SPSS Anket Analizi: Adım Adım Rehber ve Gerçek Örnekler

Bu rehber, anket verisini SPSS’te kodlamadan güvenilirlik, faktör analizi, normallik kontrolü ve test seçimine kadar adım adım nasıl analiz edeceğinizi, Türkiye’den yayımlanmış iki çalışma üzerinden açıklar.

Anket, tez ve makale çalışmalarında en sık kullanılan veri toplama yöntemlerinden biridir; ancak toplanan yanıtların analizi çoğu zaman “hangi menüye tıklamalıyım?” sorusuna indirgenir. Oysa SPSS anket analizi, veri girişinden önce verilen kararlarla başlar: maddeler nasıl kodlanacak, eksik yanıtlar ne olacak, ölçeğin güvenilirliği nasıl gösterilecek ve hangi test hangi koşulda kullanılacak? Bu yazıda bu kararları sırayla ele alıyor, her adımı yayımlanmış yöntem kaynaklarına ve IBM’in resmî SPSS belgelerine dayandırıyoruz. Örnek olarak Türkiye’de yürütülmüş ve SPSS ile analiz edilmiş iki güncel anket çalışmasının yöntem bölümlerini kullanıyoruz.

SPSS Anket Analizine Başlamadan Önce: Raporlama Kılavuzları

Analiz planını, makalede neyi raporlamanız gerektiğinden geriye doğru kurmak en güvenli yoldur. Anket çalışmaları için geliştirilmiş CROSS (Consensus-Based Checklist for Reporting of Survey Studies) kontrol listesi, 24 uzmanın katıldığı üç turlu bir Delphi süreciyle oluşturulmuştur ve web tabanlı ya da web dışı tüm anket çalışmalarına uygulanır¹. Liste; çalışma tasarımı, veri toplama yöntemi, örneklem özellikleri, anketin uygulanması, etik konular ve istatistiksel analiz başlıklarının yanında anket aracının tanımlanmasını ve yanıt vermeme oranının raporlanmasını da ister¹.

Çevrim içi anketler için ise JMIR tarafından yayımlanan CHERRIES kontrol listesi kullanılır. Eysenbach, çevrim içi anketlerde tek bir “yanıt oranı” tanımı bulunmadığını, pay ve paydaya göre birden çok hesaplama yapılabildiğini belirterek görüntülenme oranı, katılım oranı ve tamamlanma oranı gibi ayrı ölçütlerin tanımlanmasını önermektedir². Anketinizi Google Forms veya benzeri bir platformla topluyorsanız, bu oranları hesaplayabilmek için platformun kayıtlarını analizden önce saklamanız gerekir.

İki Gerçek Örnek: Türkiye’den SPSS ile Analiz Edilmiş Anket Çalışmaları

Yazının geri kalanında iki yayımlanmış çalışmaya sık sık döneceğiz. Her ikisi de açık erişimlidir; yöntem bölümlerini kendi çalışmanız için şablon olarak inceleyebilirsiniz.

Örnek 1 – Ölçek geliştirme ve çevrim içi anket: Çardakcı Bahar, Uğrak ve Yılmaz, diş hekimliğinde hasta güvenliğine yönelik tutum ölçeğini geliştirmiş ve Ankara’daki diş sağlığı çalışanlarına SurveyMonkey üzerinden uygulamıştır³. Anket 700 kişiye gönderilmiş, 358 yanıt dönmüş (yanıt oranı %51,1) ve bunların 312’si geçerli kabul edilmiştir (geçerli yanıt oranı %87,1). Eksik doldurulan anketler değerlendirmeye alınmamıştır. Güvenilirlik ve geçerlik analizleri SPSS 26 ve AMOS 24 ile yapılmıştır³.

Örnek 2 – Hazır ölçeklerle ilişki araştırması: Katran, Özdere ve Eti Aslan, Türkiye’nin doğusunda bir üniversite hastanesi ile bir devlet hastanesinin cerrahi yoğun bakım hemşirelerinde alarm yorgunluğu ile merhamet yorgunluğu arasındaki ilişkiyi incelemiştir⁴. G*Power ile hesaplanan en küçük örneklem 151 iken 162 hemşireye ulaşılmış (yanıt oranı %85,7), veriler yüz yüze görüşmeyle toplanmış ve SPSS 27 ile analiz edilmiştir. Eksik veri oranı %5’in altında kalmış ve eksik veri içeren gözlemler liste bazında (listwise) çıkarılmıştır⁴.

Bu iki çalışma, aynı yazılımla farklı yollara gidilebildiğini gösteriyor: Birinci çalışmada normallik varsayımı karşılanmadığı için parametrik olmayan testler, ikincisinde ise varsayım karşılandığı için parametrik testler kullanılmıştır^3,4. Doğru yol, verinin özelliklerine ve araştırma sorusuna göre belirlenir.

Adım 1: Veri Girişi, Kodlama ve Ters Maddeler

SPSS’te her satır bir katılımcıyı, her sütun bir anket maddesini temsil etmelidir. Demografik sorular (cinsiyet, unvan, kurum türü gibi) sayısal kodlarla girilir ve kodların anlamı değişken etiketlerinde tanımlanır. Likert tipi maddeler ise genellikle 1–5 gibi puanlarla girilir; Örnek 1’deki ölçekte “Kesinlikle katılıyorum” 5, “Kesinlikle katılmıyorum” 1 puan olarak kodlanmıştır³.

Toplam veya alt boyut puanı hesaplamadan önce, kullandığınız ölçeğin ters puanlanan madde içerip içermediğini özgün geliştirme veya uyarlama makalesinden kontrol edin. Ters maddeler yeniden kodlanmadan toplanırsa puanlar birbirini götürür ve güvenilirlik katsayısı yapay olarak düşer. Yayımlanmış çalışmalar bu bilgiyi açıkça yazar; örneğin Örnek 2’de kullanılan Alarm Yorgunluğu Ölçeği için yazarlar ölçeğin ters madde içermediğini belirtmiştir⁴. Tavakol ve Dennick’in vurguladığı gibi, düşük alfa değerinin nedenlerinden biri maddeler arasındaki zayıf ilişkidir⁶; kodlanmamış ters madde de tam olarak bu tabloyu üretir.

Adım 2: Eksik Veri ve Veri Temizliği

Eksik veri hemen her çalışmada ortaya çıkar; istatistiksel gücü azaltabilir ve tahminleri yanlı hâle getirebilir⁵. Kang, eksik verinin oluşma mekanizmasını üç türe ayırır: tamamen rastgele eksik (MCAR), rastgele eksik (MAR) ve rastgele olmayan eksik (MNAR). Veri tamamen rastgele eksikse analiz yansız kalır, yalnızca güç kaybı yaşanır⁵.

En sık kullanılan yöntem, eksik verisi olan gözlemlerin tümüyle çıkarıldığı liste bazında silmedir (listwise deletion)⁵. Örnek 2’deki yazarlar, eksik veri oranının %5’in altında kaldığını raporlayarak bu yöntemi seçmiştir⁴. Ortalama ile doldurma (mean substitution) ise pratik görünse de Kang’ın değerlendirmesine göre veriye yeni bilgi eklemez, yalnızca örneklemi büyütür, hataların olduğundan küçük tahmin edilmesine yol açar ve bu nedenle genel olarak kabul görmez. Tek değer atayan yöntemler de standart hataları küçük gösterme eğilimindedir; çoklu atama (multiple imputation) ise eksik değerlere ilişkin belirsizliği hesaba katarak geçerli çıkarım sağlar⁵. Hangi yöntemi seçerseniz seçin, eksik veri oranını ve nasıl ele alındığını yöntem bölümünde yazmanız gerekir.

Veri temizliğinin bir diğer parçası, geçersiz yanıtların ayıklanmasıdır. Örnek 1’de 358 yanıttan 312’sinin geçerli kabul edildiği ve eksik anketlerin değerlendirmeye alınmadığı açıkça belirtilmiştir³. Bu tür bir şeffaflık, hakemin “yanıt oranı neden düşük?” sorusunu önceden yanıtlar.

Adım 3: Güvenilirlik Analizi (Cronbach Alfa)

SPSS’te güvenilirlik analizi Analyze > Scale > Reliability Analysis menüsünden yapılır. IBM’in güncel belgelerinde bu prosedür için Alfa (Cronbach), McDonald omega, iki yarı (split-half), Guttman, paralel ve katı paralel modelleri listelenmektedir. Cronbach alfa, maddeler arası ortalama korelasyona dayanan bir iç tutarlılık ölçüsü olarak tanımlanır⁷.

Aynı pencerenin Statistics bölümündeki “Scale if item deleted” seçeneği, her madde çıkarıldığında ölçek ortalamasını, varyansını, madde-toplam korelasyonunu ve alfa değerini gösterir⁷. Bu tablo, ölçeği zayıflatan maddeyi bulmanın en hızlı yoludur. Tavakol ve Dennick de toplam puanla korelasyonu sıfıra yaklaşan maddelerin gözden geçirilmesini veya çıkarılmasını önerir⁶.

Kabul edilebilir alfa değeri için literatürde 0,70 ile 0,95 arasında değişen öneriler bulunur. Alfa çok yüksekse (0,90’ın üzerinde) bazı maddelerin aynı soruyu farklı sözcüklerle tekrarladığı, yani gereksiz olduğu düşünülebilir⁶. Ayrıca alfa, madde sayısından doğrudan etkilenir: Ölçek uzadıkça, maddeler homojen olmasa bile alfa yükselir⁶. Aşağıdaki şekil bu ilişkiyi standartlaştırılmış alfa formülüyle göstermektedir.

Şekle göre maddeler arası ortalama korelasyon 0,2 olan 5 maddelik bir alt boyutta alfa yaklaşık 0,56 iken, aynı korelasyonla 20 maddelik bir ölçekte yaklaşık 0,83’e çıkar. Bu nedenle az maddeli alt boyutlarda düşük alfa görmek şaşırtıcı değildir. Örnek 1’de toplam ölçeğin alfa değeri 0,911, “risk yönetimi” alt boyutunun 0,896, “etik tutum” alt boyutunun ise 0,692 olarak raporlanmıştır³. Kendi çalışmanızda hem toplam ölçek hem de her alt boyut için alfa değerini, ölçeğin özgün çalışmasındaki değerle birlikte vermeniz okuyucunun karşılaştırma yapmasını kolaylaştırır.

Adım 4: Yapı Geçerliği İçin Açımlayıcı Faktör Analizi

Yeni bir ölçek geliştiriyorsanız veya bir ölçeği farklı bir örnekleme uyguluyorsanız, maddelerin beklenen boyutlarda toplandığını göstermeniz gerekir. Örnek 1, bu sürecin iyi belgelenmiş bir örneğidir³:

• İlk açımlayıcı faktör analizinde maddeler üç boyutta toplanmıştır. İki faktöre birden yüklenen ve düşük yük veren bir madde ile kavramsal olarak uyumsuz faktörlere yüklenen iki madde çıkarılmıştır.
• Kalan 14 madde ile temel bileşenler analizi ve Varimax döndürmesi tekrarlanmıştır. Kaiser-Meyer-Olkin (KMO) örneklem yeterliliği 0,895, Bartlett küresellik testi değeri 1820,64 (sd = 91, p < 0,001) bulunmuştur.
• Maddeler iki boyutta toplanmış ve toplam varyansın %53,09’unu açıklamıştır. Bu yapı daha sonra AMOS ile doğrulayıcı faktör analizinde test edilmiştir.

Buradan çıkarılacak ders, madde çıkarma kararlarının yalnızca istatistiksel değil kavramsal gerekçeyle de verilmesi ve her kararın raporlanmasıdır. Hakemler, hangi maddenin neden çıkarıldığını görmek ister; Örnek 1’deki yazarlar bu gerekçeleri madde numarasıyla birlikte vermiştir³.

Adım 5: Normallik Kontrolü ve Test Seçimi

SPSS’te normalliği incelemenin en pratik yolu Explore prosedürüdür. IBM belgelerine göre Plots bölümünde “Normality plots with tests” seçildiğinde normal olasılık grafikleri ile Lilliefors anlamlılık düzeyli Kolmogorov-Smirnov istatistiği, koşullar uygun olduğunda da Shapiro-Wilk istatistiği verilir⁸. IBM destek notu ise önemli bir ayrıntıya dikkat çeker: Explore (EXAMINE) prosedürü Kolmogorov-Smirnov testini Lilliefors düzeltmesiyle uygularken, 21.0.0.1 öncesi sürümlerde parametrik olmayan testler menüsündeki tek örneklem K-S testi bu düzeltmeyi kullanmıyordu; bu nedenle aynı veri için farklı p değerleri görülebilir⁹. Yöntem bölümünde hangi prosedürü kullandığınızı yazmanız bu yüzden önemlidir.

Biçimsel normallik testleri büyük örneklemlerde küçük sapmaları bile anlamlı bulabilir. Kim, bu nedenle çarpıklık ve basıklık değerlerinin kullanılmasını önerir: Değer, standart hatasına bölünerek z puanı elde edilir; 50’den küçük örneklemlerde mutlak z değerinin 1,96’yı, 50–300 arası örneklemlerde 3,29’u aşması normallikten sapma olarak yorumlanır. 300’ün üzerindeki örneklemlerde ise histogram ile birlikte mutlak çarpıklığın 2’den, mutlak basıklığın (proper) 7’den büyük olması ölçüt alınabilir. SPSS’in “excess” basıklık, yani basıklık değerinden 3 çıkarılmış değer verdiğini de unutmamak gerekir¹⁰. Örnek 2’deki yazarlar farklı bir ölçüt kullanmış, örneklem 50’nin üzerinde olduğunda çarpıklık ve basıklığın −1,5 ile +1,5 arasında kalmasını kaynak göstererek normallik kanıtı kabul etmiştir; Alarm Yorgunluğu Ölçeği için çarpıklık 0,230 ve basıklık 0,285 bulunmuştur⁴. Farklı ölçütler bulunduğundan, hangisini kullandığınızı kaynağıyla birlikte belirtin.

Tek Likert maddesi mi, ölçek puanı mı?

Likert yanıtları genellikle sıralı (ordinal) veri olarak kabul edilir ve sıralı veride parametrik olmayan testler çoğunlukla en uygun seçenek olarak görülür¹². Öte yandan Norman, 1930’lardan bu yana yapılan pek çok çalışmanın parametrik yöntemlerin bu varsayım ihlallerine karşı sağlam olduğunu gösterdiğini savunur¹¹. Uygulamada bu iki görüş, analizin neye yapıldığına göre uzlaştırılabilir: Tek bir maddenin dağılımı sıklık, yüzde ve medyanla özetlenir; çok maddeli bir ölçeğin toplam puanı ise normallik koşulu sağlandığında parametrik testlerle analiz edilebilir.

Şekil 2’deki madde bu farkı iyi gösteriyor: 312 katılımcının yanıtları için ortalama 3,64 ± 0,95 olarak raporlanmıştır³; ancak yanıtların %40,4’ü tek bir kategoride (4) toplanmıştır. Bishop ve Herron’ın aktardığı gibi, “Kesinlikle katılıyorum” gibi bir kategoriyi ondalıklı bir ortalamaya dönüştürmek yorumlamayı zorlaştırabilir¹². Tek madde sonuçlarını yüzde dağılımıyla vermek okuyucuya daha fazla bilgi sağlar.

Adım 6: Korelasyonu Yorumlama ve Bulguları Raporlama

Anket çalışmalarında en sık yapılan hatalardan biri, p değerini ilişkinin gücü gibi yorumlamaktır. Türkiye’den Akoglu, anlamlı bir korelasyonun mutlaka güçlü olmadığını vurgular: Örnek veri setinde r = 0,31 olan bir korelasyon p < 0,0001 düzeyinde anlamlı olsa da zayıftır. Ayrıca aynı r değeri farklı araştırmacılar tarafından farklı adlandırıldığından, makalede korelasyonun hem gücünü hem de yönünü açıkça yazmak gerekir¹³. Akoglu’na göre Pearson r normal dağılan sürekli değişkenler gerektirir; uç değerler veya normal olmayan dağılımlar söz konusu olduğunda sıralara dayalı Spearman rho ya da Kendall tau kullanılmalıdır. Kendall tau, küçük veri setlerinde aynı sıranın çok sayıda tekrarlandığı durumlar için önerilir¹³.

Örnek 2, bu ilkenin doğru uygulanmasına iyi bir örnektir. Yazarlar, korelasyon katsayılarını yorumlarken kullandıkları sınırları önceden tanımlamış (0,60 ve üzeri yüksek, 0,30–0,59 orta, 0,30’un altı zayıf) ve alarm yorgunluğu ile merhamet yorgunluğu arasındaki ilişkiyi r = 0,302 (p < 0,01) ile “orta düzeyde pozitif” olarak raporlamıştır⁴. Regresyon analizinde ise alarm yorgunluğunun merhamet yorgunluğundaki varyansın %9’unu açıkladığı (R² = 0,091) belirtilmiştir⁴. Bu raporlama biçimi okuyucuya hem istatistiksel anlamlılığı hem de etkinin büyüklüğünü birlikte sunar.

Sonuç bölümünü yazarken CROSS kontrol listesinin bulgular başlıklarını (katılımcı özellikleri, tanımlayıcı sonuçlar ve ana bulgular) ve tartışma başlıklarını (sınırlılıklar, yorum ve genellenebilirlik) izlemek, eksik bilgi nedeniyle gelebilecek revizyon taleplerini azaltır¹.

Kanıta Dayalı Kontrol Listesi

• Analiz planını CROSS maddelerine göre kurun; çevrim içi anketlerde görüntülenme, katılım ve tamamlanma oranlarını ayrı ayrı tanımlayın^1,2.
• Ölçeğin ters madde içerip içermediğini özgün makaleden doğrulayın ve toplam puandan önce yeniden kodlayın^4,6.
• Eksik veri oranını ve kullandığınız yöntemi raporlayın; ortalama ile doldurma yerine uygun durumlarda çoklu atamayı değerlendirin⁵.
• Her ölçek ve alt boyut için Cronbach alfayı “Scale if item deleted” tablosuyla birlikte inceleyin; 0,90’ın üzerindeki değerlerde madde tekrarını düşünün^6,7.
• Faktör analizinde KMO, Bartlett testi, açıklanan varyans ve çıkarılan maddelerin gerekçesini yazın³.
• Normalliği yalnızca p değeriyle değil, çarpıklık ve basıklık ile grafiklerle birlikte değerlendirin ve kullandığınız ölçütü kaynağıyla belirtin^8,10.
• Tek Likert maddelerini sıklık ve yüzde ile özetleyin; ölçek puanlarında test seçimini dağılıma göre yapın^11,12.
• Korelasyonlarda r değerini, yönünü ve kullandığınız yorumlama sınırlarını açıkça raporlayın^4,13.

Destek

Anket verinizin analizinde destek almak isterseniz aşağıdaki pakete göz atabilirsiniz. Analizin yorumu ve bilimsel sorumluluk her zaman araştırmacıya aittir; aldığınız istatistik desteğini makalenizin teşekkür bölümünde belirtmenizi öneririz. Herhangi bir kabul, sonuç veya süre taahhüdü vermiyoruz.

Sık Sorulan Sorular

Kaynaklar

1. Sharma A, Minh Duc NT, Luu Lam Thang T, Nam NH, Ng SJ, Abbas KS, et al. A Consensus-Based Checklist for Reporting of Survey Studies (CROSS). J Gen Intern Med. 2021;36(10):3179-87. doi.org/10.1007/s11606-021-06737-1; PMID: 33886027
2. Eysenbach G. Improving the quality of Web surveys: the Checklist for Reporting Results of Internet E-Surveys (CHERRIES). J Med Internet Res. 2004;6(3):e34. doi.org/10.2196/jmir.6.3.e34; PMID: 15471760
3. Çardakcı Bahar Ş, Uğrak U, Yılmaz C. Patient safety attitude scale in dentistry: development and validation study in Türkiye. BMC Oral Health. 2025;25:218. doi.org/10.1186/s12903-025-05582-6; PMID: 39930505
4. Katran HB, Özdere B, Eti Aslan F. An investigation of the relationship between alarm and compassion fatigue in surgical intensive care nurses: a cross-sectional study. BMC Nurs. 2025;24:1226. doi.org/10.1186/s12912-025-03828-w; PMID: 41029296
5. Kang H. The prevention and handling of the missing data. Korean J Anesthesiol. 2013;64(5):402-6. doi.org/10.4097/kjae.2013.64.5.402; PMID: 23741561
6. Tavakol M, Dennick R. Making sense of Cronbach’s alpha. Int J Med Educ. 2011;2:53-5. doi.org/10.5116/ijme.4dfb.8dfd; PMID: 28029643
7. IBM Corp. IBM SPSS Statistics belgeleri: Reliability Analysis ve Reliability Analysis Statistics. ibm.com/docs/…/reliability-analysis; ibm.com/docs/…/reliability-statistics (Erişim: Ekim 2026)
8. IBM Corp. IBM SPSS Statistics 30 belgeleri: Explore Plots. ibm.com/docs/…/explore-plots (Erişim: Ekim 2026)
9. IBM Support. K-S test of normality in NPAR TESTS and NPTESTS does not use Lilliefors correction prior to SPSS Statistics 21.0.0.1. ibm.com/support/pages/node/418807 (Erişim: Ekim 2026)
10. Kim HY. Statistical notes for clinical researchers: assessing normal distribution (2) using skewness and kurtosis. Restor Dent Endod. 2013;38(1):52-4. doi.org/10.5395/rde.2013.38.1.52; PMID: 23495371
11. Norman G. Likert scales, levels of measurement and the “laws” of statistics. Adv Health Sci Educ Theory Pract. 2010;15(5):625-32. doi.org/10.1007/s10459-010-9222-y; PMID: 20146096
12. Bishop PA, Herron RL. Use and misuse of the Likert item responses and other ordinal measures. Int J Exerc Sci. 2015;8(3):297-302. doi.org/10.70252/LANZ1453; PMID: 27182418
13. Akoglu H. User’s guide to correlation coefficients. Turk J Emerg Med. 2018;18(3):91-3. doi.org/10.1016/j.tjem.2018.08.001; PMID: 30191186

İlgili Yazılar

• G*Power ile Örneklem Büyüklüğü Hesaplama: Adım Adım Rehber
• SPSS mi, R mi, STATA mi: Türk Tıp Araştırmacıları İçin En İyi İstatistik Yazılımı
• Tıpta Uzmanlık Tezi Nasıl Yazılır? 10 Adımlı Rehber