SPSS çalıştırdınız, tonlarca tablo çıktı ama hangisine bakacağınızı, ne anlama geldiğini tam bilmiyorsunuz. Bu hissi tanıyan çok araştırmacı var. İstatistik yazılımları ürettiği her değeri ekrana döktüğü için kafa karıştırıcı olabilir — ama aslında teziniz için gereken bilgi çok daha az ve sistematik.
Önce Hangi Tabloya Bakacağınızı Bilin
SPSS her analizde birden fazla tablo üretir. Örneğin bağımsız örneklem t-testi yaptığınızda karşınıza "Group Statistics" ve "Independent Samples Test" tabloları çıkar. İşte burada hata yapılır: yanlış tabloya bakılır ya da tüm değerlere eşit önem verilir.
Genel kural şudur: asıl sonuç tablosunu bulun, önce anlamlılık değerine (Sig. / p) bakın, ardından etki büyüklüğüne geçin. Diğer değerler yardımcı bilgilerdir.
p Değeri: Ne Anlama Gelir, Ne Anlama Gelmez?
p değeri akademik dünyada en çok yanlış anlaşılan kavramlardan biridir. p < 0.05 demek "sonuç kesinlikle doğrudur" demek değildir. Şu anlama gelir: eğer gerçekte hiçbir fark olmasaydı, bu veriyi elde etme ihtimalimiz %5'ten azdır.
Yani p değeri size "etki var mı?" sorusunu yanıtlar, "etki ne kadar büyük?" sorusunu değil. İkinci soruyu yanıtlamak için etki büyüklüğü değerlerine bakmanız gerekir: Cohen's d, eta kare, r gibi.
APA Formatında Raporlamak
Bulgular bölümünde bir t-testi sonucunu şöyle yazarsınız: t(98) = 3.42, p = .001, d = 0.69. Bu tek satır, hakemlerin ve jürinin ihtiyaç duyduğu temel bilgiyi içerir. t = test istatistiği, parantez içindeki sayı serbestlik derecesi, p anlamlılık değeri, d ise etki büyüklüğüdür.
Dikkat: APA 7. baskıda p değerleri artık tam olarak yazılıyor, yani "p < .05" değil "p = .032" şeklinde. Sadece p < .001 olan değerler "<" ile yazılıyor.
Normallik Varsayımı Neden Önemli?
Parametrik testleri (t-testi, ANOVA, regresyon) kullanmadan önce verilerinizin normal dağılıp dağılmadığını kontrol etmeniz gerekir. Shapiro-Wilk testi bu iş için kullanılır. p > .05 çıkarsa normallik varsayımı sağlanıyor demektir ve parametrik teste geçebilirsiniz.
Eğer normallik sağlanmıyorsa paniklemeyiniz — parametrik olmayan testler var. T-testi yerine Mann-Whitney U, ANOVA yerine Kruskal-Wallis kullanabilirsiniz. Sonuçlarınız bu testlerle de anlamlı çıkabilir.
Bulgular Bölümünde Yapılan En Yaygın Hata
En yaygın hata sayıları sıralamak ama yorumlamamaktır. "t(98) = 3.42, p = .001 bulunmuştur" yazmak yeterli değil; bu ne anlama geliyor? Hangi grup diğerinden yüksek? Fark pratik açıdan anlamlı mı? Bunları da kısaca açıklamanız beklenir.
İstatistik çıktılarınızı yorumlamak veya bulgular bölümünüzü APA formatında yazmak için Boss İstatistik olarak destek verebiliriz. WhatsApp'tan ulaşabilirsiniz.