Veri Analizi Öncesi Hazırlık

Analiz, test düğmesine basmadan önce başlar Veri analizindeki hataların önemli bir bölümü istatistiksel test seçiminden önce oluşur. Yanlış kodlanan kategoriler, ters maddelerin çevrilmemesi, yinelenen kayıtlar, geçersiz değerler veya açıklanmayan kayıplar sonuçları doğrudan etkiler. Bu nedenle ham veri ile analiz dosyası birbirinden ayrılmalı ve yapılan her işlem kayıt altına alınmalıdır. Analiz planı veri toplandıktan sonra rastgele oluşturulmamalıdır. Araştırma soruları, hipotezler, değişkenlerin rolleri, ölçüm düzeyleri ve planlanan testler önceden bir tabloda eşleştirilmelidir. 1. Ham veriyi koruyun ve çalışma kopyası oluşturun Ham veri hiçbir zaman doğrudan değiştirilmemelidir. Tarihli ve salt okunur bir ana dosya saklanmalı; temizleme, yeniden kodlama ve puanlama işlemleri çalışma kopyasında yapılmalıdır. Değişken adları kısa fakat anlaşılır olmalı, kişisel bilgiler analiz verisinden ayrılmalı ve kimlikler güvenli kodlarla değiştirilmelidir. Yapılan dönüşümleri komut dosyasıyla yürütmek yeniden üretilebilirliği artırır. Menü kullanılıyorsa dahi işlem günlüğü tutulmalıdır: hangi değişken ne zaman, hangi kuralla ve neden değiştirildi? 2. Veri sözlüğü hazırlayın Veri sözlüğünde değişken adı, açıklama, tür, ölçüm düzeyi, değer etiketleri, geçerli aralık, eksik değer kodu, birim ve puanlama bilgisi yer alır. Örneğin cinsiyet için kullanılan 1 ve 2 kodlarının neyi temsil ettiği veya 99 değerinin eksik veri anlamına gelip gelmediği belirsiz bırakılmamalıdır. Ölçek maddelerinde hangi maddelerin ters olduğu, alt boyutların hangi maddelerden oluştuğu ve toplam puanın nasıl hesaplandığı özgün ölçek kaynağına göre kaydedilmelidir. 3. Kayıt ve değer kontrolleri yapın Yinelenen katılımcılar, tamamen boş kayıtlar, uygunluk ölçütünü karşılamayan birimler ve mantıksal çelişkiler belirlenmelidir. Yaşın 5 veya 250 olması, bitiş tarihinin başlangıçtan önce görünmesi ya da “çalışmıyor” seçeneğiyle birlikte yüksek çalışma saati girilmesi kontrol gerektirir. Frekans tabloları, minimum-maksimum değerler ve basit çapraz kontroller bu sorunları görünür kılar. Hatalı değer doğrudan tahminle düzeltilmemeli; özgün kayıtla doğrulanmalı, doğrulanamıyorsa belirlenen eksik veri kuralı uygulanmalıdır. 4. Eksik veriyi inceleyin Önce eksik verinin oranı, hangi değişkenlerde yoğunlaştığı ve belirli katılımcı gruplarında sistematik olup olmadığı incelenir. Eksikliği otomatik olarak ortalamayla doldurmak dağılımı ve ilişkileri bozabilir. Liste bazında silme, ikili silme, basit atama veya çoklu atama gibi yöntemlerin her biri farklı varsayımlara sahiptir. Karar; eksikliğin miktarı, örüntüsü, olası mekanizması, analiz türü ve örneklem büyüklüğü dikkate alınarak verilmelidir. Kullanılan yöntem ve analiz örnekleminin nasıl değiştiği raporlanmalıdır. 5. Ölçek puanlarını doğru hesaplayın Ters maddeler ölçeğin puan aralığına uygun formülle çevrilmelidir. Beşli bir ölçekte dönüşüm genellikle yeni puan = 6 - eski puan biçimindedir; ancak ölçek kılavuzu esas alınmalıdır. Alt boyut ve toplam puan hesaplarında eksik madde toleransı da açıkça belirlenmelidir. Puanlama tamamlandıktan sonra iç tutarlılık veya ilgili güvenirlik göstergeleri hesaplanmalı, madde dağılımları incelenmeli ve mümkünse doğrulayıcı ölçüm kanıtları değerlendirilmelidir. Yalnızca önceki çalışmadaki güvenirlik katsayısını aktarmak yeterli değildir. 6. Aykırı değerleri değerlendirin Aykırı değer otomatik olarak hatalı veri değildir. Gerçek fakat nadir bir gözlem olabilir. Önce kayıt hatası olup olmadığı kontrol edilir; ardından tek değişkenli ve çok değişkenli aykırılık yöntemleri araştırma tasarımına uygun olarak kullanılır. Bir gözlemi yalnızca sonucu değiştirdiği için silmek etik ve yöntemsel olarak savunulamaz. Dışlama ölçütü önceden belirlenmeli, karar gerekçesi açıklanmalı ve uygun olduğunda gözlem dahil-hariç duyarlılık analizi sunulmalıdır. 7. Dağılım ve model varsayımlarını kontrol edin Normallik yalnızca tek bir testin p değerine indirgenmemelidir. Histogram, Q-Q grafiği, çarpıklık-basıklık ve örneklem büyüklüğü birlikte değerlendirilmelidir. Regresyon ve varyans analizi gibi yöntemlerde esas varsayım çoğu zaman ham değişkenin değil, model artıklarının dağılımıyla ilgilidir. Doğrusallık, varyansların homojenliği, bağımsızlık, çoklu bağlantı ve etkili gözlemler kullanılacak modele göre kontrol edilir. Varsayım ihlalinde dönüşüm, sağlam standart hatalar, parametrik olmayan yöntemler veya farklı modelleme yaklaşımları düşünülebilir. Seçim, yalnızca istenen anlamlılığa ulaşmak için yapılmamalıdır. 8. Tanımlayıcı istatistiklerle veriyi tanıyın Ana analizden önce sayı ve yüzde, ortalama ve standart sapma, medyan ve çeyrekler arası aralık gibi uygun özetler hazırlanmalıdır. Katılımcı akışı, grup büyüklükleri ve temel değişken dağılımları incelenmelidir. Bu aşama hem veri sorunlarını ortaya çıkarır hem de bulgular bölümünün temelini oluşturur. 9. Analiz karar günlüğü tutun Hangi kayıtların neden dışlandığı, eksik verinin nasıl işlendiği, ölçek puanlarının nasıl hesaplandığı, varsayım ihlallerine karşı ne yapıldığı ve birincil analizden sapmalar karar günlüğünde yer almalıdır. Bu kayıt, danışman değerlendirmesi, hakem yanıtı ve yeniden üretilebilirlik için değerlidir. Analize hazır olma kontrolü Ham veri korunuyor mu? Veri sözlüğü tamam mı? Kategoriler ve geçerli aralıklar kontrol edildi mi? Ters maddeler ve puanlama doğrulandı mı? Eksik ve aykırı veri kararları gerekçeli mi? Analiz örneklemi belli mi? Her hipotezin uygun testi tanımlı mı? Varsayım kontrolleri planlandı mı? Temiz ve belgelenmiş bir veri hazırlığı, analiz sonuçlarının güvenilirliğini belirler. İstatistiksel yazılım hesaplamayı yapabilir; ancak verinin anlamını, kalitesini ve hangi kararın savunulabilir olduğunu araştırmacı belirler. Perspektif Bilimsel Araştırmalar