer elde etmektedir. Bu standart değer korelasyon katsayısı olarak adlandırılmakladır. Korelasyon katsayısı R ile gösterilmektedir.

İlişkinin gücü ve yönü ile ilgili daha fazla bilgi vermekte fayda görüyorum. Korelasyon katsayısı +1 ile -1 arasında değerler alır. ±1 değerine yakın katsayılar güçlü ilişkileri ifade etmektedir. 0 ile ±0,29 arasındaki katsayılar düşük düzey, ±0,30 ile ±0,69 arasındaki katsayılar orta düzey ve ±0,70 ve üzerindeki katsayılar ise yüksek düzey ilişkileri göstermektedir.

Pozitif katsayılar, ele alınan değişkenlerden biri arttıkça diğerinin de arttığını göstermektedir. Negatif katsayılar ise ele alınan değişkenlerden biri arttıkça diğerinin azaldığını göstermektedir. Bir örnek üzerinde bu durumu açıklayalım.

Yukarıdaki grafikte tutum ve başarı puanları arasındaki ilişkiyi görmekteyiz. Kırmızı çizgi doğrusal ilişkinin yönünü ve gücü göstermektedir. İlişkinin gücü arttıkça kırmızı çizginin siyah çizgiye yaklaşması beklenmektedir. Bu iki değişken arasındaki korelasyon katsayısı R=0,44 olarak hesaplanmıştır. Yani tutum ile başarı puanları arasında orta düzeyde pozitif yönlü bir ilişki söz konusudur. Tutum puanları arttıkça başarı puanları da artmaktadır.

Korelasyon Hesaplama, İlişki Hesaplama

Elimizdeki verilerin özelliklerine göre farklı teknikler kullanarak korelasyon diğer adı ile ilişki hesaplayabiliriz. Başlıca korelasyon hesaplama teknikleri şu şekilde sıralanabilir; Pearson korelasyon, Spearman korelasyon ve Kendall’s tau-b korelasyon tekniği. Verilerimiz ölçek tipinde, sürekli ve normal dağılıma sahip ise Spearman korelasyon analiz tekniğini kullanabiliriz. Verilerimiz kategorik ve sıralamalı ise Spearman korelasyon analiz tekniğini seçmeliyiz. Hangi ilişki analizini kullanırsak kullanalım her birinde korelasyon katsayısı elde ederiz ve bunu yorumlamaya çalışırız.  

SPSS ile Korelasyon analizi

Korelasyon analizi birçok program ile gerçekleştirilebilir. Örneğin excel üzerinden başka bir program kullanmadan iki veri seti arasındaki ilişkiyi gösteren bir katsayısı elde edilebiliriz. Bunun için =korelasyon (veri seti 1, veri seti 2) excel formülünü yazmamız yeterli olur. Fakat bu yöntemde sadece korelasyon katsayı hesaplarız. Korelasyon değerinin istatistiksel olarak anlamlı olup olmadığını ise göremeyiz.

SPSS sosyal bilimlerde en çok kullanılan programlardan biridir. Spss ile korelasyon hesaplamanın nasıl yapıldığını adım adım anlatmaya çalışacağım. SPSS programının deneme sürümünü buradan indirebilirsiniz.

Aralarındaki ilişkileri hesaplamak istediğimiz değişkenler tutum ve başarı olarak isimlendirilmiş ve spss programına aktarılmıştır. 

Korelasyon analizi için Analyze meüsünden Correlate sekmesine oradan da Bivariate sekmesine tıklıyoruz.

                                                                                                                                                                 

Bir sonraki adımda karşımıza yeni bir pencere açılıyor. Aralarında ilişki hesaplamak istediğimiz değişkenleri karşı tarafa sürüklüyoruz. Ayrıca, daha önce bahsettiğim gibi verilerimizin özelliklerini dikkate alarak korelasyon analiz tekniğimizi seçiyoruz. Pearson korelasyon analizi otomatik seçili olarak karşımıza çıkıyor. OK düğmesine tıklıyoruz.

Karşımıza korelasyon analizi sonuçlarına ilişkin bir tablo çıkıyor. Tabloda birçok değer var, bunlar kafanızı karıştırmasın. Tabloda başarı değişkeninin kendisi ile olan ilişkisi 1 olarak ifade edilmiştir. Başarının tutum ile olan ilişkisi ise 0,442 olarak ifade edilmiştir. Bu değer orta düzeyde pozitif yönlü bir ilişkinin var olduğunu ifade etmektedir. Bu katsayının yanındaki ** simgesi ise ilişkinin istatistiksel olarak anlamlı olup olmadığı hakkında bilgi vermektedir. Tablonun altındaki açıklamada da belirtildiği gibi hesaplanan korelasyonun 0,01 düzeyinde anlamlı olduğunu söyleyebiliriz. Sonuç olarak, tutum ve başarı arasında orta düzeyde pozitif yönlü ve istatistiksel olarak anlamlı bir ilişkinin bulunduğunu söyleyebiliriz (r=0,442; p<0,01).

SPSS ile regresyon analizi nasıl yapılır

Regresyon Analizi nedir?

Merhabalar, sosyal bilimler alanında en çok kullanılan çok değişkenli analizlerden biri doğrusal regresyon analizidir. SPSS ile regresyon analizinin nasıl yapıldığını bir örnek üzerinde adım adım anlatmaya çalışacağım. SPSS programınız yok ise buradan deneme sürümünü indirebilirsiniz.

Regresyon analizinde bağımlı (etkilenen, yordanan, sonuç değişkeni) ve bağımsız (etkileyen, yordayan, neden olan) değişkenler söz konusudur. Değişkenleri örnek üzerinde anlatarak konuyu biraz daha genişletelim. Bir araştırmacı öğrencilerin ders çalışma süresinin akademik başarıları üzerindeki etkisini araştırmak istesin. Bu araştırma konusunda bağımlı değişken akademik başarı, bağımsız değişken ise ders çalışma süresi olmaktadır. Bir örnek daha verelim. Sigara içme alışkanlığının kanser olma durumu üzerindeki etkisinin belirlenmesi, şeklinde bir araştırmada ise bağımlı değişken kanser olma durumu, bağımsız değişken ise sigara içme alışkanlığı olmaktadır. Regresyon aanalizi için, regresyon modeli oluştururken bağımlı değişkeni etkileyebilecek tüm değişkenlerin dikkate alınması gerekmektedir. Bu şekilde bağımlı değişkeni açıklayan güçlü bir regresyon modeli ortaya konabilir. İlk verdiğimiz örnek üzerinde konuyu biraz daha açıklayacak olursak, öğrencilerin akademik başarısı üzerinde etkili olabilecek birçok değişken bulunmaktadır. Yani ders çalışma süresi ile birlikte, motivasyon, kaygı, öz-yeterlik, okula karşı tutum, öğretmene karşı tutum gibi birçok değişken regresyon modeline dahil edilebilir. Tabi bu değişkenlerin neden seçildiğinin literatürdeki çalışmalar referans gösterilerek açıklanması faydalı olacaktır. 

Regresyon Analizi için Gerekli Varsayımların Kontrol Edilmesi

Bilindiği gibi çok değişkenli analizler bazı varsayımlara dayanmaktadır. Regresyon analizi yapılmadan önce bu varsayımların test edilmesi gerekmektedir. Makale çalışmalarında hakemler, tez çalışmalarında ise juri üyeleri yapılan analizlerin gerektirdiği varsayımların karşılanıp karşılanmadığını kontrol etmektedir. Bu bakımdan spss ile regresyon analizi gerçekleştirilmeden önce gerekli varsayımların kontrol edilmesini kesinlikle tavsiye ediyorum.

Çok değişkenli analizler için gerekli varsayımlar şu şekilde sıralanabilir;

• Çok değişkenli normal dağılım
• Çoklu bağlantı probleminin bulunmaması
• Çok değişkenli normallik

Regresyon analizi SPSS de nasıl yapılır?

Bu varsayımları spss ile nasıl test edildiğini başka bir derste açıklamaya çalışacağım. Bu makaledeki örneğimizde gerekli varsayımların karşılandığı kabul edilerek regresyon analizi gerçekleştirilmiştir.

Araştırma sorumuz şu şekildedir; Öğrencilerin derse karşı tutumları ders başarılarını nasıl etkilemektedir? Örnekteki değişkenler incelendiğinde, tutumun bağımsız değişken, ders başarısının ise bağımlı değişken olduğu anlaşılmaktadır.

Spss veri dosyasında araştırma sorumuzda yer alan değişkenleri görüyoruz. Bunlar tutum ve başarı değişkenleridir. 

Analize menüsünden, regressyon sekmesine oradan da linear sekmesine tıklıyoruz.

Bir sonraki adımda karşımıza yeni bir pencere açılıyor. Bağımlı değişkenimiz olan başarı değişkenini dependent yazan bölüme, bağımsız değişkenimiz olan tutum değişkenini ise independent yazan bölüme sürükleyerek bırakıyoruz ve daha sonra OK düğmesine tıklıyoruz.

Ve karşımıza analiz sonuçları çıkıyor. Burada dört tablo görmektesiniz. Bunların her birini açıklamaya çalışacağım. Öncelikle ANOVA başlıklı tabloya odaklanıyoruz. Bu tablodaki F değerini ve anlamlılık (Sig.) değerini inceliyoruz. Anlamlılık değerimiz 0,05 den küçük ise kurmuş olduğumuz regresyon denkleminin istatistiksel olarak anlamlı olduğu yorumunu yapıyoruz. Yani tutumun başarı üzerindeki etkisini araştırmak için oluşturmuş olduğumuz regresyon denklemi istatistiksel olarak anlamlı bulunmuştur diyebiliriz. 

Coefficients tablosunda ise bağımsız değişkenimizin yani tutumun bağımlı değişken üzerinde anlamlı bir etkiye sahip olup olmadığını görebiliyoruz. Buradaki anlamlılık (Sig.) değerinin de 0,05 den küçük olduğunu görmekteyiz. Dolayısı ile tutumun başarı üzerinde anlamlı bir etkisi vardır diyebiliriz. Ayrıca, Standardized Coefficients Beta (standardize B katsayısı) katsayısına bakarak tutumun başarı üzerinde hangi yönde etkili olduğunu da söyleyebiliriz. Bu örnekte B değeri 0,442 olarak hesaplanmıştır. Bu değere bakarak tutumun başarı üzerinde pozitif yönlü bir etkiye sahip olduğunu söyleyebiliriz. Tutum puanları arttıkça ders başarısı da artış göstermektedir.

Model summary tablosunda R kare (R square) değerini görmekteyiz, bu değer korelasyon değerinin (R) karesidir. Bu değer bağımsız değişkenin bağımlı değişken üzerinde ne kadar etkili olduğu hakkında bilgi vermektedir. R kare değeri ne kadar büyük ise tutumun başarı üzerinde o kadar çok etkili olduğu yorumunu yapabiliriz.

Doğrusal regresyon analizinin spss ile gerçekleştirilme sürecini giriş düzeyinde ve basit bir örnek ile açıklamaya çalıştım. Umarım faydalı olmuştur. Soru ve önerilerinizi benimle paylaşabilirsiniz.

SPSS ile parametrik ve parametrik olmayan testlerin uygulanması

Veri setimizin taşıdığı özelliklere göre araştırmamızda parametrik veya non-parametrik testler kullanabiliriz.

Veri setimiz;

-karşılaştırma yapacağımız gruplara göre normal dağılım göstermiyor veya,

- en az aralık ölçeğinde değil veya,

-az ise (30’a kadar)ise

Non-parametrik testleri mecburen tercih etmeliyiz. 

Parametrik testler, non-parametrik testlere göre daha güçlü testlerdir. Aşağıdaki tabloda parametrik testler ve karşılıkları olan non-parametrik testler yer almaktadır. Her bir teste tıklayarak SPSS örnek uygulamalarını inceleyebilirsiniz.

Parametrik Testler*	Non-parametrik Testler*
Bağımsız örneklem t testi	Mann Whitney U testi
Bağımlı örneklem t testi	Wilcoxon testi
Tek yönlü varyans analizi (ANOVA)	Kruskall-Wallis H testi

*Testlere tıklayarak SPSS örnek uygulamalarını inceleyebilirsiniz.

SPSS de veri düzenleme ve değişken kavramı üzerine...

SPSS de veri düzenleme

Araştırmalarınızda veri dosyası oluştururken SPSS'e direk veri girişi yapabilirsiniz veya excel'e verilerinizi girip gerekli düzenlemeleri yaptıktan soran SPSS'e verilerinizi aktarabilirsiniz.

Her ne kadar SPSS'e veri girilebilse de, verilerin düzenlenmesi excel'de daha kolaydır. Bu bakımdan araştırmacıların çoğu excel'de verilerini düzenlemeyi,  SPSS'de ise analizlerini yapmayı tercih etmektedir. Excel'deki bir veriyi SPSS'e aktarmak için verinin sürüklenip SPSS ekranına bırakılması yeterlidir.

Aşağıda örnek bir SPSS veri görünüm ekranı yer almaktadır. Bu ekranda iki önemli konu açıklanmıştır. Bunlardan ilki değişken türünün belirlenmesidir. SPSS'de değişkenlerimizi düzenlemek için öncelikle değişkenlerimizin hangi ölçek türünde olduğunu tanımlamamız gerekmektedir. Bunun için Measure sekmesinde yer alan ve her verinin karşısında bulunan satırlara tıklayarak  açılır pencelerin karşımıza çıkmasını sağlayabiliriz. Bu pencereler ile  değişkenlerimizin hangi ölçek türünde (Scale, Ordinal ve Nominal) olduğunu belirleriz. Değişkenlerimiz aralık (Scale), sıralama (Ordinal) ve sınıflama (Nominal) ölçeği türünde olabilir. Örneğin, cinsiyet ve sınıf düzeyi değişkenleri sınıflama (Nominal) ölçeği türündedir.

Birey ya da objelerin sahip olduğu özellikler dört farklı ölçek türü ile açıklanabilir.

Aralık Ölçeği

Bu ölçek türünde her puan bir miktarı gösterir ve her puanı ayıran eşit bir ölçme birimi vardır. Bu ölçü biriminin izafi bir başlangıç noktası vardır. Sosyal bilimlerde kullanılan ölçek türleri aralık ölçeği türündedir. Başarı testleri, zeka testleri, kişilik testleri yetenek testleri aralık ölçeği türündedir.

Sıralama Ölçeği

Bu ölçek türündeki puanlar daha çok bir sıra dizisini göstermektedir. Ölçülen özellikte artma veya azalma söz konusudur. Bu ölçekte rakamların matematiksel anlamı yoktur. Rakamlar sadece azlık-çokluk veya sıralama hakkında bilgi verir.

Sınıflama Ölçeği

Bu ölçekte yer alan puanlarda miktar göstermezler. Puanlar daha çok bir kişi veya objeyi tanımlamak için kullanılır. Cinsiyet, medeni durum, plaka numarası vb. sınıflama ölçeği türünde değişkenlerdir.

Oran Ölçeği

Bu ölçek türünde eşit ölçme birimi ve gerçek yokluğu belirten sıfır noktası vardır. Bu ölçek türünde elde edilen puanlar değişkenin gerçek miktarını belirtir. Yaş, ağırlık ve uzunluk ölçüleri bu ölçek türündedir. Oran ölçeği ile aralık ölçeği arasındaki temel fark, oran ölçeğinin gerçek sıfıra sahip olması, aralık ölçeğinin ise izafi sıfıra sahip olmasıdır. Dolayısı ile oran ölçeğinde çarpma ve bölme işlemleri yapılabilirken, aralık ölçeğinde bu işlemler yapılamaz.

İkinci önemli husus, veri setimizde yer alan değişkenlerimizin SPSS'e tanıtılmasıdır. SPSS'e girdiğimiz değerler sadece sayılardan oluşur. Program sayısal değerlerin ne anlama geldiğini bilemez. Bu durumda özellikle sıralama (Ordinal) ve sınıflama (Nominal) ölçeği türünde olan verilerimizi tanımlamamız gerekmektedir. Tanımlama işlemi Values sekmesinde yer alan her bir satıra tıklayarak gerçekleştirilmektedir. Açıklan pencerede hangi değerin (Values) hangi etiket (Label) ile tanımlanmak istediği sorulacaktır. Örneğimizde cinsiyet değişkeni tanımlanmıştır. Bunun için 1 değerine kız, 2 değerine ise erkek etiketi tanımlanmıştır.

Değişken Kavramı

Değişken, bir özelliğin nicel ya da nitel anlamda   bir durumdan diğerine belirgin olarak farklılık göstermesi olarak tanımlanabilir. Dolayısı ile değişkenler farklı durumlarda farklı değerler alabilen dinamik değerlerdir. Değişkenlerin almış olduğu değerlere veri denir. 

Değişkenler sahip oldukları özelliklere; göre nitel ve nicel değişken,

neden sonuç ilişkilerine göre; bağımlı ve bağımsız değişkenler ve kontrol değişkeni,

aldıkları değerlere göre; sürekli ve süreksiz değişken olarak sınıflandırılmaktadır.

SPSS ile bağımsız (ilişkisiz) örneklem t testi nasıl yapılır?

Bu makalemde SPSS kullanarak bağımsız örneklem t testinin nasıl yapıldığını örnek bir uygulama ile anlatmaya çalışacağım. Bağımsız örneklem t testi, ilişkisiz örneklem t testi olarak da karşımıza çıkabilmektedir.
Araştırmamızda bir gruba (cinsiyet, medeni durum vb.) ait ölçümleri (puanları) karşılaştırmak isteyebiliriz. Bu durumda hipotez testlerini kullanarak, gruplar arasında gözlenen farkların istatistiksel olarak anlamlı olup olmadığını belirleyebiliriz. Sonuç olarak, bağımsız örneklem t tesi, iki ilişkisiz grubun puan ortalamaları arasındaki farkın manidar olup olmadığını test etmek için kullanılır.
Örneğin, cinsiyete göre, katılımcıların mesleki tükenmişlik düzeyleri arasında manidar bir farklılık olup olmadığını bağımsız örneklem t testi kullanarak inceleyebiliriz. Bir başka örnek; Deneysel bir uygulama yaptığınızı düşünün. Çalışmanızda yer alan kontrol ve deney gruplarının deneysel işlem öncesinde ve sonrasında uygulamış olduğunuz ölçme araçlarından almış oldukları puanları karşılaştırmak istiyorsunuz. Bu durumda bağımsız örneklem t testi kullanmanız gerekmektedir.

Bağımsız örneklem t testini gerçekleştirebilmek için veri setimizin bazı varsayımları karşılaması gerekmektedir. Bunlar;

1- Araştırmadaki bağımlı değişkene ait puanlar (ölçümler) en az aralık ölçeğinde olmalıdır.
2- Bağımlı değişkene ait puanların dağılımı gruplara göre normal dağılım göstermelidir.
3- Puan ortalamaları karşılaştırılacak örneklemler ilişkisiz olmalıdır.

Şimdi SPSS kullanarak bir örnek üzerinde bağımsız örneklem t testini uygulamaya çalışalım. Örnek veri dosyasını buradan indirebilirsiniz.

Örneğimizde cinsiyete göre katılımcıların "matematiğe yönelik içsel motivasyonlarını" ve "matematiğe yönelik görev zorluğu algılarını" karşılaştırılmak istenmektedir. Dolayısı ile araştırmanın alt problemleri şu şekilde olabilir?

1-Katılımcıların "matematiğe yönelik içsel motivasyonları" cinsiyete göre farklılaşmakta mıdır?
2-Katılımcıların "matematiğe yönelik görev zorluğu algıları" cinsiyete göre farklılaşmakta mıdır?

Bu problemlere cevap bulmak için araştırmacı bağımsız (ilişkisiz) örneklem t testini kullanmıştır. Aşağıdaki şekilde görüldüğü gibi veri setinde cinsiyet bağımsız değişken, içsel motivasyon ve görev zorluğu algısı ise bağımlı değişken olarak yer almaktadır. Değişken kavramı ve değişken türlerine ilişkin bilgileri blogumda arama yaparak bulabilirsiniz.

Analize başlamak için SPSS'de Analysis menusünden, Compare Means, buradan da Independent Samples T Testini seçiyoruz.

Bir sonraki adımda Independent Samples T Test için bir pencere açılıyor. Bu pencerede Test Variable(s) ve Grouping Variable olmak üzere iki gözenek yer alıyor. 

Test Variable(s) gözeneğine araştırmamızın bağımlı değişkenleri olan "İçselMotivasyon" ve "GörevZorluğuAlgısı" değişkenlerini; Grouping Variable gözeneğine ise araştırmamızın bağımsız değişkeni olan cinsiyet değişkenini ok butonu yardımı ile gönderiyoruz. 
Bir sonraki adımda, Define Groups butonuna tıklayarak, veri girişi sırasında cinsiyet değişkenini hangi rakamlarla kodlanmış ise o rakamları gruplara atıyoruz. Örneğimizde kızlar 1, erkekler ise 2 ile kodlanmıştır. Bu işlemi de bitirdikten sonra Continue butonuna tıklıyoruz ve son olarak OK butonuna tıklayarak analizimizi gerçekleştiriyoruz.

Bu işlemleri gerçekleştirdikten sonra SPSS, Output çıktısı ile gerçekleştirdiğimiz bağımsız örneklem t testi sonuçlarını tablolar halinde bize özetliyor. Şimdi bu tabloları açıklamaya çalışacağım.

Birinci tablo katılımcıların "İçselMotivasyon" ve "GörevZorluğuAlgısı" ölçeklerinden almış oldukları

 puanların ortalamalarını (Mean), standart sapmasını (Std. Deviation), ortalama standart hatasını (Std. Error Mean) ve uygulamadaki kişi sayısını (N) göstermektedir. Bu tabloda odaklanacağımız nokta kız ve erkek katılımcıların ölçeklerden almış oldukları puan ortalamalarıdır. Görüldüğü gibi "İçselMotivasyon" ölçeğinden elde edilen puan ortalamaları arasında ciddi bir fark bulunmamaktadır. Diğer yandan "GörevZorluğuAlgısı" ölçeğinden elde edilen puanlar arasında belirli bir farkın olduğu görülmektedir. Bu farkın istatistiksel olarak anlamlı olup olmadığını ikinci tabloya bakarak anlamaya çalışacağız. 

İkinci tabloda odaklanacağımız değer Sig (2-tailed) olarak belirtilen p anlamlılık değeridir. Bu değer 0,05'den küçük ise puan ortalamaları arasındaki farkın manidar olduğu, büyük ise puan ortalamaları arasındaki farkın manidar olmadığı ortaya çıkacaktır. Bu bilgiye göre, "İçselMotivasyon" puan ortalamaları arasındaki farkın manidar olmadığı (p=0,921>0,05) yani kız ve erkek katılımcıların benzer içsel motivasyona sahip oldukları söylenebilir. Diğer yandan cinsiyete göre "GörevZorluğuAlgısı"nın farklılaştığı (p=0,02<0,05) görülmektedir. Farklılığın kimin lehine olduğunu belirlemek için birinci tablodaki ortalamalar dikkate alınmalıdır. Buna göre kızlar (13,55) erkeklere (12,26) göre daha yüksek görev zorluğu algısına sahiptir denebilir.

SPSS Hakkında

İngilizce açılımı “Statistical Package for the Social Sciences” olan SPSS çok yönlü bir istatistik programıdır. GünümüzdeSPSS, özellikle "Sosyal Bilimler" alanında çok geniş bir kullanım alanına ulaşmıştır. SPSS; sağlık, eğitim, ticaret, pazarlama vb. alanlardaki istatistiksel analizler için kullanılmaktadır. SPSS veri analizi işlemlerini oldukça kolaylaştırmaktadır.

Tahmine dayalı analitik yazılım temelli SPSS ile bilimsel çalışmalarınızın problemlerine yanıt arayabilir ve problemler ile ilgili mantıklı kararlar verebilirsiniz. SPSS ile ulaştığınız sonuçları geliştirerek bir sonraki adımda ne olabileceğini çok rahat tahmin edebilirsiniz.

SPSS grafiksel bir kullanıcı ara yüzüne sahiptir. Açılır menüler yardımıyla SPSS’in kullanımı oldukça kolaylaştırılmıştır. Ayrıca, kullanıcılar SPSS’de bulunan makro diller yardımıyla,SPSS programını kendi amaçları doğrultusunda şekillendirebilmektedir. 

SPSS programının deneme sürümünü buradan indirebilirsiniz.

Bir sonraki yazımda spss de gerceklestirebileceginiz analizlere giriş yapacağım. Ve her bir analizi adım adım açıklayarak sizlere yardımcı olacağım.