İkili Korelasyon Analizinde SPSS “Options” (Seçenekler) Penceresi Nasıl Kullanılır?

Nominal Analiz
29 Eki 2025
2 dakikada okunur

SPSS’te “Bivariate Correlations” (İkili Korelasyon) penceresinin alt kısmındaki Options (Seçenekler) bölümü, analizin daha detaylı istatistiklerini görüntülemene ve eksik verileri nasıl ele alacağını belirlemene olanak tanır. Bu bölüm özellikle Pearson korelasyonu için önemlidir, çünkü burada gösterilen istatistikler ilişkiyi daha iyi anlamanı sağlar.

📊 İstatistiksel Seçenekler

SPSS, Pearson korelasyonu için iki önemli istatistiksel gösterim sunar. Bunlar analizin şeffaflığını ve veri yapısını anlamayı kolaylaştırır:

🔹 Ortalama ve Standart Sapmalar (Means and Standard Deviations)

Her değişken için ortalama (mean) ve standart sapma (standard deviation) değerlerini gösterir.
Ayrıca eksik olmayan gözlem sayısı (N) da tabloya eklenir.
Bu bilgiler, değişkenlerin dağılımını ve veri büyüklüğünü anlamak için kullanılır.
SPSS bu hesaplamaları her değişken için ayrı ayrı yapar — eksik değer ayarından bağımsızdır.

📘 Yorum Örneği:

Bir araştırmada “yaş” ve “kan basıncı” değişkenlerinin ortalamaları sırasıyla 52.4 ve 128.6 olarak bulunmuşsa, bu değerler veri grubunun genel eğilimini yansıtır.

🔹 Çapraz Sapma Ürünleri ve Kovaryanslar (Cross-Product Deviations and Covariances)

Her değişken çifti için iki istatistik görüntülenir:
1. Çapraz sapma ürünleri (cross-product deviations)
  → Değişkenlerin ortalamadan sapmalarının çarpımlarının toplamıdır.
  → Bu değer Pearson korelasyon katsayısının pay kısmını oluşturur.
2. Kovaryans (covariance)
  → Standartlaştırılmamış ilişki ölçüsüdür.
  → Çapraz sapma ürününün (N–1)’e bölünmesiyle hesaplanır.

🧠 Yani:

Kovaryans, iki değişkenin birlikte ne kadar hareket ettiğini gösterir. Pozitifse birlikte artıyorlar, negatifse biri artarken diğeri azalıyor.Ancak kovaryansın değeri ölçüm birimlerinden etkilendiği için standartlaştırılmış bir ölçü değildir — bu nedenle genellikle korelasyon katsayısı (r) tercih edilir.

Akademik Danışmanlık

SPSS Analizi & Görselleştirilmiş Rapor

Hizmeti Satın Al

⚠️ Eksik Verilerin Ele Alınması (Missing Values)

Veri setlerinde eksik gözlemler kaçınılmazdır. SPSS, bu durumlarda iki farklı yöntem sunar:

🔹 Pairwise Silme (Exclude Cases Pairwise) ✅

Her korelasyon katsayısı, sadece o iki değişkenin eksiksiz olduğu vakalar üzerinden hesaplanır.
Böylece her hesaplamada maksimum veri kullanılır.
Ancak dikkat: farklı korelasyon katsayıları, farklı örneklem sayılarıyla (N) hesaplanmış olabilir. Bu durum, tablo yorumlanırken karışıklık yaratabilir.

🧩 Avantaj: Veri kaybını minimuma indirir.

⚠️ Dezavantaj: Tablodaki N değerleri değişkenler arası farklı olabilir.

🔹 Listwise Silme (Exclude Cases Listwise)

Eğer bir vakada herhangi bir değişkende eksik değer varsa, o vaka tamamen analiz dışı bırakılır.
Böylece tüm korelasyonlar aynı örneklem büyüklüğü (N) üzerinden hesaplanır.

🧩 Avantaj: Tutarlılık sağlar, çünkü tüm katsayılar aynı vakalar üzerinden hesaplanır.

⚠️ Dezavantaj: Eksik veri oranı yüksekse, analizde ciddi örneklem kaybı olabilir.

🧠 Kısaca Hatırlatmak Gerekirse:

Seçenek	Açıklama	Avantaj	Dezavantaj
Pairwise	Her değişken çifti için geçerli vakalarla hesaplanır	Maksimum veri kullanımı	N değerleri değişken bazında farklı olur
Listwise	Herhangi bir değişkende eksik varsa, vaka tamamen çıkarılır	Tüm katsayılar aynı N’e göre hesaplanır	Veri kaybı yaşanabilir

💡 Uygulama Tavsiyesi

Eğer veri setinde eksik gözlemler azsa → Listwise kullanmak daha güvenlidir.
Eğer eksik veri farklı değişkenlerde dağılmışsa ve veri kaybı yüksekse → Pairwise seçeneğini tercih etmek daha uygundur.

Akademik Danışmanlık

Akademik Özgünlük ve İntihal Raporu