Bir tez analizinde en pahalı hata, yanlış testi seçmek değil; doğru görünen ama hatalı bir veri setiyle çalışmaktır. Tez veri seti kalite kontrolü, SPSS, AMOS, PROCESS Macro ya da başka bir programda analiz çalıştırmadan önce verinin araştırma sorusuna, ölçme aracına ve istatistiksel varsayımlara uygun olup olmadığını sistematik biçimde inceleme sürecidir. Bu aşama atlandığında tablolar teknik olarak düzgün görünebilir, ancak bulgular danışman karşısında savunulamaz hale gelebilir.
Özellikle teslim tarihi yaklaşan tezlerde veri girişi tamamlanır tamamlanmaz korelasyon, regresyon veya fark analizine geçmek sık görülen bir durumdur. Oysa birkaç yanlış kod, ters madde hatası veya gözden kaçan yinelenmiş katılımcı; ortalamaları, güvenilirlik katsayılarını ve hipotez testlerini doğrudan etkileyebilir. Kalite kontrolü, analiz süresini uzatan gereksiz bir ara adım değil, daha sonra yapılacak düzeltmeleri azaltan temel güvencedir.
Tez veri seti kalite kontrolü hangi soruları yanıtlar?
Kalite kontrolünün amacı yalnızca eksik hücreleri bulmak değildir. İyi yürütülen bir inceleme, veri setinin kimlerden oluştuğunu, değişkenlerin nasıl tanımlandığını, puanların doğru hesaplanıp hesaplanmadığını ve analiz varsayımlarını bozabilecek durumları birlikte değerlendirir.
İlk soru şudur: Veri setindeki her satır gerçekten bir katılımcıyı, her sütun ise doğru değişkeni temsil ediyor mu? Katılımcı kimliklerinin tekrar etmesi, anketin iki kez girilmesi, boş formların sisteme dahil edilmesi veya araştırma kapsamı dışındaki kişilerin örnekleme karışması bu aşamada tespit edilir. Ardından değişken etiketleri, değer etiketleri ve ölçüm düzeyleri kontrol edilir. Örneğin cinsiyet değişkeninin 1 ve 2 olarak kodlanması tek başına sorun değildir; ancak 1’in hangi grubu temsil ettiği veri dosyasında açık değilse raporlama aşamasında hata riski oluşur.
İkinci soru, değerlerin teorik olarak mümkün aralıkta olup olmadığıdır. Beşli Likert ölçeğinde 0, 6 veya 55 gibi değerler veri giriş hatasına işaret eder. Yaş değişkeninde 220, gelir değişkeninde negatif değer ya da tarih alanında tutarsız formatlar da aynı biçimde incelenmelidir. Bu kontroller basit görünür; buna rağmen birçok tezde sonuç tablolarını etkileyen temel sorunlar burada ortaya çıkar.
Kontrol süreci analize başlamadan nasıl yürütülür?
Kalite kontrolü rastgele birkaç tabloya bakmakla tamamlanmaz. Araştırma deseni ve planlanan analizlerle uyumlu, kayıt altına alınabilir bir sıra izlenmelidir. Uygulamada en sağlıklı yaklaşım aşağıdaki dört alanı birlikte değerlendirmektir:
- veri yapısı ve katılımcı uygunluğu,
- kodlama, ters maddeler ve toplam puanlar,
- eksik veri, aykırı değer ve dağılım özellikleri,
- analiz varsayımları ile raporlama dosyalarının tutarlılığı.
Bu alanların her biri, kullanılacak yönteme göre farklı ağırlık taşır. Sadece iki grup arasında ortalama karşılaştırması yapılacak bir çalışmada normallik ve varyans homojenliği öne çıkabilir. Yapısal eşitlik modeli kurulacak bir tezde ise örneklem büyüklüğü, çok değişkenli normallik, uç gözlemler ve ölçüm modelinin veri kalitesi daha ayrıntılı ele alınmalıdır.
Kodlama ve ters madde denetimi
Likert tipi ölçeklerle yapılan tezlerde en kritik kontrollerden biri ters maddelerdir. Bir ölçeğin bazı ifadeleri olumlu, bazıları olumsuz yönlü yazılmış olabilir. Olumsuz yönlü ifadeler doğru biçimde ters kodlanmadan toplam puan hesaplanırsa, katılımcının aynı yapıya ilişkin tutarlı cevapları bile çelişkili görünür. Bunun sonucu Cronbach alfa değerinin düşmesi, faktör yapısının bozulması ve ilişkilerin olduğundan zayıf ya da ters yönde görünmesidir.
Ters kodlama kontrolü sadece dönüşüm komutunun çalıştırılmasıyla bitmez. Yeni oluşturulan değişkenin minimum ve maksimum değerleri, eski değişkenle mantıksal ilişkisi ve toplam puana etkisi incelenmelidir. Ayrıca alt boyut puanlarının hangi maddelerden oluşturulduğu, ortalama mı toplam mı alındığı ve boş cevapların puanlamaya nasıl yansıtıldığı açıkça belirlenmelidir.
Bu aşamada ölçeğin özgün makalesi, Türkçe uyarlama çalışması ve tezde kullanılan form birbiriyle karşılaştırılmalıdır. Aynı ölçeğin farklı uyarlamalarında madde sayısı veya alt boyut yapısı değişebilir. İnternetten bulunan bir puanlama anahtarını doğrudan kullanmak, veri setiniz için uygun sonuç vereceği anlamına gelmez.
Eksik veri: Silmek mi, tamamlamak mı?
Eksik veriyle karşılaşıldığında tek bir doğru çözüm yoktur. Önce eksikliğin miktarı ve örüntüsü değerlendirilmelidir. Katılımcının anketin büyük bölümünü boş bırakması ile birkaç maddede sınırlı eksiklik bulunması aynı şekilde ele alınamaz. Benzer biçimde, eksikliklerin belirli bir grupta yoğunlaşması araştırma sonucunda yanlılığa yol açabilir.
Liste bazında silme bazı durumlarda makul olabilir, ancak örneklem zaten sınırlıysa analiz gücünü düşürebilir. Ortalama atama kolay bir çözüm gibi görünse de varyansı azaltarak ilişkileri zayıflatabilir. Daha gelişmiş yöntemler, eksikliğin yapısına ve kurulacak modele bağlı olarak tercih edilir. Burada doğru karar, programın varsayılan seçeneğini kabul etmek değil; örneklem büyüklüğü, eksiklik oranı, değişken türü ve analiz planını birlikte değerlendirmektir.
Tez metninde de eksik veriye ilişkin karar şeffaf biçimde açıklanmalıdır. Kaç gözlem etkilendiği, hangi yaklaşımın kullanıldığı ve gerekçesi yazılmadığında danışmanın ya da jüri üyesinin en doğal sorusu şu olur: Bu katılımcılar neden çıkarıldı veya bu değerler nasıl tamamlandı?
Aykırı değerler her zaman silinmeli mi?
Aykırı değer, mutlaka hatalı veri anlamına gelmez. Çok yüksek gelir bildiren bir katılımcı, gerçekten örneklemin parçası olabilir. Buna karşılık beşli bir ölçeğe 99 girilmesi açık bir giriş hatasıdır. Bu ayrım yapılmadan her uç değeri silmek, veri setini yapay biçimde düzeltmek anlamına gelebilir.
Tek değişkenli aykırılıklar frekanslar, kutu grafikleri ve standartlaştırılmış değerlerle incelenebilir. Birden fazla değişkenin birlikte oluşturduğu sıra dışı örüntüler için Mahalanobis uzaklığı gibi yöntemler gündeme gelir. Ancak istatistiksel eşik aşıldı diye katılımcıyı otomatik olarak dışlamak doğru değildir. Anket formu, giriş kaydı, örnekleme uygunluğu ve ilgili gözlemin sonuçlar üzerindeki etkisi birlikte değerlendirilmelidir.
En güvenilir uygulama, gerekçeli bir karar vermek ve bu kararı saklamaktır. Gözlem çıkarıldıysa neden çıkarıldığı; tutulduysa analiz sonuçlarını anlamlı düzeyde etkileyip etkilemediği çalışma notlarında ve gerektiğinde yöntem bölümünde gösterilebilmelidir.
Analiz türüne göre kalite kontrolü değişir
Kalite kontrolü için herkese aynı kontrol listesini uygulamak yeterli değildir. Bağımsız örneklemler t testi veya ANOVA öncesinde grup büyüklükleri, uç değerler, normallik ve varyans homojenliği değerlendirilir. Korelasyon ve regresyonda doğrusal ilişki, çoklu bağlantı, hata terimlerinin yapısı ve etkileyici gözlemler ayrıca incelenir.
PROCESS Macro ile aracılık veya düzenleyicilik analizi planlanıyorsa değişken merkezleme tercihi, etkileşim terimlerinin kurulumu ve çoklu bağlantı riski önem kazanır. AMOS ile doğrulayıcı faktör analizi veya yapısal eşitlik modeli kurulacaksa kayıp veri yaklaşımı, örneklem yeterliliği, uç gözlemler, faktör yükleri ve uyum indeksleri birlikte ele alınır. Bir regresyon dosyasına uygun görünen veri seti, karmaşık bir ölçüm modeli için yeterli kalitede olmayabilir.
Bu nedenle kalite kontrolü, analizden kopuk bir teknik temizlik işlemi olarak görülmemelidir. Araştırma modeli baştan bilinirse hangi değişkenlerin kritik olduğu, hangi varsayımların test edileceği ve hangi raporların hazırlanacağı daha doğru planlanır.
Kontrol bulguları tez metnine nasıl yansıtılır?
Kalite kontrolünün görünmeyen kısmı kadar raporlanması da değerlidir. Bulgular bölümünde yalnızca anlamlılık değerlerini vermek ikna edici değildir. Kullanılan örneklemin son büyüklüğü, veri temizleme sonrası çıkarılan kayıtlar, eksik veriye yönelik yaklaşım ve varsayım testlerinin temel sonuçları uygun ayrıntı düzeyinde sunulmalıdır.
Burada amaç metni gereksiz teknik ayrıntıyla doldurmak değildir. Amaç, okuyucunun sonuçların hangi veri üzerinden üretildiğini izlemesini sağlamaktır. APA uyumlu tablolar, doğru ondalık gösterimler, tutarlı örneklem sayıları ve test istatistiklerinin doğru yazımı bu güveni güçlendirir. Tablo içindeki n değeri ile metindeki n değeri farklıysa, en iyi analiz bile kuşku yaratır.
Önceden yapılmış bir analizde sorun fark edildiğinde sadece ilgili tabloyu düzeltmek de yeterli olmayabilir. Bir ters madde hatası varsa güvenilirlik, betimsel istatistikler, korelasyonlar ve bu puanı kullanan tüm model sonuçları yeniden hesaplanmalıdır. Akademik Analiz kapsamında yürütülen kalite incelemelerinde bu bağlantılar özellikle değerlendirilir; hedef, tek bir çıktıyı kozmetik olarak düzeltmek değil, teslim edilecek bulguların kendi içinde tutarlı olmasını sağlamaktır.
Tezinizde veri setini erken kontrol ettirmek, danışmandan gelen düzeltmelerin önemli bir bölümünü daha oluşmadan önleyebilir. En doğru zaman, sonuç tabloları yazıldıktan sonra değil; veri dosyası ilk kez analize hazır hale geldiği andır. Böylece her kararınızın gerekçesini bilen, sonucu değil araştırma sürecini de savunabilen bir çalışma ortaya koyabilirsiniz.