
SPSS'te Normallik Analizi Nasıl Yapılır: Araştırmacılar İçin Adım Adım Rehber
Danışmanınız "önce normalliğe bak" diyor ama nasıl yapılacağını açıklamıyor. Shapiro-Wilk, Kolmogorov-Smirnov, çarpıklık, basıklık, Q-Q grafikleri — hangisini kullanmalısınız? Bu pratik rehber, gerçek ekran görüntüleri ve karar kurallarıyla SPSS'teki her adımı gösteriyor.
Her Araştırmacının Karşılaştığı Normallik Sorusu
Neredeyse her parametrik istatistiksel test, verilerinizin (veya kalıntıların) normal dağılım gösterdiğini varsayar. t-testi, ANOVA, regresyon veya YEM çalıştırmadan önce bu varsayımı kontrol etmeniz gerekir. Ancak normallik testi araştırmacılar için en kafa karıştırıcı konulardan biridir — kısmen değerlendirmenin birden fazla yolu olduğu için, kısmen de ders kitaplarının hangi yöntemin kullanılacağı konusunda anlaşmazlık içinde olduğu için. Bu rehber, herhangi bir veri seti için SPSS'te takip edebileceğiniz net ve pratik bir iş akışı sunuyor.
Adım 1: Histogram ve Q-Q Grafikleriyle Görsel İnceleme
SPSS'te Analyze sonra Descriptive Statistics sonra Explore yolunu takip edin. Plots altında Normality plots with tests kutusunu işaretleyin. SPSS normal eğrilerle histogram ve Q-Q (quantile-quantile) grafikleri üretecektir. Q-Q grafiğinde veri noktalarınız yaklaşık olarak çapraz çizgi boyunca uzanmalıdır. Büyük sistematik sapmalar — S-eğrileri, çizgiden uzak kümeler veya ağır kuyruklar — normallikten sapmaya işaret eder. Görsel inceleme ilk ve en sezgisel kontrolünüzdür, ancak asla yalnızca ona güvenmeyin.
Adım 2: Çarpıklık ve Basıklık Değerleri
Explore çıktınızdaki çarpıklık ve basıklık istatistiklerini kontrol edin. Genel kural: çarpıklık ve basıklık değerleri eksi 2 ile artı 2 arasında düşerse, çoğu analiz için normallik makuldür. Bazı daha katı kılavuzlar YEM için eksi 1 ile artı 1 önerir. Z-skorları elde etmek için her değeri standart hatasına bölün. Küçük örneklemlerde (n < 50) çarpıklık veya basıklık z-skorunun mutlak değeri 1.96'yı aşarsa, orta örneklemlerde (50-300) 3.29'u aşarsa normallikten sapma düşünülür; büyük örneklemlerde ise histograma ve mutlak çarpıklığın 2'yi, basıklığın 7'yi aşıp aşmadığına bakılır (Kim, 2013). Büyük örneklemlerde önemsiz sapmalar bile istatistiksel olarak anlamlı çıkabilir, bu yüzden çarpıklık ve basıklığı her zaman görsel grafiklerle birlikte yorumlayın.
Adım 3: Resmi Testler — Shapiro-Wilk ve Kolmogorov-Smirnov
SPSS, Explore çıktısında her iki testi de sağlar. 50'nin altındaki örnekler için Shapiro-Wilk kullanın (küçük örnekler için daha güçlüdür). Kolmogorov-Smirnov (Lilliefors düzeltmesiyle) daha büyük örnekler için sağlanır, ancak daha az hassastır ve genellikle normallikten sapmayı tespit edemez. Anlamlı olmayan bir sonuç (p değeri 0.05'in üzerinde) normalliğin reddedilmediği anlamına gelir. Ancak büyük örneklerde (300 üzeri) bu testler sapma önemsiz derecede küçük olsa bile sıklıkla normalliği reddeder. Bu yüzden resmi testlere asla tek başına güvenmemelisiniz — her zaman görsel inceleme ve çarpıklık/basıklık değerleriyle birleştirin.
Veri Normal Değilse Ne Yapmalı
Verileriniz normalliği ihlal ediyorsa, ciddiyete ve analiz türünüze bağlı olarak birkaç seçeneğiniz var. Hafif normallikten sapma: çoğu parametrik test (t-testi, ANOVA, regresyon) özellikle 30 üzeri örneklerde hafif ihlallere karşı dayanıklıdır. Orta düzeyde normallikten sapma: veri dönüşümü (logaritmik, karekök veya ters) düşünün veya önyükleme (bootstrap) yöntemini kullanın (SPSS'te Bootstrap düğmesi altında mevcuttur). Ciddi normallikten sapma: parametrik olmayan alternatiflere geçin (t-testi yerine Mann-Whitney, ANOVA yerine Kruskal-Wallis) veya dayanıklı tahmin ediciler kullanın. YEM için standart ML yerine MLR (dayanıklı maksimum olabilirlik) veya WLSMV tahmin edicisini kullanın.
Veri Analizinizde Yardıma mı İhtiyacınız Var?
Normallik kontrolü, düzgün bir analiz iş akışında yalnızca bir adımdır. Future House Academy'de tüm hattı ele alıyoruz — veri taraması ve varsayım testinden son analize ve APA 7 raporlamasına kadar. SPSS, R veya AMOS'ta çalışıyor olun, analizinizin hakemlerin ve danışmanların beklediği standartları karşılamasını sağlıyoruz. Planlanan analiziniz için verilerinizin varsayımları karşılayıp karşılamadığından emin değilseniz, ücretsiz ilk danışma için bize ulaşın. Veri setinizi inceleyeceğiz ve spesifik durumunuz için en iyi yaklaşımı önereceğiz.
Kaynaklar
Kim, H.-Y. (2013). Statistical notes for clinical researchers: Assessing normal distribution (2) using skewness and kurtosis. Restorative Dentistry & Endodontics, 38(1), 52–54. https://doi.org/10.5395/rde.2013.38.1.52