SPSS PROGRAMINI KULLANABİLMEK İÇİN GEREKLİ TEMEL BİLGİLER

SPSS PROGRAMINI KULLANABİLMEK İÇİN GEREKLİ TEMEL BİLGİLER

SPSS, bilimsel araştırma yapan herkesin başucu programı... Yapılan bir araştırmanın sonuçlarını, SPSS yardımıyla raporlayabilmek için gerekli olan işlemleri, bu metinde adım adım ve kapsamlı olarak ele aldık. (İbrahim Can YURDUNUSEVEN)

SPSS PROGRAMINI KULLANABİLMEK İÇİN

İHTİYAÇ DUYULAN TEMEL BİLGİLER 

 

SPSS Nedir? 

SPSS, İngilizce açılımı Statistical Packag for the Social Sciences (Sosyal Bilimler İçin İstatistik Programı) olan ve Sosyal Bilimler başta olmak üzere Eğitim Bilimleri, Sağlık Bilimleri ve Fen Bilimleri alanlarında, ayrıca kurum ve kuruluşlar tarafından Pazar araştırması yapmak amacıyla da sıklıkla kullanılan bir bilgisayar programıdır. Program Windows ve Mac bilgisayarlarda çalışmaktadır ve Microsoft Excell programına benzer bir görünüme sahiptir.

SPSS Ne Amaçla Kullanılır?

SPSS programı başta anket analizleri olmak üzere sosyal bilimler, sağlık bilimleri ve fen bilimleri alanlarında da elde edilen bazı ölçümlerin analiz edilmesi için kullanılır. 

BÖLÜM I

SPSS İLE İLGİLİ TEMEL BİLGİLER

SPSS'e Veri Girişi Yapılması

b1.jpg

Görmüş olduğumuz sayfada veri girişlerimizi ve diğer tüm işlemlerimizi üst kısımdaki sekmelere başvurarak yapabilmekteyiz. Burada en alt sol kısımda görülen iki kavram ile karşılaşmaktayız. 1) Data ve 2) Variable view. Peki bu kavramlar ne anlama gelmektedir?

b2.jpgVeriable view dediğimiz kısım bizim değişkenleri girdiğimiz kısımdır. Yani değişken penceremizdir. Bunu bir örnek ile gösterecek olursak sol alt kısımda veriable view kısmına tıkladınız ve bu sayfa önünüze çıktı. 

b3.jpg

Daha sonra burada name yazan kısıma tıklayarak ilk değişkenimiz olan cinsiyet kelimesini yazdık. Ardından values yazan yere bakıyoruz ve onun yanında 3 nokta çıktığını görmekteyiz. 

Şimdi ise bu 3 nokta olarak gördüğümüz (none yanında işaretlediğim nokta ) yere tıklıyoruz.

b4.jpg

3 nokta olarak gördüğümüz kısıma tıklamamızın ardından karşımıza böyle bir sekme açıldı. Burada ise değişkenlerimizi tanımlamaktayız. Burada sırası ile yapmamız gereken adımlar şunlardır:

Value kısmına ilk olarak 1 yazıyoruz ve label kısmınada erkek yazdıktan sonra add diyerek ilk değişkenimizi girmiş oluyoruz. Ardından aynı işlemi value kısmına 2 label kısmınada kadın yazarak ikinci değişkenimizide giriyoruz. Peki bu ne anlama gelmektedir? Bunun sonucunda artık biz Spss’ te az sonra daha detaylı ele alacağım data view penceresinde cinsiyet değişkeninin olduğu sütunlara 1 veya 2 yazdığımız zaman direkt erkek veya kadın olarak atayacaktır. 

Bunu bir örnek ile anlatacak olursak daha anlaşılır olacaktır.

Ben burada yaş, cinsiyet ve okul değişkenlerini name kısmını yazdıktan sonra values kısmına gelip 3 nokta olan bölgeye tıkladım. Bunun üzerine çıkan pencerede ise az önce cinsiyet için yaptığımız işlemi burada uyguladım. Örneğin okul değişkeninde:

b5.png

VALUE: 1                                VALUES: 2                                    VALUE: 3

LABELS: İLKOKUL              LABELS: ORTAOKUL                LABELS: LİSE

Bu şekilde verileri girdim ve okeyleyerek tanımladım. Bunun ardından artık verilerin nasıl girilip tanımlandığını gördüğümüze göre data view penceresine geçerek veriable view pencerisinde grişmiş olduğumuz değişkenlere veri gireceğiz. Bu kısım biraz kafanızı karıştırdı farkındayım. Aslında olayın özü şudur: Veriable view penceresinde name kısmına cinsiyet yazdık ve values kısmınada gelerek 1 ve 2 ile kadın ve erkek değişkenleri girdik. Yani değişkenlerimizi girmiş olduk. Data view penceresinde ise bunu bir anket gibi düşünebiliriz. Örneğin 30 kişiye yapılan bir anket düşünelim. Bu ankette cinsiyet ksımında  dolduranların 17’si kadın ve 13’üde erkek şıkkını işaretlemiş olsunr. O halde biz data view pencersinde cinsiyet değişkeninin olduğu kısıma 17 tane 2 (kadın) ve 13 tane 1(erkek) yazacağız demektir. 

Bunu bir de tablo üzerinden inceleyelim:

b6.png

Artık data view penceresine geçtik. Burada az önce veriable view penceresinde girmiş olduğumuz değişkenler yan yana çıkmaktadır. 

b7.jpg

Şimdi burada rastgele bir şekilde cinsiyet, yaş ve okul değişkenleri için atamış olduğum değerleri yazdım. Örneğin bakığımızda cinsiyette birinci alana 1 ikinci alana baktığımızda ise 2 değişkenlerini yazdım. Burada dikkat etmemiz gereken önemli bir nokta var. Bunu görseldede yazmış olduğum not üzerinden anlatacağım. Notta yazdığım gibi data view penceresinde her bir satır bir anketi ifade eder. Mesela düşünelim: Siz bir erkeksiniz ve bu yüzden erkek şıkkını işaretlediniz. Burada görselde çizmiş olduğum kutucuğa odaklanalım. Cinsiyet değişkenini 1 olarak girdik çünkü anketi dolduran kişi erkek seçeneğini işaretlemiştir. Yine aynı kişi 18-25 yaş aralığındadır ve bu yüzden bunu işaretlemiştir. Ancak diyelim ki birey 26-45 yaş aralığında ve onu işaretledi o zaman orada 1 değil 2 yazacaktık. Okul değişkeninde ise aynı birey lise seçeneğini işaretlemiştir ve bu yüzden 3 yazdık. O halde baktığımızda çizmiş olduğum kutucuk bu bahsettiğimiz tek bir kişiye ait bir ankettir.

Peki  burada dikkat etmemiz gereken başka bir nokta var mıdır ?

Bilgisayar dikkat gerektirir. Göz yorgunluğu ile yanlış veri girebilirsiniz. Bu yanlış veri ile kastetmek istediğim şudur. Mesela cinsiyet değişkenini düşünelim. Biz cinsiyet değişkenimizi 1 (erkek) ve 2 (kadın) olarak tanımladık. Data view pencerisinde elde etmiş olduğumuz verileri girerken yanlışlıkla 3 yazdık peki bunun nasıl farkında varacağız?

b8-001.jpg

Mesela burada bakalım. Cinsiyette 3 diye bir değişken atamamış olmamıza rağmen burada 3 yazmışız. Burada veri sayısı az olduğu için fark ettik ancak veri sayısı çok olduğunda bunun farkında nasıl varacağız? Üst köşede yuvarlak içine aldığım noktaya odaklanalım. Bu demek oluyor ki verileri doğru mu yoksa yanlış mı girdin buradan bakabilirsin. Buna tıklayınız.

b9.jpg

Bu dediğim yere tıkladığımız zaman cinsiyet değişkeninde işaretlediğim kısımlara bakın. 3 diye girdiğimiz değişkenlerin yanlış olduğunu ve böyle bir verinin tanımlı olmadığını bu yol ile en kısa yoldan bulduk. Böyle bir durumda orada 3 değilde 1 veya 2 değişkenleri olsaydı böyle bir hata vermeyecekti. Mesela bunun gibi:

b10.jpg

Burada 8 ve 10’a baktığımız zaman artık var olan verileri yazdık ve hata vermedi.

Not: Veri girişi ile ilğili eklemek istediğim son önemli not ise veriler girilirken aralarda boşluk olamayacağıdır.

b11.jpg

 

b12.jpgOkeylediğimiz zaman arada boşluk olduğu için girilemeyecek bir karakter olduğunu belirtti ve hata verdi.

b13.jpgBaşarı derecesini bitişik yazdığımız zaman ise hiçbir sorun yaşanmadı ve kabul etti.

BÖLÜM II 

SPSS'TE BETİMSEL İSTATİSTİKLER

Verilerin toplanması, grafikle gösterilmesi ve sunulması gibi işlemlerin yapıldığı istatistik çeşididir. Çıkarımsal istatistik ise betimsel istatistik ile elde edilen verilerden yola çıkarak bazı sonuçlara ve yorumlara varmaya çalışan istatistik çeşididir. Bizim yapmış olduğumuz betimsel istatistiktir. Verilerin toplanması ve sunulmasıdır.

Spss’te Betimsel İstatistiği Nasıl Yaparız?

a4.jpg

İlk olarak analiz yazan kısma tıkladık. Ardından 2.bölgede gördüğümüz descriptive statistcs yazan bölgeye giriyoruz.

a5.jpg

Ardından Frequencies olan bölgeye tıklıyoruz. 

a6.jpg

Hangi değişkenlerle ilgili betimsel istatistik yapıp verilere ulaşmak istiyorsanız o değişkenleri veriable ksımına atıyoruz.

a7.jpg

İncelemek istediğimiz değişkenleri veriable kısmına attıktan sonra sag üstte statistics ve charts yazan kısımlara tek tek giriyoruz.

a8.jpg

Statisticse tıkladıktan sonra böyle bir sekme ile karşılaştık. Burada mod, medyan, aritmetik ortalama, min ve max değerleri işaretledikten sonra continue diyerek buradan çıkıyoruz.

a9.jpg

Statisticsten çıktıktan sonra chartsa giriyoruz ve burada histogramı işaretledikten sonra continue diyerek buradanda çıkıyoruz. Son olarak okeyliyoruz.

s10.jpg

Karşımıza bu tablolar çıktı. Burada en üstteki tabloya bakacak olursak.

Valid kişi sayısı demektir. Missinğ ise kayıp veri demektir. En üst tabloya baktığımızzaman valid içim cinsiyet, okul ve yaş değişkenlerinin 3’ündede 10 kişi veya veri vardır. Bunu data view penceresine bakarsanız toplamda 10 veri girmiş olmamızdan anlayacaksınız. Missing yani kayıp veri ise veri girişinde ise eger ki veri girmediyseniz bu missing ksımında karşınıza çıkcaktır. Bunu tabloda görecek olursak:

s11.jpg

s12.jpg

Bunun sonucunda aynı yol ile betimsel istatistik ile ortaya çıkan tablolarda görmekteyiz ki veri atamadığımız cinsiyette missing yani kayıp veri bir gözükmektedir ve doğrudur.

s13.jpgBu tablolarda aynı zamanda değişkenler tek tek bir şekildede ele alınmıştır. Bunlardan bir tanesine değindiğmiz zaman diğerlerini anlamamızda olası olacaktır. Örneğin cinsiyeti inceleyelim.  Frequency az öncede dediğim gibi görülme sıklığı demektir. Burada baktığımız zaman toplamda 10 kişi vardır ve bunlardan 5’inin erkek 5’ininde  kadın bulunmaktadır. Percent yüzde, valid percent ise geçerli yüzde demektir. Burada cinsiyet değişkeninde kayıp veri olmadığı için percent ve valid percent birbirine eşittir. Peki kayıp verimiz olsaydı nasıl olurdu?

s14.jpg

Burada cinsiyet değişkeninde bir tane kayıp veri olduğunu görmekteyiz. Alttaki cinsiyet tablosuna baktığımız zaman ise: erkek sayısı 5, kadın sayısı 3olarak bulunmuştur. Buradan anlaşıldığı üzere kadın ve erkek sayısının önceki gibi birbirine eşit çıkmamasının sebebi 3.00 diye bir değişken yazmış olmamız ancak bu değişkenin tanımlı olmamasıdır. Bu yüzden percent ve valid percent değerleride değişmektedir.

BÖLÜM III

İKİ DEĞİŞKENLİ SIKLIK ANALİZİ

Eğer ki sadece 2 değişken arasındaki ilişkiyi satır ve sütun şeklinde incelemek istiyorsak iki değişkenli sıklık analizi yani crosstabs yapmalıyız. Peki spss ile bu işlem nasıl yapılır?

c1.jpg

İlk olarak analize giriyoruz. Bunun ardından descriptive statistics dedikten sonra crosstabs yani iki değişkenli sıklık analizine tıklıyoruz. 

c2.jpg

Bu işlemin devamında ise row  dediğimiz yere yani satıra yerleştirmek istediğimiz column kısmına ise sütuna yerleştirmek istediğimiz değişkeni karşıya atıyoruz.

c3.jpg

Verileri karşıya atma işlemini gerçekleştirdikten sonra sağ köşede bulunan cells’e tıklıyoruz ve row’u işaretledikten sonra continue diyerek okeyliyoruz.

c4.jpg

Okeyledikten sonra bu tablo ile karşılaşacağız. Burada 2.tabloya baktığımızda crosstabs yaptığını görmekteyiz. Bu tabloyu yorumlayacak olursak 26-35 yaş arası bireylerden 1 kişi varmış ve ortaokul mezunuymuş. Ancak 36-45 yaş arası  5 birey bulunmaktadır ve bunlardan 1’i ilkokl, 3’ü ortaokul ve 1 ‘ide lisedir.

BÖLÜM IV

ÖLÇEĞİN TOPLAM PUANINI BULMA

Bir ölçeğin oplam puanını bulmak istiyorsak bunu Spss ile çok ksıa bir yoldan yapabiliriz. Nasıl mı ?

o1.jpg

İlk adımımız transforma gelerek compute veriableye tıklamaktır. 

o2.jpg

İkinci adımımız ise target veriable yazan kısıma yeni atanacak olan değişkenimize isim yazmaktır. Bunun için genelde toplam yazılmaktadır. Bu yüzden toplam yazmayı tercih  etti. Ardından numeric expression yazan kısıma geldiğimizde ise toplamak istediğimiz maddeleri teker teker yana atıyoruz(araya toplama işaretini tabloda görüldüğü gibi ordan eklemek mümkün). Son olarak ok diyoruz ve kapatıyoruz.

o3.jpg

Artık toplam puanı oluşturmuş bulunmaktayız.

BÖLÜM V

HATALI/KAYIP VERİ BULMA VE DÜZELTME

Verilerimiz girdik peki doğru girdiğimizi nasıl anlayacağız? Hatalı veya kayıp verimiz var mı? Bunun için Spss’te şu yollara izleriz:

k1.jpg

İlk olarak analize giriyoruz. Buradan ise missing value analysis yazısına tıklıyoruz.

k2.jpg

Bu adımda ise missing value analysis dedikten sonra karşımıza bu sekme çıkmaktadır. Buradan kutucuk içine aldığım noktalara bakalım.

Quantitative veriable ve categorical veriables: Burada kafanız karışabilir. Burada şimdi ben hangi değişkeni nereye atacağım tereddütü yaşanabilir. Bunu çözmek çok basit. Nicel değişkenimizi Quantitativeve nitel değişkenimizide categorical dediğimiz bölgeye atıyoruz. Yani bu durumda cinsiyet değişkeni nitel bir değişken olduğu için onu categorical bölgeye atarken yaş nicel bir değişken olduğu için onu ise üst kısıma atıyoruz.

k3.jpg

Değişkenlerimizi doğru yerlere attıktan sonra okey diyoruz ve önümüze bir tablo çıkıyor.

k4.jpg

Burada açılan tabloda cinsiyette bir kayıp veri olduğunu gördük.

Peki kayıp veriyi bulduktan sonra ne yapacağız?

k5.jpg

Kayıp veriyi bulduktan sonra bunu düzeltmek için ilk olarak transform ve oradanda replace missing valuese geliyoruz.

k6.jpg

Replace missing valuese tıkladıktan sonra karşımıza bu sekme çıkacaktır. Buaca new veriable demek hangi veriniz kayıp yani yeni veri atamak istediğiniz değişken hangisidir demek oluyor. Burada az önce kayıp veri bulduğumuz cinsiyeti karşıya atıyoruz.

Not: Method her zaman series mean olmalıdır.

k7.jpg

Son adım olarak okey diyoruz ve data view’e gelip baktığımız zaman yeni bir değişken atadığını göreceğiz.

k8.jpg

Görmekteyiz ki artık kayıp verimizin yerine cinsiyet_1 isimli yeni bir değişken atandı.

BÖLÜM VI

GÜVENİRLİK ANALİZİ

Elde ettiğimiz verilerin güvenirlik analizini Spss aracılığıyla yapabilmekteyiz. Peki nasıl?

g1.jpg

İlk adımda analiz, scale ve reliability analysis sırasını izliyoruz.

g2.jpg

Bu analizi yapmamızdaki amaç madde uyumuna bakmaktır. Bu yüzden yan tarafa sadece madde olanları atıyoruz. S1, s2 ve s3 dediklerimizi ankette yer alan soru1, soru2 ve soru3 olarak düşünebiliriz. Maddeleri yan tarafa attıktan sonra ok diyoruz.

g3.jpg

Ok dedikten sonra açılan sekme budur. Burada bizim için alttaki tabloya bakmak yeterli olacaktır. Alttaki tabloda items yazan ve 3 ile belirtilen kısım kaç adet olduğunu belitmektedir. Biz az önce 3 maddeyi yana attık ve item bu yüzden 3 gözüküyor. Onun hemen yanında ise cronbach alfa katsayısı vardır. Bizim için asıl önemli olan bu noktadır. Bzim yaptığımız analiz sonucu cronbach alfa . -333 çıkmıştır ve bu düşük bir değerdir. Güvenirlik .50 altında olduğu zaman güvenirliğin yüksek olduğu söylenemez. Bu sosyal bilimlerde .75-80 civarı istenir ancak .90 çıkması anormal olarak karşılanır. Bunun sebebi Bir insanı bu kadar güvenilir ölçemezsiniz. Bunun tam zıttı olarak sosyal bilimlerde .60 altına düşüldüğü zaman güvenirlik düşmektedir.

Sonuç cümlesi: Sınavda 3 maddeden oluşan ölçeğin cronbach alfa kat sayısı . -333’tür. (Güvenirlik)

BÖLÜM VII

KORELASYON VE SPSS

En az iki veya daha fazla değişken arasındaki ilişkiye korelasyon ile bakılmaktadır. Unutulmamalıdır ki korelasyonda bir ilişkiden söz ederiz ancak bir etkiden söz edemeyiz.  Örneğin gelir ve iş doyumu arasında bir ilişki vardır diyebilmekteyiz ancak gelir iş doyumunu etkiler diyemeyiz

Korelasyon çift yönlüdür. Gelir ve iş doyumu arasındaki ilişkiye bakacağımız zaman gelir arttıkça iş doyumu artar diyemeyiz. Çünkü iş doyumu arttığı zaman gelirde artabilir. Bu yüzden çift yönlüdür. Tabi ki bunun ender olduğu durumlarda vardır. Mesela sigara kanser ilişkisine baktığımız zaman kanser arttıkça sigara artmaz. Sigara arttıkça kanser artar. Burada ise tek yönlüdür. 

ko1.jpg

İlk olarak analiz, correlate ve bivariate sırasını takip ederek işlemleri gerçekleştiriyoruz.

ko2.jpg

Bakmak istediğimiz iki değişkeni yan tarafa atarak okey diyoruz.

ko3.jpg

Daha sonra karşımıza bu tablo çıkmaktadır. Burada baktığımız zaman satırdaki gelir ile sütundaki gelirin birbirine eşleştiği nokta 1’dir. Yani bir şeyin kendisi ile ilişkisi 1 demek oluyor. Fark ettiyseniz üstte yazan rakamlar alttada yazmaktadır. Bunun sebebi korelasyonun çift yönlü olmasıdır. Bu tabloda bakmamız gereken 2 püf nokta vardır. İlk nokta sig(2-tailed) değerine bakıyoruz Eğer ki bu değer .05 altıysa anlamlı bir ilişki vardır diyebiliriz. Yani ilişkinin anlamlı olup olmadığına baktık.  Bundan sonra ise pearsom correlationa geliyoruz. O ‘da hangi düzeyde ilişki olduğunu belirtir.

Sonuç cümlesi: Yapılan korelasyon testi sonucunda gelir ve iş doyumu arasında (r: .67) istatistiksel olarak anlamlı bir ilişki olduğu kanısına varılmıştır.

Mesela arık 2 değil 2’den daha fazla değişken arasındaki ilişkiye bakmak istiyoruz. Tüm yollar aynı bu sefer daha fazla değişken atıyoruz.

ko4.jpg

ko5.jpg

Burada tekrardan sig(2-tailed)ile anlamlılığa bakıyoruz. İlk sıraya baktığımız zaman gelir sadece denetim ile zıt yönde bir ilişkiye sahipir.

Sonuç:

Yapılan korelasyon analizi sonucunda gelir ve iş doyumu (r: .0674), gelir ile yaş ( r: . 794) ve iş doyumu ile yaş (r: .768) arasında pozitif yönde anlamlı bir ilişki vardır. Ancak denetim ile gelir (r: . -49); işdoyumu (r: .-76); yaş: ( .76) arasında negatif yönde anlamlı bir ilişki vardır. 

Not: Okumakta olduğunuz metin, son derece özgün bir çalışmadır. İzinsiz kopyalanması ve farklı sitelerde yayınlanması yasal değildir. dergipdr@gmail.com'dan bize ulaşabilirsiniz.

Bu haber toplam 363151 defa okunmuştur

HABERE YORUM KAT
UYARI: Küfür, hakaret, rencide edici cümleler veya imalar, inançlara saldırı içeren, imla kuralları ile yazılmamış,
Türkçe karakter kullanılmayan ve büyük harflerle yazılmış yorumlar onaylanmamaktadır.
8 Yorum