SPSS Variable View Ekranı: Özellikler ve Fonksiyonlar

SPSS’te veri girişi ve düzenleme sürecinde, Variable View ekranı kritik bir role sahiptir. Bu ekranda, her bir değişkenin adı, türü, ölçüm düzeyi gibi temel bilgileri tanımlayarak veri setinizi analiz için hazırlarsınız. Aşağıda, Variable View ekranında yer alan sütunların (Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align, Measure, Role) tek tek ne işe yaradığını ve nasıl kullanıldığını blog yazısı formatında özetliyoruz.

1. Name (Değişken Adı)

• Amaç: Her değişkenin SPSS’te tanınmasını sağlayan kısa bir isim belirlenir.

• Özellikler:

  • 64 karaktere kadar izin verir.

  • Boşluk ve özel karakter kullanımında kısıtlar vardır (ör. “_” veya “.” kullanılabilir).

• İpuçları:

  • Anlamlı ve kısa isimler kullanmak veri setini yönetmeyi kolaylaştırır (ör. “ReactionTime”, “Age”, “Score”).

2. Type (Değişken Türü)

2.1. Numeric (Sayısal)

• Açıklama:

  Temel sayısal veri türüdür. Bütün veya ondalıklı sayıları saklamak için kullanılır.

• Örnekler:

  • Yaş (ör. 25, 30, 45)

  • Gelir (ör. 3000, 7500.50)

  • Sınav Puanı (ör. 87.25)

• Önemli Not:

  • Numeric türünde Width (genişlik) ve Decimal Places (ondalık basamak) ayarları önemlidir.

  • İstatistiksel analizlerde en yaygın kullanılan formattır.

2.2. Comma (Virgüllü Sayısal)

• Açıklama:

  Sayısal verileri, binlik ayırıcı olarak virgül kullanarak gösterir. Örneğin “1,234.56” gibi.

• Örnek:

  • 1,234.56 → Binlik ayırıcı virgül, ondalık ayırıcı nokta.

• Kullanım Durumu:

  • Raporlama veya belirli bölgesel ayarlara uygun formatta sayıları göstermek istediğinizde tercih edebilirsiniz.

  • Analiz açısından Numeric ile benzer davranır, sadece görüntüleme farklıdır.

2.3. Dot (Noktalı Sayısal)

• Açıklama:

  Binlik ayırıcı olarak nokta, ondalık ayırıcı olarak virgül kullanır (Avrupa tarzı). Örneğin “1.234,56”.

• Örnek:

  • 1.234,56 → Binlik ayırıcı nokta, ondalık ayırıcı virgül.

• Kullanım Durumu:

  • Avrupa bölgesel ayarlarına göre raporlama yapmak istediğinizde.

  • Analitik açıdan yine Numeric formatına benzer.

2.4. Scientific Notation (Bilimsel Gösterim)

• Açıklama:

  Sayıları 10’un kuvvetleri şeklinde gösterir (ör. 2.3E+10). Büyük veya çok küçük sayıları temsil etmek için idealdir.

• Örnek:

  • 1.23E+05 (123,000)

  • 3.45E-02 (0.0345)

• Kullanım Durumu:

  • Laboratuvar ölçümleri, astronomik veriler veya çok büyük/small rakamlara sahip veri setlerinde pratik olabilir.

2.5. Date (Tarih)

• Açıklama:

  Tarih/saat değerlerini (gün, ay, yıl, saat, dakika vb.) belirli bir formatta saklar.

• Örnek:

  • 19/02/2025, 02/19/2025 (bölgesel formatlara göre)

  • 2025-02-19 10:30:00 (Saat/dakika dâhil)

• Kullanım Durumu:

  • Zaman serisi analizleri, tarihsel veriler, anket tarihleri vb.

  • SPSS, tarihsel veriler üzerinde doğrudan aritmetik işlemleri kısıtlı şekilde yapar; ancak zaman farkı hesaplamalarına olanak tanır.

2.6. Dollar (Dolar)

• Açıklama:

  Sayısal verileri “$” sembolü ile görüntüler. Örneğin: $1,234.56

• Örnek:

  • 3,000.00 → $3,000.00 olarak gösterilebilir.

• Kullanım Durumu:

  • Finansal verilerde dolar formatını otomatik ekrana yansıtmak istediğinizde tercih edebilirsiniz.

2.7. Custom Currency (Özel Para Birimi)

• Açıklama:

  Dolar haricinde başka para birimlerini (TL, €, vb.) veya farklı formatları tanımlayabilirsiniz.

• Örnek:

  • €2.345,00 veya 2.345,00₺ gibi özel gösterimler.

• Kullanım Durumu:

  • Ülkeye veya bölgesel ayarlara göre farklı para formatlarını kullanmak istediğinizde.

2.8. String (Metinsel)

• Açıklama:

  Metinsel değerler (harf, rakam, sembol) saklamak için kullanılır. İstatistiksel hesaplamalar yerine kategorik veya tanımlayıcı bilgilerde kullanılır.

• Örnek:

  • Ad-soyad, şehir isimleri, kimlik numaraları (kodlanmamış), vb.

• Kullanım Durumu:

  • Numeric analiz gerekmeyen, metin odaklı değişkenler (örn. “Açık uçlu anket cevapları”).

2.9. Restricted Numeric (Integer with Leading Zeros)

• Açıklama:

  Tam sayı formatında olup, baştaki sıfırları korur (ör. 001, 002).

• Örnek:

  • 001, 010, 100 → Kimlik numaraları veya sabit uzunlukta kodlar için kullanılabilir.

• Kullanım Durumu:

  • Kategorik kodların belirli sayıda hane içerdiği durumlarda (ör. “001”, “045”).

3. Width (Genişlik)

• Amaç: Değişkenin saklayabileceği maksimum karakter/sayı uzunluğunu belirler.

• Özellikler:

  • Numeric türünde, girilebilecek maksimum hane sayısını ifade eder.

  • String türünde, metnin maksimum karakter uzunluğunu belirler.

• İpuçları:

  • Numeric veriler için genelde 8–10 yeterlidir.

  • Çok büyük sayılar veya uzun metinler kullanacaksanız Width değerini artırabilirsiniz.

4. Decimals (Ondalık)

• Amaç: Numeric türünde kaç ondalık basamak gösterileceğini ayarlar.

• Özellikler:

  • Örneğin, 2 ondalık basamak “12,34” gibi değerler saklamaya izin verir.

  • 0 seçilirse, tam sayı şeklinde görüntülenir.

• İpuçları:

  • Reaksiyon süreleri (ms) gibi değerlerde 0 veya 1 ondalık basamak yeterli olabilir.

  • Para birimi veya yüzde hesaplamalarında 2 ondalık basamak tercih edilebilir.

5. Label (Etiket)

• Amaç: Değişkenin anlamını açıklayan uzun bir açıklama eklemenizi sağlar.

• Özellikler:

  • Rapor ve tabloları incelerken daha anlaşılır etiketler görürsünüz.

  • Boş bırakılabilir, ancak anlamlı bir etiket analiz sürecini kolaylaştırır.

• İpuçları:

  • Örneğin, “ReactionTime (milisaniye)” gibi daha detaylı açıklamalar girmek kullanıcı dostudur.

6. Values (Değer Etiketleri)

• Amaç: Kategorik değişkenlerde (Nominal, Ordinal) kullanılan sayı kodlarının hangi kategoriye karşılık geldiğini tanımlar.

• Örnek:

  • 1 = “Deney Grubu”

  • 2 = “Kontrol Grubu”

• İpuçları:

  • Numeric kodları metin etiketleriyle eşleştirerek analiz çıktılarında anlaşılır tablo ve grafik elde edersiniz.

  • “Add” butonuna basarak her kod-değer çiftini eklemeyi unutmayın.

7. Missing (Eksik Veri Tanımlama)

• Amaç: Belirli bir kodun (ör. 99, 999) veya aralığın eksik (missing) veri olarak tanımlanmasını sağlar.

• Özellikler:

  • “Discrete missing values”: 1 ila 3 kodu tanımlayabilirsiniz.

  • “Range plus one optional discrete value”: Bir aralık ve ekstra bir değer belirtebilirsiniz.

• İpuçları:

  • Eksik veri kodlarını burada tanımlarsanız SPSS, bu değerleri analizlerde dikkate almaz.

  • Örneğin, 999 = “Cevap yok” şeklinde ayırmak isteyebilirsiniz.

8. Columns (Sütun Genişliği)

• Amaç: Data View ekranında ilgili değişken sütununun kaç karakter genişlikte görüntüleneceğini belirler.

• Özellikler:

  • Analiz üzerinde etkisi yoktur, sadece Data View’de sütunun fiziksel genişliğini ayarlar.

• İpuçları:

  • Değişkenin Data View’de okunmasını kolaylaştırmak için artırabilir veya azaltabilirsiniz.

9. Align (Hizalama)

• Amaç: Data View ekranında veri hücresinin (Numeric) sola, sağa veya ortaya hizalanmasını sağlar.

• Özellikler:

  • Right: Sayısal verilerde en çok kullanılan hizalama türüdür.

  • Left / Center: İsteğe bağlı kullanılabilir, özellikle metin verilerinde.

10. Measure (Ölçüm Düzeyi)

• Amaç: Değişkenin istatistiksel analiz türünü belirleyen ölçüm düzeyini ayarlar.

• Seçenekler:

  • Nominal: Kategorik, sıralama yok (örn. cinsiyet, şehir).

  • Ordinal: Sıralama var ama aralıklar eşit değil (örn. Likert ölçeği).

  • Scale: Sayısal, aritmetik işlemlere uygun (örn. gelir, yaş, puan).

• İpuçları:

  • Ölçüm düzeyini doğru seçmek, SPSS’in hangi testlere izin vereceğini etkiler.

11. Role

• Amaç: Değişkenin veri setindeki rolünü (Input, Target, None vb.) tanımlamayı sağlar.

11.1. Input (Girdi Değişkeni)

• Açıklama:

  Bir analitik modelde veya veri madenciliği sürecinde, bağımsız değişken (predictor) rolünü üstlenen değişkenleri ifade eder.

• Kullanım Örnekleri:

  • Bir regresyon modelinde, “Yaş”, “Gelir”, “Eğitim Yılı” gibi değişkenler genelde bağımsız değişken olarak “Input” rolünde tanımlanabilir.

  • Sınıflandırma veya tahmin modellerinde (ör. Decision Tree, Random Forest) modelin tahmin yaparken kullandığı açıklayıcı (feature) değişkenler “Input” olarak işaretlenir.

• İpuçları:

  • SPSS’in klasik istatistiksel menülerinde “Role” alanı çok etkili olmayabilir, ancak Modeler gibi ortamlarda hangi değişkenin bağımsız (girdi) olduğunu bu ayarla belirtebilirsiniz.

11.2. Target (Hedef Değişkeni)

• Açıklama:

  Analitik modelin tahmin etmeye veya sınıflandırmaya çalıştığı, bağımlı değişken (outcome) rolünü üstlenen değişkendir.

• Kullanım Örnekleri:

  • Regresyon analizinde tahmin edilmek istenen “Satış Miktarı” veya “Gelir” değişkeni.

  • Sınıflandırma problemlerinde modelin sonucunu temsil eden “Hasta / Sağlıklı” gibi etiket değişkenleri.

• İpuçları:

  • Model kurarken “Target” olarak işaretlenen değişken, SPSS Modeler veya benzeri araçlarda çıktı (dependent) olarak kabul edilir.

  • Tek değişkeni “Target” seçip, diğerlerini “Input” yaptığınızda, modelin hangi değeri öngörmeye çalışacağı netleşir.

11.3. Both (Hem Girdi Hem Hedef)

• Açıklama:

  Aynı değişkenin hem tahmin edilen değişken hem de tahmin amaçlı kullanılan değişken olarak belirlenmesi durumunda kullanılır.

• Kullanım Örnekleri:

  • Bazı özel veri madenciliği veya makine öğrenimi süreçlerinde, bir değişkenin farklı aşamalarda hem bağımlı hem de bağımsız rol oynayacağı karmaşık modelleme senaryolarında.

• Nadir Kullanım:

  • Klasik istatistiksel analizlerde pek görülmez, daha çok ileri modelleme veya “auto-modeling” süreçlerinde karşılaşılabilir.

11.4. None (Tanımsız / Varsayılan)

• Açıklama:

  Standart istatistiksel analizlerde en sık kullanılan rol seçeneğidir. Değişkenin analitik süreçte özel bir rolü yoktur veya manuel olarak model kurulumunda bağımlı/bağımsız değişkeni siz seçersiniz.

• Kullanım Örnekleri:

  • Çoğu geleneksel veri analizi, veri madenciliği dışı istatistiksel uygulamada değişkenler “None” olarak bırakılır.

• İpuçları:

  • SPSS’in klasik menülerinde (Analyze > Descriptive Statistics, Compare Means vb.) “Role” ayarı dikkate alınmaz. Bu nedenle “None” bırakmak çoğu kullanıcı için en yaygın yaklaşım olur.

11.5. Partition (Bölme)

• Açıklama:

  Veriyi eğitim, test veya doğrulama alt kümelerine ayırmak istediğinizde kullanılabilir. Veri madenciliği süreçlerinde, modelin değerlendirilmesi için veri seti genellikle belirli oranlarda bölünür (ör. %70 eğitim, %30 test).

• Kullanım Örnekleri:

  • Bir sınıflandırma modelinde, veri setini otomatik olarak ikiye veya üçe bölecek bir süreci SPSS Modeler’da tanımlarken “Partition” rolüyle hangi değişkenin bu bölmeyi kontrol ettiğini belirtebilirsiniz.

• İpuçları:

  • Klasik istatistiksel analizde yine pek karşılaşılmaz; veri madenciliği veya makine öğrenimi araçlarında verinin alt gruplarını belirlemede faydalıdır.

11.6. Split (Bölütleme / Alt Gruplama)

• Açıklama:

  Analitik işlemleri bölümlere ayırmak için kullanılabilir. SPSS Modeler veya benzeri araçlarda, veri setini belirli alt gruplara otomatik ayırmak istediğinizde devreye girer.

• Kullanım Örnekleri:

  • Bir veri madenciliği senaryosunda, “Müşteri Segmenti” değişkeni “Split” olarak tanımlanarak, her segment için ayrı modelleme yapılabilir.

• Farkı:

  • “Partition” veri setini eğitim/test gibi modelleme aşamaları için bölerken, “Split” veri setini alt kategoriler (gruplar) bazında analiz etmeyi hedefler.

Neden Variable View Önemli?

• Doğru Tanımlama: Değişken adları, ölçüm düzeyleri ve değer etiketleri doğru tanımlanmazsa, analizlerde hatalı test seçimi veya yanlış tablo yorumları ortaya çıkabilir.

• Düzenli Veri Yönetimi: Eksik değerlerin, etiketlerin ve ölçüm düzeylerinin tutarlı olması veri kalitesini artırır.

• Analiz Kolaylığı: SPSS, Variable View’deki ayarlara göre hangi menülerde hangi testlerin kullanılabileceğine dair kısıtlamalar uygular. Örneğin, “Scale” olarak işaretlenmiş bir değişken parametrik testlerde kullanılabilirken, “Nominal” ölçekteki değişkenler sınıflandırıcı (Grouping Variable) rolü üstlenebilir.

Kısaca: SPSS’in Variable View ekranı, veri setinizin temel iskeletini oluşturur. Buradaki her sütunun işlevini iyi bilmek, daha tutarlı veri yönetimi ve daha doğru istatistiksel analiz anlamına gelir.