Marmara Üniversitesi

SPSS Kullanımına İlişkin Teknik Bilgiler



DEĞİŞKEN TANIMLAMA

Her bir değişkenin;

  • Name: Adı
  • Type: Tipi (Numeric, dot, date, string…),
  • Witdh: Uzunluğu,
  • Decimals: Değişken sayısal ise kesirli kısmı,
  • Labels: Etiketi, ve Value: Etiket değeri , Missing Values: Hatalı verilerin tanımı,
  • Columns: Kolon genişliği, Align: Sağa-sola bitişik yada ortalı olması,
  • Measure: Ölçüm düzeyi. ( String ise nominal [adsal] yada ordinal [sıralı], numeric ise bunlara ek olarak scale [ölçekli] )

Yalnızca değişken adı yazılırsa spss otomatik olarak değişkenle ilgili varsayılan bazı özellikleri ekler.

Değişken tipi

Numeric yazılı kutucuğun sağındaki buton üzerine tıklanırsa variable type diyalog penceresi açılır. Kullanıcı değişken tipini belirtmez ise, spss bunu numeric olarak kabul eder, uzunluk (width) olarakda 8 basamaklı ve kesirli (decimals) kısmını da 2 basamak olarak atar.

Sık kullanılan değişken tipleri “numeric”,”string” ve “date”tir. Yalnızca sayısal değerler girilecek bir değişkenlerin tipi numeric olarak tanımlanmalı, rakam dışında karakterle de varsa string olarak tanımlanmalıdır.

image002

HATALI DEĞİŞKEN TANIMLAMA

Hatalı değerlerin tanımlanması

Hangi değişkenlerin hatalı olacağını kullanıcı tarafından tanımlanabilir. Hatalı veriler için;

  1. “Discrete missing values” altında 3 kutucuk bulunmaktadır. Buraya hatalı olarak kabul edilecek 3 ayrı değer girilebilir.
  2. ” Range plus …..” altında bulunan “Low” alt sınır, “High” üst sınır olmak üzere bu iki değer arası hatalı olarak tanımlanabilir, ayrıca bir de ayrı bir değer girilebilir. “Range plus …” altındaki kutucuklar sayısal değişkenler için kullanılır, string değişkenlerde kullanılmaz.

image004

ETİKET YAZMA

Değişkenlere etiket yazmak gereksiz bir iş değildir. Tüm değişkenlerin etiketi yazılmasında yarar vardır.

Values yazan kolon ise özellikle sıralı (ordinal) ve isimsel (nominal) değişkenler için önem taşımaktadır. Burada her bir değere karşılık gelen etiket yazılmalıdır.

Değer etiketi (value labels) oluşturmak için;

  1. İlgili değişkenin satırı ile “Values” kolonunun kesiştiği kutucuğa tıklayınız
  2. “Value labels” diyalog penceresinde değeri ve değerin etiketini yazınız
  3. “Add” düğmesine basınız

Tanımlanmış bir değişkeni geri almak için;

  1. Fare ile değer ve etiketi üzerine tıklayınız
  2. “Remove” tuşuna basınız

Değişiklik için;

  1. Fare ile değer ve etiketi üzerine tıklayınız
  2. “Change” tuşuna basınız

image006

SPSS FİLE MENÜSÜ

  1. New sekmesi ile, yeni veri, çıktı, makro ve program dosyası oluşturulabilir.
  2. Open sekmesi ile, daha önce kayıt edilmiş veri, çıktı, makro ve program dosyaları açılabilir.
  3. Open Database ile, veritabanı sürücüleri eklenebilir
  4. Read Text Data sekmesi ile, metin dosyası biçeminde girilen veri dosyaları aktarılabilir
  5. Save sekmesi ile, kayıt yapılır
  6. Save as sekmesi ile, farklı isimde ya da yere dosya kayıt yapılabilir
  7. Display Data Info.. sekmesi ile veri dosyası hakkında bilgiler elde edilir.
  8. Apply Data Dictionary.. ile herhangi bir veri sözlüğü aktif veri dosyasına uygulanabilir
  9. Cache data ile, veri dosyasının geçici bir kopyası oluşturulur
  10. Print sekmesi yazdırmak amacı ile kullanılır
  11. Print preview ile baskı önizleme yapılabilir
  12. Switch server, ağ altında çalışan bilgisayrlarda kullanılılır
  13. Recently used data sekmesi, son kullanılan veri dosyalarını gösterir
  14. Recently used files sekmesi, son kullanılan dosyaları gösterir

image008

METİN BİÇİMİNDEKİ VERİ DOSYASINI OKUMA

Bir çok kelime işlem yazılımı ile asci biçeminde veri dosyası oluşturulabilir. Oluşturulan bu veri dosyalarını spss’e aktarmak için;

  1. File menüsünden Read ASCI Data sekmesi seçilmelidir.
  2. Dosyanın bulunduğu dizin ve dosya seçimi yapılarak açılmalıdır ( Şekil 1).
  3. Altı adımda metin dosyasını yükleyen bir sihirbaz çalışacaktır. ( Şekil 2)
  4. İlk adımda “Daha önceden tanımlanmış biçemli bir dosya ile eşleştirme yapılmasını istiyor musunuz” sorusu yanıtlanmalıdır.
  5. İleri adımlarda metin biçemli veri dosyası ve oluşturulmak istenen dosyaya ilişkin sorular sorulmaktadır.

image010

image012

SPSS VERİ EDİTÖRÜ

SPSS veri editörü ızgara şeklinde olup, her bir satırda bir kişiye ilişkin değişkenler girilir.Kişiye ilişkin değişkenlerin ismi soluk olarak gösterilen “var” düğmelerine çift tıklatılarak tanımlanabilir.

image013

Veri editörünün en altında bulunan “variable view” sekmesi ile değişkenler tanımlanabilir.

Değiken tanımlarken dikkat edilmesi gereken kurallar;

  1. Uzunluğu 8 karakteri geçmemeli
  2. Boşluk olmamalı
  3. (Yalnızca Türkçe’de olan karakterler kullanılmamalı; ş,ç,ö,ğ gibi),
  4. Her değişkeninin ismi farklı olmalıdır.
  5. Özellikle isimsel değişkenlerin etiketlenmesi önemlidir

image014

Değişken tanımlama penceresinin her satırı yalnızca bir değişkene ilişkin özellikleri tanımlamak amacı ile kullanılır. Değişkeninin adı, tipi, etiketi, isimsel ve sıralı değişkenlerde değerlerin etiketi, hangi değerlerin hatalı veri olarak algılanacağı tanımlanmalıdır.

VERİ KONTROLÜ

Veri girişi tamamlandıktan sonra analizlere geçmeden önce, veri girişi sırasındaki olası hataların kontrolü ve gerekli düzeltmelerin yapılması gerekmektedir. Bunun için hem SPSS’in özelliklerinden hem de basit istatistiksel işlemlerden yararlanılmaktadır.

  1. Veri etiketleri yardımı ile veri kontrolü: Yukarıda açıklandığı gibi gruplanmış verilerde, her bir grubun araştırmacı tarafından tanımlanmış bir “değeri” (Value) ve bir “etiketi” (Label) bulunmaktadır. Eğer Data Editor penceresindeki kontrol düğmelerinden veri etiketi (Value labels) düğmesine basılırsa ya da, menü çubuğundan “Görünüm – Veri etiketleri (View – Value Labels) komutu aktif hale getirilirse veri girişi sırasında doğrudan etiketler görülecektir. Örneğin; veri tabanında olguların cinsiyet kodları (1,2) girildiğinde, kodlar yerine etiketleri ile (erkek, kadın) olarak görülecektir.
  2. Frekans tabloları ve dağılım özellikleri ve grafikler yardımı ile veri kontrolü: SPSS’in istatistiksel analiz yeteneklerini salt değişkenlerin analizi sırasında değil, aynı zamanda verinin kontrolü amacı ile de kullanmak olası. Bu amaçla “İstatistik – Özet” (Statistics – Summarize) menüsü kullanılabilir. Bu menüden, sayımla belirlenen gruplanmış veriler için frekans tabloları (Frequencies), ölçümle belirlenen veriler için ise aritmetik ortalama, standart sapma, minimum ve maksimum değer gibi tanımlayıcı ölçütler (Descriptives) alınabilir. Ya da yine aynı menüden “veri incelemesi” (Explore) yapılabilir. Böylece veri girişi sırasında gözden kaçan hatalı verileri saptayıp düzeltmek olasıdır. Örneğin; kadın olguları tanımlamak için kullanılan “2” kodu yerine 22 girilmiş olgular frekans tabloları yardımı ile, ya da g/dl cinsinde hemoglobin değeri 12.8 yerine 128 olarak girilen bir olgu ortalama ve maksimum değerleri kontrol ederek saptanabilir. Veri kotrolü için SPSS’in grafik olanaklarından da yararlanmak olasıdır.

SPSS “İstatistik – Özet” (Statistics – Summarize) menüsü yardımı ile veri kontrolü ile ilgili adımlar bu bölümün sonunda “Verinin Özetlenmesi” başlığı altında ele alınmıştır. Grafik yapımı ile ilgili bilgiler ise ayrı bir bölümde bulunmaktadır.

VERİ DÖNÜŞÜM (Transformation) İŞLEMLERİ

Araştırmanın veri toplama aşamasında elde edilen ham veriler kimi zaman yapılmak istenen analiz için yeterli olmayabilir. Örneğin; olguların boy uzunlukları ve beden ağırlıkları ile ilgili veriler toplanmış olabilir fakat beden kitle indekslerinin ayrıca hesaplanması, daha sonra da olguların beden kitle indekslerine göre zayıf, normal ve şişman diye gruplanması gerekebilir.

Bu ve benzeri küçük hesaplamaları, veri dönüşümlerini SPSS ile yapmak olasıdır. Bunun için yine menü çubuğundaki “dönüşüm” (Transform) komutunun farklı özelliklerinden yararlanılmaktadır. Sağlık alanındaki çalışmalarda en sık kullanılan “hesaplama” (Compute) ve “yeniden kodlama” (Recode) komutlarının kullanımını yine örnek veri tabanı yardımı ile özetleyelim.

Olguların beden kitle indekslerinin (BKİ) hesaplanması gerektiğini kabul edelim. Bilindiği gibi BKİ, kilogram cinsinden beden ağırlığının metre cinsinde boy uzunluğunun karesine bölünmesi ile hesaplanır (BKİ=kg/m²). Veri topama aşamasında beden ağırlığı kilogram cinsinden, fakat boy uzunluğu santimetre olarak toplanmıştır. Bu nedenle öncelikle boy uzunluğunun metreye dönüştürülmesi sonra da beden kitle indeksinin hesaplanması gerekmektedir.

image015

Hesaplama (Compute)

“Dönüşüm – Hesaplama” (Transform – Compute) komutu ile açılan “Değişken Hesaplama” (Compute Variable) penceresi araştırmacıya veri tabanındaki değişkenler üzerinde birçok farklı hesaplama işlemini yapabilme olanağı verir. İlk bakışta karmaşık görünmekle birlikte kullanımı kolay bir penceredir. Yapılacak işlemleri özetlemeden önce pencere üzerindeki işlem düğmelerinin işlevlerine göz atmakta yarar var.

Düğme İşlevİ
+ Toplama
Çıkarma
* Çarpma
/ Bölme
** Üstel fonksiyon (Ör; karesi için **2)
< Küçük
<= Küçük eşit
= Eşit
& Ve
~ Değil
> Büyük
>= Büyük eşit
~= Eşit değil
| Veya
( ) Gruplama parantezi

Bu düğmeler dışında pencerede görülen “eğer” (If…) düğmesi, eğer yapılacak işlemin değişkendeki tüm veriler yerine belli koşulları taşıyan verilere yapılması isteniyorsa koşulları belirtmek için kullanılan yeni bir pencere komut düğmesidir. Örneğin, hesaplama “boy<178” olan olgularda yapılmak istenebilir. Ya da “cinsiyet=1 & bdağ>75” gibi bir ön koşul konulabilir ki bunun anlamı, istenen hesaplamanın sadece erkek (cinsiyet=1) ve beden ağırlığı 75 kilogramdan fazla olan olgularda yapılması gerektiğidir.

image016

Bu pencerede yapılacak işlemler şöyle sıralanabilir;

  1. Hesaplama sonuçlarının kaydedileceği bir “hedef değişken” (Target Variable) belirlenmelidir. Bu veri tabanında ilk olarak boy uzunluklarını metreye dönüştürmek gerekiyordu. Yeni boy uzunluklarını “boym” isimli bir değişken olarak kaydedilebilir. Bunun için pencerenin sol üst köşesindeki “Target Variable” kutusuna “boym” yazmak yeterlidir.image017
  2. Değişkenler ve işlem düğmeleri yardımı ile hesap işleminde kullanılacak formül, “formül” (Numeric Expression) kutusuna yazılmalıdır. Burada kullanılacak formül, “boy/100”dür. Bunun için penceredeki değişken aktarma düğmesi ile boy değişkeni formül kutusuna aktarılıp, formülün “/100” bölümü işlem düğmeleri ya da klavye yardımı ile yazılır. “OK” komutu ile işlemin sonucu, veri tabanının son kolonunda, “boym” değişken adı altında otomatik olarak görülecektir.
  3. Şimdi yapılması gereken ikinci işlem, beden kitle indeksini (BKİ) hesaplamaktır. Bunun için de “hesaplama” (Compute Variable) penceresinde “hedef değişken” (Target Variable) kutusuna değişken ismi olarak “bki”, formül kutusuna ise, “bdağ/boym**2” formülünü yazıp “OK” düğmesine tıklamak yeterlidir.

image018

Yapılan bu iki aşamalı hesaplama işleminden sonra artık veri tabanında olguların beden kitle indeksleri de analize hazırdır.

Yeniden Kodlama (Recode)

“Dönüşüm” (Transform) menüsünden girilen bir diğer komut “yeniden kodlama” (Recode) komutudur. Bir değişkendeki olguları farklı bir şekilde kaydetmek ya da yanlış bir kodlamayı düzeltmek için kullanılabilen çok işlevli ve yararlı bir komuttur.

image019

Komutun iki seçeneğinden birisi “aynı değişken üzerine kodla” (Recode Into Same Variables…) yeni kodlamayı eskisi ile değişmeyi hedefleyen bir işlem yaparken, diğeri “farklı değişken üzerine kodla” (Recode Into Different Variables) yeni kodlamayı farklı bir değişken ismi ile kaydeder. Önerilen, eğer hatalı bir kodlama yoksa, olası gereksinimleri düşünerek ham verileri kaybetmemek ve yapılacak düzenlemeleri yeni bir değişken ismi ile kaydetmektir.

Dünya Sağlık Örgütü standartlarına göre beden kitle indeksi 18.50-24.99 kg/m² değerleri arasında olan kişiler normal, 18.49 kg/m² ve altı zayıf, 25.00 kg/m² ve üzeri ise şişman olarak kabul edilmektedir. Eldeki BKİ değerleri bu sınır değerler yardımı ile zayıf, normal ve şişman olarak gruplanabilir. Bunu için zayıfa karşılık “1”, normale karşılık “2”, şişmana karşılık ise “3” kodu verilebilir. Böylece;

  1. Ölçümle belirlenen bir veri sayımla belirlenen bir veri haline dönüştürülmüş olur,
  2. Olguların şişmanlık ve zayıflık durumları hakkında yeni değerlendirme olanakları elde edilir.

Bu işlemi yapmak için önce, “farklı değişken üzerine kodla” (Recode Into Different Variables) penceresini açmak gerekmektedir. Ardından;

image020

  1. Değişimde temel olarak kullanılacak olan beden kitle indeksi verileri, “bki” adı altında sol taraftaki kutuda görünecektir. Bu değişken ortadaki işlem kutusuna aktarıldığında değişkenin karşısında beliren “–> ?” işareti, araştırmacıdan yeni kodlamanın kaydedileceği hedef değişkenin ismini istediğini belirtir. Bu kez hedef değişken, “çıktı değişkeni” (Output Variable) olarak adlandırılmıştır. Çıktı değişkeninin “ağırlık” olarak isimlendirildiğini kabul edelim. İsimlendirme yapıldıktan sonra kutunun yanındaki “değiştir” (Change) düğmesine basıldığında ortadaki kutuda “bki” isimli değişkendeki verilerin yeniden kodlanarak, “ağırlık” isimli değişkene aktarılacağı görülür.
    image022
  2. Bu işlemle değişkenleri tanımladıktan sonra, “eski ve yeni değerler” (Old and New Values…) penceresi açılmalıdır. Bu yeni pencerenin sol tarafında eski değerlerin (Old Value) farklı şekillerde girilebileceği kutular, sağ tarafta ise yeni kod değerlerinin (New Value) girileceği ve kaydedileceği kutular bulunmaktadır. Dikkat edilirse bu kutuların işlevi, değişken etiketlerinin tanımlandığı kutulardan farklı değildir.
  3. Eski değerlerin girileceği üç farklı “aralık” (Range) seçeneği vardır. Bu seçenekler kullanılırken dikkat edilmesi gereken önemli bir nokta, kutulara girilecek değerlerin de bu aralık içinde kabul edileceğidir. Örnekte; “normal” kabul edilen 18.50-24.99 kg/m² arası beden kitle indeksi değerleri ilk “aralık” (Range) seçeneğindeki kutulara girildikten sonra, normal olguları belirleyecek “yeni kod değeri” (New Value) olarak “2” yazılıp “ekle” (Add) düğmesi ile ilk kodlama değişikliği kaydedilmelidir (normal = 2).
  4. Ardından “zayıf” kabul edilen 18.49 kg/m² ve altı değerleri kodlamak için, ikinci “aralık” (Range) seçeneğindeki kutuya 18.49 değeri girilip, “zayıf”a karşılık gelecek “1” kodu ile değiştirmesi istenmelidir. Burada ikinci “aralık” seçeneğinin kullanılmasının nedeni, bu seçeneğin kutuya yazılan değer ve altındaki değerleri (Lowest through) birlikte kodlamasıdır (zayıf = 1).
  5. Son olarak da “şişman” kabul edilen 25.00 kg/m² ve üzeri olguları kodlamak için üçüncü “aralık” (Range) seçeneğindeki kutuya 25.00 değeri girilip, yeni kod değeri olarak “3” yazılıp son kez “ekle” (Add) düğmesine basılarak bu değişim de kaydedilir. Bu kez üçüncü “aralık” (Range) seçeneğinin kullanılmasının nedeni ise, bu seçeneğin, girilen değer ve üzerindekileri birlikte (through highest) kodlamasıdır (şişman = 3).

image023

Eski ve yeni değerleri tanıttıktan ve tüm değişimleri “ekle” (Add) düğmesi ile sağ taraftaki kutuya aktardıktan sonra “devam” (Continue) düğmesi ile işleme devam edilebilir. Sonuçlar veri tabanının sonunda “ağırlık” kolonunda görülecektir. Verilen etiketlerin (1= zayıf, 2= normal, 3= şişman) etkin olabilmesi için daha önce örneklendiği gibi “etiket” (Value Label) olarak programa tanıtılması gerekmektedir.