Anketler tamamlandı, Excel dosyası geldi ve analiz için zaman daralıyor. Bu aşamada doğrudan SPSS tablolarına geçmek cazip görünür; ancak tez için veri temizleme adımları atlanırsa en doğru istatistiksel yöntem bile savunulması güç sonuçlar üretebilir. Temiz veri, yalnızca boş hücresi olmayan veri değildir. Araştırma sorusuna, ölçme aracına ve seçilen analize uygun biçimde kontrol edilmiş veri setidir.
Yüksek lisans ve doktora tezlerinde veri temizliği, bulguların güvenilirliği kadar danışman görüşmelerinin verimliliğini de etkiler. Amaç veriyi “mükemmel” göstermek değil; hataları görünür kılmak, gerekçeli kararlar almak ve analiz sürecini yeniden üretilebilir hale getirmektir. Özellikle eksik veri, ters maddeler, uç değerler ve yanlış kodlamalar kontrol edilmeden yapılan regresyon, yapısal eşitlik modeli veya grup karşılaştırmaları yanıltıcı olabilir.
Tez için veri temizleme adımları neden analizden önce gelir?
Bir katılımcının yaşı 222 olarak girilmişse, beşli Likert maddesinde 8 değeri varsa veya aynı kişi ankete iki kez yanıt vermişse, sorun analiz çıktısında her zaman açıkça görünmez. Ortalama, standart sapma, korelasyon ve anlamlılık değerleri bu kayıtlardan etkilenebilir. Daha kritik olanı, araştırmacının sonucu kuramsal olarak yorumlamaya başlamasıdır.
Veri temizliği ayrıca yöntem bölümünde açıklanacak kararların temelini oluşturur. Kaç gözlem çıkarıldı? Hangi ölçüte göre çıkarıldı? Eksik yanıtlar nasıl ele alındı? Ters maddeler nasıl kodlandı? Bu sorulara geriye dönük ve belirsiz cevap vermek yerine, veri seti hazırlanırken karar günlüğü tutmak gerekir.
1. Ham dosyayı koruyun ve çalışma kopyası oluşturun
İlk kural, ham veri dosyasını değiştirmemektir. Anket platformundan, Excel dosyasından veya kurum kayıtlarından alınan ilk dosya salt okunur bir arşiv olarak saklanmalıdır. Temizleme işlemleri ayrı bir çalışma kopyasında yapılmalıdır.
Dosya adlarında tarih ve sürüm kullanmak pratik bir çözümdür. Örneğin “ham_veri”, “temizleme_v1” ve “analiz_son” gibi adlandırmalar, hangi işlemin hangi dosyada yapıldığını izlemeyi kolaylaştırır. SPSS kullanılıyorsa syntax dosyasının saklanması da önemlidir. Menü üzerinden yapılan her değişiklik tekrar edilmeyebilir; syntax ise sürecin denetlenmesini sağlar.
2. Değişken sözlüğünü anket formuyla karşılaştırın
Veri setindeki her değişkenin neyi temsil ettiği net olmalıdır. Değişken adı, soru metni, ölçüm düzeyi, olası değer aralığı, eksik veri kodu ve ters kodlama bilgisi bir veri sözlüğünde yer almalıdır. Bu kontrol, özellikle birden fazla ölçek ve demografik değişken içeren tezlerde ciddi zaman kazandırır.
Örneğin cinsiyet değişkeni 1 ve 2 olarak kodlandıysa, hangi sayının hangi grubu temsil ettiği açıkça kaydedilmelidir. “0” değeri bazı dosyalarda gerçek bir kategori, bazılarında yanıtsız anlamına gelebilir. Bu ayrım yapılmadan frekans tablosuna bakmak yeterli değildir.
Aynı aşamada ölçüm düzeyi de doğrulanmalıdır. Yaş sürekli değişken olarak kullanılabilirken, eğitim düzeyi çoğu durumda sıralı kategorik bir değişkendir. Yanlış tanımlama, sonraki analiz seçimlerini etkileyebilir.
3. Tekrarlı, uygunsuz ve kapsam dışı kayıtları belirleyin
Her satırın tek bir katılımcıyı temsil edip etmediği kontrol edilmelidir. Aynı IP adresi, aynı katılımcı kodu veya aynı demografik örüntü tek başına kesin kanıt değildir; fakat yinelenen kayıt olasılığına işaret edebilir. Araştırmada benzersiz katılımcı numarası varsa önce bu değişken üzerinden kontrol yapılmalıdır.
Kapsam dışı kayıtlar da bu aşamada değerlendirilir. Araştırma yalnızca lisansüstü öğrencileri hedefliyorsa, uygunluk sorusuna göre örnekleme dahil olmayan katılımcılar belirlenmelidir. Çok kısa sürede tamamlanan anketler, tüm maddelere aynı seçeneği veren yanıtlar veya açıkça rastgele doldurulduğu görülen formlar için karar ölçütü önceden tanımlanmalıdır.
Burada denge gerekir. Her şüpheli yanıtı silmek örneklemi yapay biçimde daraltabilir. Çıkarma kararı, kişisel kanaate değil; araştırma protokolüne, yanıt kalitesi göstergelerine ve tutarlı bir kurala dayanmalıdır.
4. Kodlama, aralık ve mantık kontrollerini yapın
Frekans tabloları veri temizliğinin en hızlı teşhis araçlarından biridir. Her kategorik değişkende beklenmeyen kodlar, her sürekli değişkende ise olağan dışı minimum ve maksimum değerler incelenmelidir. Beşli Likert ölçeğinde 0, 6 veya 9 görülmesi; veri giriş hatası ya da eksik değerin yanlış kodlanması anlamına gelebilir.
Mantık kontrolleri değişkenler arası ilişkiye odaklanır. Katılımcının “çocuğum yok” seçeneğini işaretleyip çocuk sayısını 3 yazması, çalışma durumunu “işsiz” belirtip haftalık çalışma saatini 60 girmesi gibi çelişkiler değerlendirilmelidir. Bazı çelişkiler anket yönlendirmesinden, bazıları ise katılımcı hatasından kaynaklanır.
Hatalı değer bulunduğunda önce kaynak form veya orijinal kayıt kontrol edilmelidir. Doğrulanabiliyorsa düzeltilir. Doğrulanamıyorsa, araştırma planına uygun olarak eksik değer kabul edilebilir ya da ilgili gözlem için gerekçeli bir işlem uygulanabilir. Tahmin yoluyla veri uydurmak akademik olarak kabul edilemez.
5. Eksik veriyi yalnızca saymayın, örüntüsünü inceleyin
Eksik veri, tez analizlerinde en sık göz ardı edilen konulardan biridir. Önce her değişkende ve her katılımcıda eksik yanıt oranı görülmelidir. Bir katılımcının birkaç soruyu boş bırakması ile anketin yarısını boş bırakması aynı şekilde ele alınmaz.
Karar, eksikliğin miktarına ve yapısına bağlıdır. Çok düşük oranlı ve rastgele görünen eksikliklerde listwise deletion uygulanabilir. Ancak eksiklik belirli bir yaş grubunda, belirli bir ölçekte veya belirli bir soruda yoğunlaşıyorsa, basit silme işlemi örneklem yanlılığı yaratabilir. Ortalama atama kolay görünse de varyansı azaltabilir ve ilişkileri zayıflatabilir.
Daha gelişmiş araştırmalarda çoklu atama gibi yöntemler düşünülebilir. Fakat bu yöntem, yalnızca eksik veri mekanizması ve model gereklilikleri değerlendirilerek kullanılmalıdır. Tezde hangi yöntemin seçildiği, kaç gözlemin etkilendiği ve gerekçesi açıkça raporlanmalıdır.
6. Ters maddeleri ve ölçek puanlarını doğrulayın
Olumsuz ifade edilmiş maddeler, veri setindeki en yaygın hata kaynaklarından biridir. “Kesinlikle katılıyorum” yanıtı yüksek puan anlamına gelse bile ters yönlü bir maddede bu değer ölçeğin genel yönüyle çelişebilir. Ters kodlama yapılmazsa Cronbach alfa katsayısı düşebilir, faktör yapısı bozulabilir ve toplam puan yanlış hesaplanabilir.
Ters kodlama sonrası eski değişkenin üzerine yazmak yerine yeni değişken oluşturmak daha güvenlidir. Ardından madde-toplam korelasyonları, güvenirlik sonuçları ve ölçek puanının minimum-maksimum aralığı kontrol edilmelidir. Toplam puan mı, ortalama puan mı kullanılacağı da yöntem bölümünde belirtilmelidir.
Alt boyutlu ölçeklerde her alt boyut ayrı hesaplanmalıdır. Tüm maddeleri tek puanda toplamak, ölçme aracının kuramsal yapısına aykırı olabilir. Ölçeğin Türkçe uyarlama çalışmasındaki öneriler ile tezinizin örneklem özellikleri birlikte değerlendirilmelidir.
7. Aykırı değerleri istatistiksel ve kuramsal olarak değerlendirin
Aykırı değer, mutlaka silinecek veri demek değildir. Bazı değerler giriş hatasıdır, bazıları ise araştırılan grubun gerçek özelliğini yansıtır. Bu nedenle tek bir ölçüte dayanmak yerine kutu grafikleri, z skorları, Mahalanobis uzaklığı, saçılım grafikleri ve etki istatistikleri birlikte incelenmelidir.
Tek değişkenli uç değer ile çok değişkenli uç değer farklıdır. Bir katılımcının yaş puanı normal aralıkta olabilir; ancak birçok değişkenin sıra dışı birleşimi nedeniyle regresyon modelini etkiliyor olabilir. Özellikle regresyon, lojistik regresyon, MANOVA ve yapısal eşitlik modeli öncesinde bu kontrol önem kazanır.
Bir gözlem çıkarılacaksa, neden çıkarıldığı kaydedilmelidir. Analizi aykırı değerli ve aykırı değersiz şekilde karşılaştırmak da faydalı olabilir. Sonuçlar değişmiyorsa kararın etkisi sınırlıdır; ciddi biçimde değişiyorsa bulgular daha ihtiyatlı yorumlanmalıdır.
8. Analiz varsayımlarını temizliğin son kontrolü sayın
Veri temizliği, dosyada hata bulmakla bitmez. Seçilecek analize göre normallik, doğrusallık, varyans homojenliği, çoklu bağlantı, bağımsızlık ve örneklem yeterliliği gibi varsayımlar kontrol edilmelidir. Her varsayım her analiz için aynı ağırlıkta değildir.
Örneğin büyük örneklemlerde normallik testleri küçük sapmalara bile anlamlı sonuç verebilir. Bu yüzden yalnızca p değerine bakmak yerine çarpıklık-basıklık, histogram, Q-Q grafikleri ve analiz türü birlikte ele alınmalıdır. Bağımsız örneklem t testi ile yapısal eşitlik modeli için kabul edilebilir koşullar ve çözüm seçenekleri aynı değildir.
Varsayım ihlalinde veri üzerinde gereksiz dönüşüm yapmak her zaman doğru çözüm değildir. Parametrik olmayan test, sağlam standart hata, bootstrap veya farklı bir modelleme yaklaşımı daha uygun olabilir. Seçim, araştırma sorusunu korumalı ve tezde savunulabilir olmalıdır.
Temizleme kararlarını raporlanabilir hale getirin
Danışmanınızın “Kaç kişiyi neden çıkardınız?” sorusuna tek cümleyle net yanıt verebilmeniz gerekir. Bunun için yapılan her işlem; tarih, değişken, sorun, uygulanan yöntem ve gerekçe ile kaydedilmelidir. Bu kayıt, yöntem bölümünü yazmayı kolaylaştırır ve revizyon sürecinde aynı dosyaya güvenle dönmenizi sağlar.
Bulgular bölümünde tüm teknik ayrıntıları sıralamak gerekmez. Ancak örneklemden çıkarılan kayıt sayısı, eksik verinin ele alınış biçimi, ters kodlama, güvenilirlik analizi ve kritik varsayım kontrolleri şeffaf biçimde belirtilmelidir. APA uyumlu raporlama, yalnızca tablo biçimi değil; analitik kararların izlenebilir olmasıdır.
Veri temizliği için yeterli zaman ayırmak, analiz aşamasını yavaşlatmaz; çoğu zaman son dakika düzeltmelerini önler. Dosyanız karmaşıksa veya seçtiğiniz model yüksek düzeyde teknik kontrol gerektiriyorsa, Akademik Analiz gibi analiz odaklı uzman desteğiyle ham veriden raporlanabilir bulgulara giden süreci sistematik biçimde planlamak, tez teslim takvimini daha güvenli yönetmenize yardımcı olabilir.