SPSS'e Veri Girişi ve Veri Temizleme Nasıl Yapılır?
SPSS'e veri girişi ve veri temizleme; değişkenleri bir kod kitabına göre tanımlama, veriyi satır ve sütun yapısında aktarma, hatalı ya da yinelenen kayıtları kontrol etme, kayıp verileri inceleme ve ters maddeleri doğru biçimde yeniden kodlama sürecidir.
SPSS'e veri girişi ve veri temizleme, analiz öncesinde verilerin doğru kodlanması, eksik veya hatalı değerlerin belirlenmesi, ters maddelerin düzenlenmesi ve veri setinin analize uygun hâle getirilmesi sürecidir. Bu adımlar, güvenilir analiz sonuçları için kritik öneme sahiptir.
Önce ham verinin değiştirilemez bir kopyasını saklayın; ardından Variable View ayarlarını, frekansları, geçerli değer aralıklarını ve mantıksal tutarlılığı kontrol edin. Analize yalnızca bütün düzeltmeler belgelendikten sonra geçin.
Yazımız içerisinde hangi kararı neye göre verdiğinizi de bulacaksınız; çünkü bir tez verisini bozan şey genellikle yanlış tıklama değil, gerekçesiz bir temizleme kararıdır.
SPSS'e Veri Girmeden Önce Ne Hazırlanmalı?
Veri girişi ekranda değil, kod kitabında başlar. Her değişken için kısa ad, etiket, veri türü, değer kodları, ölçüm düzeyi, geçerli aralık ve kayıp değer kuralı programı açmadan önce yazılı olmalıdır.
Kod kitabı, her değişkenin adını, açıklamasını, türünü, değer kodlarını, ölçüm düzeyini, geçerli aralığını ve kayıp değer kuralını tanımlayan veri sözlüğüdür.
Baktığımızda SPSS veri girişinden önce hazırlanması, aynı kodların tutarlı kullanılmasını ve hataların erken fark edilmesini destekler. Üç ay sonra "cinsiyet değişkeninde 1 hangisiydi?" sorusuna bakacağınız yer burasıdır.
Kod kitabında bulunması gereken alanlar:
- Değişkenin kısa adı (SPSS'te kullanacağınız ad)
- Açık etiket (anket maddesinin tam ifadesi)
- Veri türü (numeric, string, date)
- Değer kodları ve anlamları (1 = Kadın, 2 = Erkek gibi)
- Ölçüm düzeyi (nominal, ordinal, scale)
- Geçerli aralık (örneğin 1–5, 18–75)
- Kayıp değer kuralı (boş bırakılacak mı, 99 gibi bir kod mu kullanılacak)
Söz konusu bu listeyi doldurmak yarım saat sürer; doldurmamak ise SPSS'e veri girişi ve veri temizleme aşamasının tamamını tahmine dayalı hale getirir. Kod kitabı olmadan yapılan her düzeltme, "galiba şöyleydi" ile başlar.
Her katılımcıya benzersiz bir ID verin. ID olmadan yinelenen kayıtları ayırt edemez.
Şüpheli bir değeri kaynak forma geri götüremez ve iki dosyayı birleştiremezsiniz. ID'nin ad, e-posta, protokol numarası gibi kimlik bilgisi taşımaması gerekir.
Ham veri dosyasını ayrı ve salt okunur tutun. Temizleme her zaman çalışma kopyası üzerinde yapılır; hata fark ettiğinizde geri dönebileceğiniz bir orijinal kalmalıdır.
Klinik ya da kişisel veri topladıysanız kimliksizleştirme adımını en başa alın: ad, iletişim bilgisi ve doğrudan tanımlayıcılar analiz dosyasında yer almamalı, eşleştirme listesi ayrı ve erişimi sınırlı bir yerde saklanmalıdır.
Özellikle tıpta uzmanlık tezi kapsamında hasta veya klinik verilerle çalışılıyorsa, analiz dosyasını oluşturmadan önce veri güvenliği ve etik kurul koşulları dikkate alınmalıdır.
KVKK kapsamındaki yükümlülükler için kendi etik kurul onayınızın koşullarını da birlikte değerlendirin.
Veri güvenliği ve temizleme adımları tamamlandıktan sonra tez istatistik analizi aşamasına geçebilirsiniz. Bu aşamada kullanılacak testler; araştırma sorusu, değişken türleri, örneklem yapısı ve verinin dağılım özelliklerine göre belirlenmelidir.
SPSS'te Değişkenler Nasıl Tanımlanır?
Önce Variable View'da yapı kurulur; Data View'da her satır bir gözlem, her sütun bir değişkendir. 1 ve 2 ile kodlanmış bir kategori sayısal görünse de ölçüm düzeyi otomatik olarak scale değildir.
Bu iki sekme SPSS'e veri girişi ve veri temizleme sürecinin iskeletidir. Data View veriyi gördüğünüz tablodur; Variable View ise o verinin kurallarını yazdığınız yerdir.
Doğrudan Data View'a değer yazmaya başlamak, tanımsız bir yapıya veri doldurmak anlamına gelir.
| Alan | Ne işe yarar | Örnek |
|---|---|---|
| Name | SPSS'in kullandığı kısa değişken adı | olcek_m1 |
| Type | Veri türü (numeric, string, date) | Numeric |
| Label | Çıktılarda görünen açık ifade | "Kendimi genel olarak huzurlu hissederim" |
| Values | Sayısal kodların anlamı | 1 = Hiç katılmıyorum … 5 = Tamamen katılıyorum |
| Missing | Kayıp veri olarak sayılacak kodlar | 99 |
| Measure | Ölçüm düzeyi | Nominal / Ordinal / Scale |
Ölçüm düzeyi yalnızca bir etiket değildir: SPSS bazı menülerde ve grafiklerde bu seçime göre davranır, siz de test seçerken bu ayrımı kullanırsınız.
Cinsiyet değişkenini scale olarak bırakırsanız SPSS ortalamasını hesaplamanıza engel olmaz - sonuç istatistiksel olarak anlamsız olsa bile. Yazılım sizi bu tür hatalardan korumaz; kontrol sizdedir.
Variable View örneği
Beş değişkenlik sade bir kurulum şöyle görünür: katilimci_id (ID, numeric), yas (numeric, scale), cinsiyet (numeric, nominal, değer etiketli), egitim (numeric, ordinal), olcek_m1 (numeric).
Likert maddelerinin ölçüm düzeyi konusunda alan yazında tek bir uygulama yoktur.
Kimi araştırmacılar tek maddeyi ordinal kabul ederken toplam puanı scale olarak kullanır. Kararınızı ölçeğin özgün kullanımına ve analiz planınıza göre verin. Bu tercihi yöntem bölümünde açıkça belirtin.
Excel'den SPSS'e Veri Nasıl Aktarılır?
Excel dosyası doğrudan aktarılabilir (File > Import Data > Excel); ancak SPSS'in otomatik tür tahmini doğrulanmadan analize geçilmez. Aktarımdan sonra Type, Values, Missing ve Measure alanlarını tek tek kontrol edin.
Aktarımda yaşanan sorunların çoğu SPSS'ten değil, Excel dosyasının biçiminden kaynaklanır. İlk satır yalnızca değişken adlarını içermeli, veri ikinci satırdan başlamalıdır.
| Aktarımdan önce Excel'de | Aktarımdan sonra SPSS'te |
|---|---|
| Birleştirilmiş hücreleri kaldırın | Değişken adları doğru okundu mu? |
| Ara toplam ve özet satırlarını silin | Type doğru mu (numeric/string) |
| Renk kodlarını gerçek değişkene çevirin | Values etiketleri girildi mi |
| Bir hücrede tek bilgi bırakın | Missing kodları tanımlandı mı |
| Başlıkları tek satıra indirin | Measure düzeyleri doğru mu |
| Boş satır ve sütunları temizleyin | Satır sayısı beklenenle eşleşiyor mu |
| Tarih biçimini tek tipe getirin | Tarihler tarih olarak mı geldi |
| Ondalık ayırıcıyı kontrol edin | Ondalıklı değerler bozulmuş mu |
Aktarımın kendisi birkaç saniye sürer; SPSS'e veri girişi ve veri temizleme sürecinde asıl zaman, aktarımdan sonraki doğrulamaya gider.
SPSS her sütuna bakıp bir tür tahmin eder ve bu tahmin çoğu zaman doğrudur - ama "çoğu zaman", tez verisi için yeterli bir güvence değildir.
Renk kodları özellikle sık rastlanan bir sorundur: Excel'de "sarıya boyadığım satırlar pilot uygulama" demek SPSS'te hiçbir şey ifade etmez. Bu bilgiyi aktarımdan önce ayrı bir değişkene (grup gibi) dönüştürün.
Ondalık ayırıcı da Türkçe sistem ayarlarında sık sorun çıkarır: virgülle yazılmış 3,5 değeri string olarak okunabilir ve değişken sessizce metne dönüşür.
Aktarımdan sonra sayısal olması gereken bir değişkenin sol tarafında hizalama değiştiyse ya da Type alanında String yazıyorsa, sorun oradadır.
Aktarımın doğru olup olmadığını anlamanın en hızlı yolu satır sayısını ve birkaç değişkenin frekansını kontrol etmektir.
Analyze > Descriptive Statistics > Frequencies ile aldığınız çıktıda beklemediğiniz bir kategori görüyorsanız, aktarım değil veri sorunu vardır. Bu da bizi bir sonraki adıma getirir.
SPSS Veri Temizleme Hangi Sırayla Yapılır?
Önce yapısal hataları, sonra değer hatalarını, ardından kayıp veri ve uç değerleri inceleyin. Frekans, minimum–maksimum ve çapraz kontroller kullanın; düzeltmeyi kaynağa dönerek doğrulayın ve kaydedin.
SPSS veri temizleme, veri setindeki yanlış kodları, yinelenen kayıtları, geçersiz aralıkları, mantıksal tutarsızlıkları, kayıp verileri ve olası uç değerleri analiz öncesinde belirleme ve belgeleme sürecidir.
Amaç veriyi "kusursuz" göstermek değil, her değerin araştırma tasarımıyla tutarlı ve alınan kararların yeniden üretilebilir olmasını sağlamaktır.
Sıranın önemi şuradan gelir: yapıyı düzeltmeden değer aramak boşa emektir. Yanlış türde okunmuş bir değişkende frekans almanın anlamı yoktur, çünkü gördüğünüz tabloda hata değil biçim sorunu görürsünüz.
Bu yüzden SPSS'e veri girişi ve veri temizleme akışı kabadan inceye doğru ilerler. Temiz ve analize hazır bir veri seti oluşturulduktan sonra ise hangi istatistik testi ne zaman kullanılır sorusu gündeme gelir.
Test seçimi; değişken türüne, araştırma sorusuna, grup sayısına ve verinin dağılım özelliklerine göre yapılmalıdır.
Yedi aşamalı temizleme sırası:
- Dosya ve sürüm güvenliği - ham veriyi kilitleyin, çalışma kopyası oluşturun
- Yapı ve değişken tanımı - satır/sütun yapısı, Type, Values, Missing, Measure
- Yinelenen kayıt kontrolü - Data > Identify Duplicate Cases
- Kategori ve aralık kontrolü - Frequencies ve Descriptives ile min–maks
- Mantık ve çapraz kontrol - Crosstabs, Select Cases, filtre sorguları
- Kayıp veri ve uç değer incelemesi - örüntü ve dağılım analizi
- Dönüşümleri doğrulama ve belgeleme - syntax kaydı ve işlem günlüğü
| Hata türü | Kontrol | Eylem |
|---|---|---|
| Yinelenen kayıt | Identify Duplicate Cases (ID üzerinden) | Kaynağa dön; gerçek tekrar mı, çift giriş mi ayır |
| Geçersiz kategori | Frequencies | Kod kitabıyla karşılaştır, forma dönerek düzelt |
| Aralık dışı değer | Descriptives min–maks | Giriş hatası mı, gerçek değer mi doğrula |
| Mantıksal tutarsızlık | Crosstabs / filtre | Bağlamı incele, gerekçeli karar ver |
| Tarih/metin sorunu | Type ve biçim kontrolü | Değişkeni doğru türe çevir, yeniden içe aktar |
| Kayıp veri | Frequencies, örüntü incelemesi | Tanımla, niceliklendir, yöntemi gerekçelendir |
| Uç değer | Explore / boxplot | Doğrula, etkisini değerlendir, raporla |
Aralık, mantık ve çapraz kontroller
Bu üç kontrol birbirinin yerine geçmez. Aralık kontrolü değerin tanımlı sınırların içinde olup olmadığına bakar: 1–5 Likert maddesinde 7 görülmesi açık bir aralık hatasıdır.
Mantık kontrolü değerin araştırma bağlamında mümkün olup olmadığını sorar: veri toplama tarihinin etik kurul onayından önce görünmesi ya da katılımcının yaşı ile mezuniyet yılının uyuşmaması böyledir.
Çapraz kontrol ise iki değişkenin birlikte imkânsız veya şüpheli bir kombinasyon oluşturduğu durumlardır -"hiç çalışmadım" diyen bir katılımcının çalışma yılı alanında 12 yazması gibi.
Şüpheli kayıt, bağlam bilinmeden silinmemelidir. Her üç kontrolde de sıra aynıdır: bul, kaynak forma dön, doğrula, düzelt ya da gerekçesiyle bırak, kaydet.
Kayıp Veri SPSS'te Nasıl İncelenir ve Yönetilir?
Kayıp veri miktar, değişken ve örüntü bakımından incelenir. Boş hücre ile 99 gibi kullanıcı tanımlı kod aynı şey değildir.
Silme veya imputasyon kararı; neden, mekanizma, oran, örneklem büyüklüğü ve planlanan analiz birlikte değerlendirilerek verilir.
SPSS'te iki tür kayıp vardır.
- System-missing, hücrenin gerçekten boş olduğu durumdur ve SPSS bunu nokta (.) ile gösterir.
- User-missing, sizin kayıp olarak tanımladığınız kodlardır: 99 "cevaplamadı", 999 "uygulanamaz" gibi.
Bu kodları Variable View'daki Missing alanında tanımlamazsanız SPSS onları gerçek veri sayar ve ortalamanız sessizce bozulur.
99'u kayıp olarak tanımlamayı unutmak, tez verilerinde en sık görülen ve en geç fark edilen hatalardan biridir.
Kayıp veri, SPSS'e veri girişi ve veri temizleme sürecinde tek bir menüyle çözülen bir konu değildir; bir dizi kararın toplamıdır.
Kayıp oranı da tek başına yeterli bir ölçüt değildir. %3'lük bir kayıp tamamen rastgele dağılmışsa sorun yaratmayabilir; ama aynı %3 yalnızca belirli bir gruptan geliyorsa sonuçlarınızı sistematik olarak kaydırır.
Bu yüzden kayıp veri tartışması mekanizma üzerinden yürür: MCAR kayıpların tamamen rastgele olduğu, MAR kayıp olasılığının gözlenen başka değişkenlerle açıklanabildiği, MNAR ise kayıp olasılığının gözlenemeyen değerin kendisiyle ilişkili olduğu durumdur.
Tüm bu mekanizmalar veriden kesin olarak "kanıtlanamaz"; incelenir, tartışılır ve varsayım olarak açıkça yazılır.
Kayıp veri karar akışı: tanımla → niceliklendir → örüntüyü incele → mekanizmayı tartış → yöntem seç → raporla.
Listwise silme, çoklu imputasyon veya başka bir yöntem arasındaki seçim, ölçeğin yapısına ve analiz planınıza bağlıdır.
Hangisini seçerseniz seçin, tez metninde gerekçesini ve sonuçlara olası etkisini belirtin. SPSS'in Missing Value Analysis özelliği ayrı bir modül gerektirebilir; sürümünüzde bulunup bulunmadığını baştan kontrol edin.
Kararınız sonuçları etkileyebilecek kadar karmaşıksa, analize geçmeden önce uzmanla değerlendirebilirsiniz.
SPSS'te Ters Madde Kodlama Nasıl Yapılır?
Ters madde ölçeğin puanlama anahtarından belirlenir; maddenin olumsuz ifade edilmiş olması tek başına yeterli değildir.
Formül yeni puan = ölçek minimumu + ölçek maksimumu − eski puan'dır. Sonucu her zaman yeni bir değişkende tutun.
Bu adım, SPSS'e veri girişi ve veri temizleme sürecinde sessizce en çok hataya yol açan yerdir; çünkü yanlış yapıldığında veri gayet normal görünür, yalnızca güvenirlik katsayınız beklenmedik biçimde düşer.
Bir maddenin ters olup olmadığını ölçeğin özgün makalesinden veya kılavuzundan doğrulayın.
"Kendimi çoğu zaman yorgun hissederim" maddesi olumsuz bir içerik taşır ama ölçek zaten yorgunluğu ölçüyorsa ters madde değildir. Kural anlamda değil, puanlama anahtarındadır.
| Ölçek aralığı | Formül | Eşleme |
|---|---|---|
| 1–5 | 6 − eski puan | 1→5, 2→4, 3→3, 4→2, 5→1 |
| 0–4 | 4 − eski puan | 0→4, 1→3, 2→2, 3→1, 4→0 |
SPSS'te bunu Transform > Recode into Different Variables ile ya da eşdeğer bir COMPUTE komutuyla yapabilirsiniz. Örneğin: COMPUTE m7_ters = 6 - m7.
İki yöntemin ortak kuralı şudur: Recode into Same Variables kullanmayın. Eski puanın üzerine yazarsanız hatayı fark ettiğinizde geri dönemezsiniz.
Ayrıca dosyaya sonradan bakan biri hangi maddelerin çevrildiğini anlayamaz. Ters kodlanmış değişkenleri _ters gibi tutarlı bir ekle adlandırın.
Son adım doğrulamadır: yeni değişkenin frekans tablosunu alın ve eski değişkenle karşılaştırın. Eskide 1 olan değerlerin sayısı yenide 5 olanların sayısına eşit olmalıdır. Bu tek kontrol, ölçek puanınızı kurtarır.
Uç Değerler ve Şüpheli Kayıtlar Nasıl Ele Alınır?
Uç değer bir hata değil, incelenmesi gereken bir gözlemdir. Önce kaynak form ve ölçüm birimi kontrol edilir; değer gerçekse araştırma sorusu, dağılım, örneklem ve analiz varsayımları birlikte değerlendirilir.
Giriş hatası ile gerçek uç değeri ayırmanın ilk yolu mümkünlük testidir. Yaş değişkeninde 350 görüyorsanız bu bir giriş hatasıdır (muhtemelen 35).
Ama bir klinik ölçümde tek bir katılımcının değeri diğerlerinden belirgin biçimde uzaksa, bu pekâlâ gerçek ve klinik olarak anlamlı bir gözlem olabilir. Nadir olmak, yanlış olmak değildir.
SPSS'e veri girişi ve veri temizleme aşamasında en çok veri kaybı, hatalı girişlerden değil, aceleyle silinen gerçek gözlemlerden doğar.
Analyze > Descriptive Statistics > Explore ile alacağınız boxplot, uç değerleri ve vaka numaralarını birlikte gösterdiği için işinizi kolaylaştırır.
Ancak boxplot size bir değerin silinmesi gerektiğini söylemez; yalnızca nereye bakacağınızı gösterir.
Uç değer akışı: bul → kaynaktan doğrula → analiz üzerindeki etkisini değerlendir → karar ver → raporla.
Etkiyi değerlendirmenin pratik yolu analizi o gözlemle ve o gözlem olmadan çalıştırıp sonucun değişip değişmediğine bakmaktır.
Sonuç değişmiyorsa gözlemi silmenin bir anlamı yoktur; değişiyorsa bu bilgi zaten tez metninize yazılmayı hak eder.
Tıpta uzmanlık tezleri gibi klinik verilerde bu karar özellikle dikkat ister: istatistiksel olarak "aykırı" görünen bir değer, klinik açıdan tam da araştırmanın ilgilendiği vakayı temsil ediyor olabilir.
Veri Setinin Analize Hazır Olduğu Nasıl Anlaşılır?
Değişken tanımları tutarlı, geçersiz kodlar çözümlenmiş, kayıp veri kararları belgelenmiş, ters maddeler doğrulanmış ve ham veri korunmuşsa veri seti analize yaklaşmıştır.
Analize hazırlık kontrol listesi:
- Her değişkenin adı, etiketi ve türü kod kitabıyla eşleşiyor
- Değer etiketleri tam ve tutarlı girilmiş
- Kayıp değer kodları Missing alanında tanımlanmış
- Ölçüm düzeyleri analiz planına uygun
- Yinelenen kayıt kontrolü yapılmış ve sonucu kaydedilmiş
- Tüm değişkenler geçerli aralık içinde
- Mantık ve çapraz kontrollerde açık kalan tutarsızlık yok
- Kayıp veri oranı, örüntüsü ve yöntem kararı belgelenmiş
- Ters maddeler yeni değişkende kodlanmış ve frekansla doğrulanmış
- Ham veri, temiz kopya, syntax ve işlem günlüğü ayrı ayrı saklanmış
Bu on maddenin hepsine "evet" diyebiliyorsanız SPSS'e veri girişi ve veri temizleme aşamasını tamamlamışsınız demektir.
Bir veya iki maddede tereddüt ediyorsanız, analize geçmeden önce o maddeye dönmek, ilerleyen haftalarda tüm analizi tekrarlamaktan çok daha ucuzdur.
Dosya adlandırmasında tarih ve sürüm kullanın: tezveri_ham_2026-09-17.sav ve tezveri_temiz_v2_2026-09-17.sav gibi. "Son", "sonson" veya "gerçek_son" gibi adlandırmalar birkaç hafta içinde işe yaramaz hale gelir.
Syntax'i saklamanın nedeni sadece düzen değil, yeniden üretilebilirliktir. Menüden yaptığınız her işlem Paste düğmesiyle syntax'e dönüştürülebilir; bu dosya, jüri "bu düzeltmeyi nasıl yaptınız?" diye sorduğunda cevabın kendisidir.
Menüyle çalışmayı tercih ediyorsanız en azından ayrıntılı bir işlem günlüğü tutun: tarih, değişken, eski değer, yeni değer, gerekçe ve doğrulama kaynağı.
Toplam ve alt boyut puanlarını en sona bırakın. Ters kodlama doğrulanmadan hesaplanmış bir toplam puan, sonradan düzeltilse bile ara çıktılarda dolaşmaya devam eder.
Birkaç maddede emin değilseniz, veri setinizin analize hazırlığını birlikte gözden geçirebiliriz.
Hangi Durumda SPSS Veri Analizi Desteği Alınmalı?
Değişken tanımlama, frekans kontrolü ve basit kodlama işlemlerini çoğu araştırmacı kendi başına yapabilir.
Kayıp veri mekanizması, çoklu imputasyon, karmaşık ölçek puanlama, varsayım ihlalleri veya klinik karar kuralları söz konusuysa uzman desteği düşünülebilir.
| Kendiniz yapabilirsiniz | Uzman desteği düşünün |
|---|---|
| Kod kitabı hazırlama, değişken tanımlama | Kayıp veri mekanizmasının değerlendirilmesi |
| Excel aktarımı ve alan doğrulama | Çoklu imputasyon ve sonuçlarının raporlanması |
| Frekans, min–maks ve aralık kontrolleri | Çok boyutlu ölçeklerde karmaşık puanlama |
| Yinelenen kayıt kontrolü | Varsayım ihlalinde alternatif test seçimi |
| Ters madde kodlama ve doğrulama | Klinik karar kuralları içeren veri setleri |
Danışmanla çalışacaksanız dört şeyi birlikte iletin: ham veri dosyası, kod kitabı, ölçek puanlama anahtarları ve araştırma sorularınızla hipotezleriniz. Bu dört belge olmadan yapılan her yorum tahmine dayanır.
Bir noktanın altını çizmek gerekir: analiz desteği almak, akademik sorumluluğu devretmek anlamına gelmez.
Yöntem bölümünü savunacak, jüri sorularını yanıtlayacak ve verinin hikâyesini anlatacak olan araştırmacının kendisidir.
İyi bir tez veri analizi desteği, sizin yerinize karar veren değil, kararınızın gerekçesini görünür kılan destektir. Çünkü tez nasıl yazılır sorusunun yanıtı yalnızca metin oluşturmaktan ibaret değildir; yöntem, analiz, bulgular ve yorumlama aşamalarının birbiriyle tutarlı biçimde yürütülmesini gerektirir.
Veri setinizin analize hazır olup olmadığından emin değilseniz, SPSS veri analizi ve veri temizleme süreciniz için OmegaTez'den destek alabilirsiniz. Ücretsiz ön görüşme için bizimle iletişime geçin.
