JASP Rehberi 2: Betimsel İstatistikler, Görselleştirme ve Normallik Testleri

Veri analizine başlarken yapılan en büyük hatalardan biri, veri setini tanımadan ve varsayımları test etmeden doğrudan hipotez testlerine (T-testi, ANOVA vb.) geçmektir. İstatistiksel analizin ilk ve en kritik adımı Betimsel İstatistikler (Descriptive Statistics) ile verinin genel yapısını anlamak ve Normallik Dağılımını (Normality Test) incelemektir.

Bu rehberde, JASP üzerinde merkezi eğilim ölçülerini hesaplamayı, akademik kalitede grafikler üretmeyi ve parametrik test seçiminin temeli olan normallik testlerini eksiksiz uygulamayı öğreneceksiniz.

1. Betimsel İstatistikler Neden Önemlidir?

Betimsel istatistikler, karmaşık veri kümelerini özetleyerek anlamlı ve anlaşılır hale getirir. Analiz sürecinde iki temel ölçüt grubundan faydalanılır:

• Merkezi Eğilim Ölçüleri: Verilerin hangi değer etrafında toplandığını gösterir.
  • Ortalama (Mean): Verilerin toplamının veri sayısına bölümüdür. Aşırı uç değerlerden (outliers) çok çabuk etkilenir.
  • Medyan (Ortanca): Küçükten büyüğe sıralanan verilerin tam ortasındaki değerdir. Uç değerlerin bulunduğu çarpık dağılımlarda ortalamaya göre daha güvenilirdir.
  • Mod (Tepedeğer): Veri setinde en sık tekrar eden değerdir.
• Yayılım (Dağılım) Ölçüleri: Verilerin merkezden ne kadar uzaklaştığını açıklar.
  • Standart Sapma (Standard Deviation): Veri noktalarının ortalamadan ne kadar saptığının ortalama ölçüsüdür.
  • Varyans (Variance): Standart sapmanın karesidir.
  • Çeyrekler Arası Genişlik (IQR): Verinin ortadaki %50’lik kısmının yayıldığı aralıktır (75. yüzdelik – 25. yüzdelik).

2. JASP’ta Betimsel İstatistik Analizi Adım Adım

JASP arayüzünde betimsel istatistikleri çalıştırmak SPSS’e göre çok daha hızlı ve pratik bir süreçtir:

1. Analiz Menüsüne Giriş: Üst menü çubuğunda yer alan “Descriptives” butonuna tıklayın.
2. Değişken Seçimi: Sol panelde yer alan değişken listenizden analiz etmek istediğiniz sürekli değişkeni (örneğin Sınav Puanı veya Yaş) seçerek sağ taraftaki “Variables” kutusuna aktarın.
3. Gruplama (Opsiyonel): Eğer analizlerinizi alt gruplara göre ayırmak istiyorsanız (örneğin Cinsiyet veya Eğitim Düzeyi), kategorik değişkeninizi “Split” kutusuna sürükleyin.
4. İstatistik Seçenekleri:“Statistics” sekmesini genişleterek eklemek istediğiniz değerleri işaretleyin:
   • Central Tendency: Mean, Median, Mode.
   • Dispersion: Std. deviation, Variance, IQR, Minimum, Maximum.
   • Distribution: Skewness (Çarpıklık) ve Kurtosis (Basıklık).

JASP, sağ taraftaki sonuç panelinde tabloyu anında APA 7 standartlarında oluşturur.

3. Grafik Oluşturma ve Görselleştirme

Veriyi görselleştirmek, dağılımın şeklini ve uç değerleri fark etmek için şarttır. JASP’ta “Plots” sekmesi altından şu grafikleri tek tıkla oluşturabilirsiniz:

• Distribution Plots (Dağılım Grafikleri / Histogram): Verinin frekans dağılımını gösterir. Üzerine “Display density” seçeneği işaretlenerek çan eğrisi ekenebilir.
• Boxplots (Kutu Grafikleri): Medyanı, çeyrelikleri ve aykırı (uç) değerleri saptamak için en etkili grafik türüdür. “Label outliers” seçeneği ile aykırı değerlerin hangi veri satırına ait olduğu doğrudan grafik üzerinde etiketlenebilir.
• Q-Q Plots (Quantile-Quantile): Verilerin teorik normal dağılım çizgisine ne kadar yakın durduğunu görsel olarak değerlendirmenizi sağlar.

4. Normallik Varsayımı ve Shapiro-Wilk Testi

Bir araştırmada Parametrik testler (İlişkisiz T-Testi, ANOVA vb.) mi yoksa Non-parametrik testler (Mann-Whitney U, Kruskal-Wallis vb.) mi kullanılacağına karar veren en temel kriter Normallik Varsayımıdır.

JASP’ta normallik testini çalıştırmak için Descriptives > Statistics > Distribution altındaki “Normality” kutucuğunu işaretlemeniz yeterlidir. JASP otomatik olarak Shapiro-Wilk testini çalıştıracaktır.

Shapiro-Wilk Test Sonuçlarının Yorumlanması:

• Null Hipotez ($H_0$): Veri dağılımı ile normal dağılım arasında anlamlı bir fark yoktur (Veri normal dağılmaktadır).
• p Değeri Değerlendirmesi:
  • $p > 0.05$ ise: Normallik varsayımı SAĞLANMIŞTIR. Analizde Parametrik testler tercih edilir.
  • $p < 0.05$ ise: Normallik varsayımı RADDEDİLMİŞTİR (Veri normal dağılmamaktadır). Analizde Non-parametrik testler tercih edilmelidir.

(Not: Örneklem sayısı 50’den küçük olduğunda Shapiro-Wilk testi istatistiksel literatürde en güçlü ve güvenilir normallik testi olarak kabul edilir.)

5. Betimsel İstatistik ve Normallik Testi

Aşağıdaki interaktif widget üzerinden betimsel istatistikler ve normallik testi ile ilgili bilginizi test edebilirsiniz.

Sık Yapılan 3 Analiz Hatası

1. Örneklem Boyutunu İhmal Etmek: Çok büyük örneklemlerde ($N > 300$) Shapiro-Wilk testinin küçük sapmalara karşı aşırı hassaslaşıp $p < 0.05$ verebileceği unutulmamalı, bu durumda Çarpıklık-Basıklık (Skewness-Kurtosis) değerleri da incelenmelidir (Örn: -1.5 ile +1.5 arası kabul edilir).
2. Kategorik Değişkenlerde Ortalama Hesaplamak: Cinsiyet veya eğitim düzeyi gibi nominal/ordinal değişkenlerde aritmetik ortalama hesaplamak istatistiksel bir hatadır.
3. Aykırı Değerleri Doğrudan Silmek: Kutu grafiğinde görülen her uç değer silinmemeli; ölçüm hatası mı yoksa doğal bir varyasyon mu olduğu araştırılmalıdır.

Veri Temizliği ve Normallik Değerlendirmesinde Eduvita Desteği

Tez veya akademik araştırmanızda varsayım testlerinin doğru kurgulanması, hakem incelemelerinden ve jüri değerlendirmelerinden sorunsuz geçmenin anahtarıdır. Eduvita Eğitim ve Danışmanlık olarak:

• Aykırı Değer ve Normallik Analizi: Veri setinizdeki uç değerlerin saptanması, dönüşüm (transformation) yöntemleri ve Shapiro-Wilk sonuçlarının yorumlanması.
• Grafik Tasarımı ve Raporlama: JASP çıktılarının yüksek çözünürlüklü APA 7 grafiklerine ve tablolarına dönüştürülmesi.
• Doğru Test Seçimi Rehberliği: Parametrik ve non-parametrik test ayrımının metodolojiye uygun şekilde belirlenmesi.

Analizlerinizin metodolojik açıdan eksiksiz olmasını sağlamak için uzman kadromuzla iletişime geçebilirsiniz!

Eduvita İstatistik ve Metodoloji Danışmanlığı Randevusu Alın