Data View ve Variable View

SPSS i çalıştırma 0

SPSS İlk Açılışı 1

Data View ve Variable View 2

Değişken Tanımlama - 1 3

Değişken Tanımlama - 2 4

Boş Veri Sayfası 5

Veri Girişi - 1 6

Veri Girişi - 2 7

Dosya Kaydetme 1 2 3 8

File Menüsü 9

SPSS Dosya Türleri - 1 1. Veri (Data) dosyası (.sav): Üzerinde işlem yapılacak verileri içerir. 2. Çıktı (Output) dosyası (.spo): Bir işlem sonucunda elde edilen çıktıyı içerir. 3. Komut (Syntax) dosyalari (.sps): SPSS in özel programlama dilinde yazılmış program dosyaları 10

SPSS Dosya Türleri - 2 2. Çıktı dosyası 1. Veri dosyası 3. Komut dosyası 11

Edit Menüsü 12

Data Menüsü - 1 13

Data Menüsü 2 (Sort Cases) 3 1 2 4 5 6. Veriler gelire göre artan sırada dizildi 14

Data Menüsü 3 (Sort Cases) Orijinal veriyi bu kez eğitim düzeyine göre sıralayalım. Eğitim düzeyi eşit olanları da kendi içlerinde gelirlerine göre sıralayalım. 15

Data Menüsü 4 (Select Cases) 16

Data Menüsü 6 (Select Cases) Örnek olarak verilerimiz içinde kilosu 60 a eşit ve büyük olanları seçelim. 1 3 4 2 18

Data Menüsü 8 (Select Cases) SPSS de Select Cases ile bir seçim yapıldığında, bundan sonra yapılacak tüm analizler (istatistiksel hesaplamalar, grafik çizimleri, hipotez testleri vb.) seçilmiş olan gözlemler üzerinden yapılır. Şimdi de kilosu 60 ile 70 arasında olan gözlemleri seçelim. Bunun için menüden Select Cases seçilir ve If condition is satisfied a tıklanarak şart kısmına şu yazılır: 60 <= kilo & kilo <=70 Burada iki şart & (ve) operatörü ile birbirine bağlanır. Bu sayede kilosu 60 ile 70 arasında olanlar seçilmiş olur. 20

Data Menüsü 9 (Select Cases) 1 2 3 21

Data Menüsü 10 (Select Cases) Şimdi de kilosu 60 tan büyük veya boyu 1,60 dan kısa olanları seçelim (60 ve 1,60 dahil değil). Bunun için yine Select Cases seçilir ve bu sefer if kısmındaki şarta şu yazılır: kilo > 60 boy < 1.60 22

Data Menüsü 11 (Select Cases) 1 2 3 23

Data Menüsü 12 (Select Cases) 3 1 4 2 24

Data Menüsü 14 (Select Cases) 2 1 3 4 26

Data Menüsü 16 (Weight Cases) SPSS e toplu veri girişi yapıldığında, analizlere geçmeden önce weight cases seçeneği seçilmelidir. Bu sayede frekansların bulunduğu değişken SPSS e tanıtılmış olur. Örneğin bir bölgedeki meslekler ve gelir gruplarına ait veri toplanmış ve aşağıdaki tablo elde edilmiş olsun: Meslek Doktor Avukat Mühendis Öğretmen Çiftçi Diğer Gelir grubu Düşük 10 8 12 20 25 70 Orta 50 65 60 80 70 20 Yüksek 80 40 35 10 15 5 28

Data Menüsü 17 (Weight Cases) Bu veriyi girmek için 3 değişken tanımlanır. Bunlardan ilk ikisi meslek ve gelir değişkenleri olup kategorik değişkenlerdir. Bu değişkenlerden meslek için Values kısmında Doktor (1), Avukat (2), Mühendis (3), Öğretmen (4), Çiftçi (5) ve Diğer (6) seçenekleri tanımlanır. Benzer tanımlama gelir değişkeni için Düşük (1), Orta (2) ve Yüksek (3) şeklinde yapılır. Üçüncü değişken frekans olup bu değişkende özel bir tanımlama yapılmaz. Frekans değişkenine tablo içinde yer alan gözlem sayıları girilecektir. Bu işlemler yapılır ve veri aşağıdaki gibi girilir: 29

Data Menüsü 18 (Weight Cases) 1 2 3 30

Data Menüsü 19 (Weight Cases) 1 2 3 4 31

Transform Menüsü 1 32

Transform Menüsü 2 (Comp. Var.) 1 2 33

Transform Menüsü 3 (Comp. Var.) Her bir gözlem için Beden Kitle Endeksini (BKİ) hesaplayalım. BKİ = Kilo (kg) / Boy 2 (m) formülünü kullanacağız. Beden Kitle Endeksi değerlerini bki isimli yeni bir değişkende hesaplatacağız. Bunun için Transform menüsünden Compute Variable seçeneği seçilir ve açılan pencerede şu işlemler yapılır: 34

Transform Menüsü 4 (Comp. Var.) 1 2 3 35

Transform Menüsü 5 (Comp. Var.) 1 2 36

Transform Menüsü 6 (Recode ) Transform menüsünde yer alan Recode into Same Variables ve Recode into Different Variables seçeneklerini kullanarak kodlama yapılabilir. Recode into Same Variables da mevcut değişkenin üzerine kodlama yapılırken, Recode into Different Varibles da yeni bir değişken tanımlanıp üzerine kodlama yapılır. Örneğin beden kitle endeksini kullanarak kişilerin kilo durumunu incelemek isteyebiliriz. bki için literatürde aşağıdaki aralıklar tanımlanmıştır: bki < 20 ise zayıf, 20 bki < 25 ise normal, 25 bki < 30 ise kilolu, 30 bki < 40 ise şişman, bki 40 ise aşırı şişman. Şimdi bu ölçütü veri üzerinde kullanalım. Burada kdurumu isimli yeni bir değişken üzerine kodlama yapacağız. Bunun için Recode into Different Variables seçeneğini seçeceğiz. 37

Transform Menüsü 7 (Recode ) 1 2 3 4 7 5 6 38

Transform Menüsü 8 (Recode ) 3 2 1 12 13 15 14 4 5 7 6 18 8 10 17 16 19 9 11 39

Transform Menüsü 9 (Recode ) 1 2 3 40

Transform Menüsü 10 (Recode ) Şimdi de yeni oluşan kdurumu değişkenimizin kategorilerini belirtelim. Bunun için Variable View penceresine gelinir ve kdurumu değişkeni için Values a tıklanır. Ardından aşağıdaki şekilde kategoriler belirlenir: 41

Transform Menüsü 11 (Recode ) 42

Transform Menüsü 12 (Recode ) Bir diğer örnek olarak da gözlemleri gelirlerine göre gruplara ayıralım. Bunun için gduzeyi isimli bir yeni değişken oluşturacağız. Gelir düzeylerini aşağıdaki gibi belirleyelim: Gelir < 800 ise düşük, 800 Gelir < 1200 ise orta, Gelir 1200 ise yüksek. Bir önceki örnekte olduğu gibi Recode into Different Variables seçeneğini seçeceğiz. Burada farklı olarak Gelir değişkeninde kayıp değerler de yer aldığından missing values için de kodlama yapılır. Sonuç olarak açılan pencerede aşağıdaki düzenlemeler yapılır. 43

Transform Menüsü 13 (Recode ) 2 1 3 4 44

Transform Menüsü 14 (Recode ) 4 2 3 1 5 45

Transform Menüsü 15 (Recode ) Bu işlemler sonucunda aşağıdaki pencere elde edilir. Burada yeni değişken için de kayıp değerin -1 olarak alınacağına dikkat edelim. 46

Transform Menüsü 16 (Recode ) Continue dedikten sonra gelen pencerede de OK denildiğinde gdurumu değişkeni oluşturulmuş olur. Son olarak Variable View a gelinerek bu değişkenin de kategorileri ve kayıp değeri tanımlanır. Kategoriler tanımlanırken Values a tıklanır ve 1=Dusuk, 2=Orta, 3=Yuksek tanımlamaları yapılır. Öte yandan kayıp değeri -1 olarak kabul ettiğimizden Missing e tıklandığında Discrete Missing Values seçilir ve kutucuğa -1 yazılır. Bu işlemler sonucunda Data View a dönüldüğünde yeni değişken aşağıdaki gibi oluşmuş olmalıdır: 47

Transform Menüsü 17 (Recode ) 48

Transform Menüsü 18 (Replace ) Transform menüsünde son olarak Replace Missing Values u göreceğiz. Bazen analizler kayıp değerler yerine ilgili değişkenin ortalaması yazılır. Özellikle gözlem sayısı az olduğunda tercih edilen bu yöntemde, ortalamanın gözlemleri temsil ettiği varsayılır. Bu sayede kayıp değerler yerine ortalama alınarak gözlem sayısının eksilmesi önlenmiş olur. Veri setimizdeki Gelir değişkeni için bu işlemi yapmak isteyelim. 3 ve 7 numaralı gözlemler gelirlerini belirtmemişlerdir. Bu kişilerin gelir değerlerini, diğer gözlemlerin ortalamasına eşit almak istiyorsak Transform menüsünden Replace Missing Values a tıklanır. 49

Transform Menüsü 19 (Replace ) 1 4 2 3 50

Transform Menüsü 20 (Replace ) 51