Eğitim düzeyi İlkokul=1, Ortaokul=2, Lise=3, Üniversite=4 olarak kodlanıp SPSS'e yüklendiğinde, tanımlayıcı istatistiklerde "Ortalama eğitim düzeyi: 2,47 ± 0,89" gibi bir satır çıkabiliyor. Oysa bu sayının bir karşılığı yok: "ortalama eğitim düzeyi 2,47" ne İlkokul'dur ne de Ortaokul.
Kategorik değişken kodlamasında sık karşılaşılan bir hata bu. SPSS, dışarıdan okunan veride ölçüm düzeyini değerlere bakarak atıyor ve az sayıda tam sayı değeri olan bir değişkeni genellikle Nominal sayıyor. Asıl sorun başka yerde; ortalama ya da t-testi hesaplayan yordamlar, ölçüm düzeyi ne tanımlanırsa tanımlansın sayısal kodu sayı gibi işliyor ve araştırmacı kategorik bilgiyi sakladığını düşünürken program kodlarla aritmetik işlem yapıyor.
Nominal ve ordinal ayrımı
Kategorik değişken, sınırlı sayıda kategoriye sahip değişken demek. İki türü var ve ayrım istatistiksel test seçimini doğrudan etkiliyor (Mishra ve ark. 2019; du Prel ve ark. 2010).
Kategorik Değişken Türleri
Nominal
- •Kategoriler arasında sıralama yok
- •Cinsiyet, kan grubu, meslek
- •Ki-kare / Fisher kesin testi
- •Frekans ve yüzde ile sunulur
- •Mod (en sık kategori) raporlanır
Ordinal
- •Kategoriler arasında sıralama var, aralıkların eşit olduğu varsayılamaz
- •Eğitim düzeyi, ağrı şiddeti
- •Mann-Whitney U / Kruskal-Wallis
- •Yüzde ya da medyan ve IQR daha güvenli
- •Ortalamayı yorumlamak güç, çoğu zaman uygun değil
Kadın erkekten "büyük" değil, yalnızca farklı. Nominal değişkenlerde kod sıralaması anlamsız. İlkokul ile ortaokul arasındaki mesafe, lise ile üniversite arasındaki mesafeyle aynı olmak zorunda değil; ordinal değişkenlerde aralıkların eşit olduğu varsayılamaz. Bu yüzden ordinal değişkende ortalamayı yorumlamak güç ve çoğu zaman uygun değil.
En sık yapılan hatalar
Nominal değişkene sıralama vermek. Meslek kodlaması: Doktor=1, Hemşire=2, Teknisyen=3. Bu kodlar bir regresyona olduğu gibi girerse SPSS onları sayı olarak kullanıyor ve meslekler arasında "Doktor < Hemşire < Teknisyen" sırası ve eşit aralıklar varmış gibi hesap yapıyor. Matematiksel olarak 1 sayısı 2'den küçüktür, ama bu sıra gerçekte hiçbir anlam taşımıyor. SPSS'te değişkeni "Nominal" olarak tanımlamak iyi bir alışkanlık, ama yeterli değil; nominal değişkeni ikili lojistik regresyonda ve Cox regresyonunda Categorical düğmesiyle bildirmek, doğrusal regresyonda ise gösterge değişkenlerine çevirmek (ya da GLM'de faktör olarak girmek) gerekiyor.
Ordinal değişkeni sürekli saymak. Eğitim düzeyi 1-2-3-4 diye kodlandığında SPSS, ölçüm düzeyi ne olarak tanımlanmış olursa olsun, istenirse ortalamasını hesaplıyor. "Ortalama eğitim 2,47" demek yorumlanamaz. Ordinal değişkenlerde medyan ve IQR kullanmak ya da kategorilerin yüzdesini vermek daha doğru: "Hastaların %34'ü lise, %28'i üniversite mezunu."
Gösterge değişkeni (dummy variable) kodunu ters çevirmek. Diyabet var=0, yok=1 şeklinde kodlandığında koroner olay için kurulan bir lojistik regresyona değişken sayısal olarak (Covariates) girildiğinde sonuç kafa karıştırıcı oluyor: "Diyabet, koroner olay odds'unu 0,87 katına düşürüyor (OR=0,87)." Bu okuma yanlış; bu kodlamada OR, 1 kodlu grubu (diyabeti olmayanlar) 0 kodlu grupla (diyabetliler) karşılaştırıyor. Doğru yönde okununca diyabetlilerde odds yaklaşık 1,15 kat yüksek. "Diyabet_var" değişkeni 1=Var, 0=Yok şeklinde kodlandığında OR>1, "diyabet varken sonucun odds'u daha yüksek" diye doğrudan okunabiliyor. SPSS'te bu değişken Categorical olarak bildirilirse varsayılan referans son kategori (1=Var) olduğundan, Reference Category'de First seçip Change düğmesine basmak gerekiyor.
Doğru kodlama süreci
Kategorik Değişken Kodlama Adımları
Değişken tipini belirleme
Nominal mi, ordinal mi? Sıralama anlamlı mı? Bu karar istatistiksel testi de belirliyor.
Anlamlı kod seçme
İkili değişkenlerde 1=Var, 0=Yok mantığı. Çok kategorili değişkenlerde ardışık sayılar ve tutarlı etiketleme.
SPSS'te Measure tanımlama
Variable View'da Measure sütununu Nominal, Ordinal veya Scale olarak ayarlamak iyi bir alışkanlık; regresyonda kategorik değişkeni ayrıca bildirmek ya da gösterge değişkenlerine çevirmek gerekiyor.
Etiket ekleme
Values bölümünde her koda açıklama yazmak veri girişini ve analizi kolaylaştırıyor.
Frekans kontrolü
Frequencies komutuyla doğru kategorilerin gelip gelmediğini kontrol etmek son adım.
Gösterge değişkeni (dummy) ve regresyon
Gösterge değişkeni (dummy variable), yalnızca iki değeri olan bir değişken. Regresyon analizinde bir kategori referans olarak seçiliyor. Kodlama kuralı basit; 1 özelliğin varlığını, 0 yokluğunu gösteriyor.
Çok kategorili değişkeni regresyona sokmak için gösterge değişkenlerine çevirmek gerekiyor. Kan grubu gibi 4 kategorili bir değişkende referans kategori seçilip (örneğin 0 grubu) diğer her grup için ayrı bir gösterge oluşturuluyor. 4 kategoride 3 gösterge yeterli, çünkü referans kategori zaten belli.
SPSS'te bu işlem otomatik yapılabiliyor; lojistik regresyon menüsünde "Categorical" düğmesindeki "Reference Category" (referans kategori) seçeneği bu ayrımı sağlıyor. SPSS varsayılan olarak son kategoriyi referans alıyor; ilk kategoriyi (en küçük kodu) referans yapmak için First seçip Change düğmesine basmak gerekiyor.
Uyarı
SPSS, ordinal bir değişkenle ortalama ya da t-testi hesaplarken uyarı vermiyor; ölçüm düzeyi "Ordinal" tanımlansa bile hesap yapılıyor. Hangi analizin uygun olduğuna araştırmacı karar veriyor ve hakem "neden ordinal değişkende t-testi?" diye sorduğunda bir gerekçe sunabilmek gerekiyor.
Kodlama tutarlılığı ve kodlama kılavuzu (code book)
Aynı çalışmada cinsiyet değişkenini bazen 1=Erkek, bazen 1=Kadın olarak kodlamak analizi felakete çeviriyor.
Proje başında kodlama kılavuzu (code book) oluşturmak bu riski ortadan kaldırıyor. Her değişken için kod-etiket eşleşmesini yazmak, SPSS'te "Values" bölümüne girmek ve bu tabloyu ekiple paylaşmak standart iş akışının parçası olmalı.
| Değişken | Kod | Etiket |
|---|---|---|
| Cinsiyet | 1 | Erkek |
| 2 | Kadın | |
| Diyabet | 0 | Yok |
| 1 | Var | |
| Eğitim | 1 | İlkokul |
| 2 | Ortaokul | |
| 3 | Lise | |
| 4 | Üniversite |
Makalede sunum
Yöntem bölümünde kodlamanın nasıl yapıldığını açıklamak gerekiyor: "Eğitim düzeyi ordinal değişken olarak tanımlandı (1=İlkokul, 2=Ortaokul, 3=Lise, 4=Üniversite). Kategorik değişkenler sayı ve yüzde olarak sunuldu."
"Ortalama eğitim düzeyi 2,47 ± 0,89 idi" yazmak hakemden itiraz almaya açık. Kategorik değişkenleri sayı ve yüzde ile, ordinal değişkenleri kategori yüzdeleriyle ya da medyan ve IQR ile sunmak daha güvenli.
Anket veri kodlama sürecinde de benzer prensipler geçerli. Excel'den SPSS'e aktarımda metinsel kodlama sorunları yaşanıyorsa veri aktarımı rehberi yardımcı oluyor. Eksik veri varsa kodlama hatalarıyla birleştiğinde analiz ciddi şekilde çarpılabiliyor; eksik veri yöntemleri yazımız bu konuda detaylı bilgi sunuyor.
Veri kodlama hataları analiz aşamasında fark edildiğinde düzeltmesi zahmetli oluyor. Model İstatistik CRO ekibi olarak hem veri kalitesi kontrolünde hem de istatistik analiz süreçlerinde araştırmacının yanında duruyoruz.
Kullanılan kaynaklar
- Mishra P, Pandey CM, Singh U, Keshri A, Sabaretnam M. Selection of appropriate statistical methods for data analysis. Annals of Cardiac Anaesthesia. 2019;22(3):297-301. · DOI
- du Prel JB, Röhrig B, Hommel G, Blettner M. Choosing statistical tests: part 12 of a series on evaluation of scientific publications. Deutsches Ärzteblatt International. 2010;107(19):343-348. · DOI