SPSS'te İki Grup Karşılaştırma Testleri
İki grubu karşılaştırma, araştırmalarda en sık karşılaşılan analiz durumlarından biridir: "Erkekler ve kadınlar arasında maaş farkı var mı?", "Eğitim alan grup ile almayan grup arasında tutum farkı anlamlı mı?", "Müdahaleden önce ve sonra görüş değişti mi?" Bu soruların yanıtı için doğru testi seçmek; değişken türüne, örneklemin bağımsız mı eşleştirilmiş mi olduğuna ve dağılımın normale uyup uymadığına bağlıdır. Bu yazıda SPSS'teki beş iki-grup testini standart çerçevede ele alıyoruz.
Bağımsız Örneklem t-Testi (Independent Samples t-Test)
Bağımsız örneklem t-testi, birbirinden bağımsız iki grubun ortalamalarının istatistiksel olarak anlamlı biçimde farklı olup olmadığını sınar. "Bağımsız" kelimesi kritiktir: her katılımcı yalnızca bir grupta yer alır, iki grup arasında eşleşme ya da tekrarlı ölçüm yoktur.
- Bağımlı değişken: Sürekli (aralık veya oran ölçeği) — puan, gelir, süre, ağırlık
- Bağımsız değişken: İki kategorili — cinsiyet, deney/kontrol grubu, şehir/kırsal
- Örneklem yapısı: Bağımsız (her birey yalnızca bir grupta)
- Varsayımlar: Her grupta yaklaşık normal dağılım, varyans homojenliği (Levene testi ile kontrol edilir), bağımsız gözlemler
1. Test Variable(s): Sürekli bağımlı değişkeni taşıyın (örn. sınav_puanı)
2. Grouping Variable: İki grubu tanımlayan değişkeni taşıyın (örn. cinsiyet)
3. Define Groups: Grup kodlarını girin (örn. 1 ve 2)
4. Options: Güven aralığı %95 (varsayılan)
5. OK
Adım 1 — Levene's Test for Equality of Variances:
- Levene Sig. > .05 → Varyanslar eşit kabul edilir → "Equal variances assumed" satırını okuyun.
- Levene Sig. ≤ .05 → Varyanslar eşit değil → "Equal variances not assumed" satırını okuyun (Welch düzeltmesi).
Adım 2 — t-Test sonuçları (doğru satırda):
- t: Test istatistiği.
- df: Serbestlik derecesi.
- Sig. (2-tailed): p değeri. p < .05 → iki grup ortalaması anlamlı biçimde farklıdır.
- Mean Difference: Grup ortalamalarının farkı.
- 95% CI: Güven aralığı sıfırı kapsamıyorsa fark anlamlıdır.
Örnek: Bir tez çalışmasında 40 erkek ve 38 kadın öğrencinin matematik puanları karşılaştırılıyor. Levene Sig. = .312 (> .05) → eşit varyans satırı okunur. t(76) = 2.14, p = .036 → erkekler ve kadınlar arasında istatistiksel olarak anlamlı fark vardır.
Dikkat: Bağımsız t-testi ile eşleştirilmiş (paired) t-testini karıştırmayın. Aynı kişileri iki farklı zamanda ölçüyorsanız (ön-test / son-test) bağımlı örneklem t-testi kullanın: Analyze → Compare Means → Paired-Samples T Test.
Mann-Whitney U Testi (Wilcoxon Rank-Sum Testi)
Mann-Whitney U testi, bağımsız örneklem t-testinin non-parametrik alternatifidir. Grupların ortalamalarını değil, gözlemlerin sıralanmış değerlerini (rank) karşılaştırır. Normal dağılım varsayımına ihtiyaç duymaz; bu nedenle dağılım gereksinimleri karşılanamadığında veya veriler ordinal ölçekte olduğunda tercih edilir.
- Bağımlı değişken: Sürekli veya ordinal — Likert puanı, gelir, sıralama
- Bağımsız değişken: İki kategorili ve bağımsız gruplar
- Ne zaman tercih edilir: Normal dağılım sağlanamıyorsa, örneklem küçükse (n < 30) veya aykırı değerler varsa
1. Test Variable List: Bağımlı değişkeni taşıyın
2. Grouping Variable: Grup değişkenini taşıyın → Define Groups ile kodları girin
3. Test Type: Mann-Whitney U seçili olduğundan emin olun
4. OK
Test Statistics tablosunda bakılacak değerler:
- Mann-Whitney U: Test istatistiği. Tek başına yorumlamak yerine p değerine bakın.
- Wilcoxon W: Sıraların toplamı (büyük örneklemde normallik yaklaşımı için kullanılır).
- Z: Standartlaştırılmış test istatistiği.
- Asymp. Sig. (2-tailed): p değeri. p < .05 → iki grubun dağılımı anlamlı biçimde farklıdır.
Küçük örneklemlerde Exact Sig. sütununa bakın; daha güvenilirdir.
Örnek: Bir araştırmacı, "iş stresi" puanlarının (1–10 arası sıralı ölçek) özel sektör ve kamu çalışanları arasında farklılaşıp farklılaşmadığını test ediyor. Puanlar normal dağılmadığı için Mann-Whitney U uygulanır. U = 312, p = .021 → iki grup arasında istatistiksel olarak anlamlı fark vardır.
Ki-Kare Bağımsızlık Testi (Chi-Square Test of Independence)
Ki-kare bağımsızlık testi, iki kategorik değişken arasında ilişki olup olmadığını sınar. "Cinsiyet ile bir ürünü satın alma kararı arasında bağlantı var mı?", "Eğitim düzeyi ile oy verme eğilimi bağımsız mı?" gibi sorular için kullanılır. Gözlenen frekansları beklenen frekanslarla karşılaştırarak bağımsızlığı test eder.
- Her iki değişken de: Kategorik (nominal veya ordinal)
- Örneklem yapısı: Bağımsız gözlemler
- Kritik varsayım: Çapraz tablodaki her hücrenin beklenen frekansı ≥ 5 olmalı. Bu sağlanamıyorsa Fisher'ın Kesin Testi kullanılır.
1. Row(s): Bir kategorik değişkeni taşıyın (örn. cinsiyet)
2. Column(s): Diğer kategorik değişkeni taşıyın (örn. tercih)
3. Statistics düğmesi → Chi-square'i işaretleyin → Continue
4. Cells düğmesi → Observed + Expected + Row/Column percentages → Continue
5. OK
Chi-Square Tests tablosunda bakılacak değerler:
- Pearson Chi-Square — Value: χ² istatistiği.
- df: Serbestlik derecesi = (satır sayısı − 1) × (sütun sayısı − 1).
- Asymp. Sig. (2-sided): p değeri. p < .05 → iki değişken arasında anlamlı ilişki vardır.
Anlamlı çıkarsa ilişkinin gücünü ölçmek için Cramer's V değerine bakın (Statistics → Phi and Cramer's V). V < .10 zayıf, .10–.30 orta, > .30 güçlü ilişki.
Dikkat notu: "0 cells have expected count less than 5" uyarısı çıkmazsa ki-kare geçerlidir. Bu uyarı çıkarsa Fisher testine geçin.
Örnek: 120 öğrenci üzerinde yapılan çalışmada cinsiyet (erkek/kadın) ile tercih edilen ders alma yöntemi (yüz yüze/online) arasındaki ilişki test ediliyor. χ²(1) = 6.42, p = .011 → cinsiyet ile ders yöntemi tercihi arasında anlamlı ilişki vardır.
Fisher'ın Kesin Testi (Fisher's Exact Test)
Fisher'ın Kesin Testi, ki-kare testinin küçük örneklem alternatifidir. Özellikle 2×2 çapraz tablolarda beklenen hücre frekanslarından herhangi biri 5'in altında kaldığında ki-kare yerine kullanılır. "Kesin" adını olasılıkları direkt hesaplamasından alır; büyük örneklem yaklaşımına ihtiyaç duymaz.
- Her iki değişken de: Kategorik (özellikle 2×2 tablo)
- Ne zaman tercih edilir: Herhangi bir hücrenin beklenen frekansı < 5 olduğunda; toplam n < 20 olduğunda
- Ki-kare çıktısındaki "X cells have expected count less than 5" uyarısını görürseniz Fisher'a geçin
Ki-kare ile aynı adımlar — SPSS 2×2 tablolarda Fisher'ın Kesin Testini otomatik olarak Chi-Square Tests tablosuna ekler.
Exact Sig. (2-sided) sütunundaki Fisher's Exact Test satırını okuyun.
Chi-Square Tests tablosunda — Fisher's Exact Test satırı:
- Exact Sig. (2-sided): p değeri. p < .05 → iki değişken arasında anlamlı ilişki vardır.
- Exact Sig. (1-sided): Yönlü hipotez için (nadiren gerekir).
Örnek: 18 hastadan oluşan küçük bir klinik çalışmada tedavi (ilaç/plasebo) ile iyileşme (iyileşti/iyileşmedi) arasındaki ilişki test ediliyor. Beklenen frekansların düşük olması nedeniyle Fisher'ın Kesin Testi kullanılır. p = .038 → tedavi ile iyileşme arasında anlamlı ilişki vardır.
McNemar Testi
McNemar testi, eşleştirilmiş (paired) ikili kategorik veriler için kullanılır. Aynı bireylerin iki farklı zamanda ya da iki farklı koşulda verdiği ikili (evet/hayır, başarılı/başarısız) yanıtların dağılımında anlamlı bir değişim olup olmadığını sınar. Ön-test/son-test tasarımlarında veya eşleştirilmiş çiftlerde ki-kare yerine McNemar tercih edilir.
- Bağımlı değişken: İkili kategorik (evet/hayır, başarılı/başarısız)
- Örneklem yapısı: Eşleştirilmiş / tekrarlı ölçüm (aynı bireyler iki kez ölçülüyor)
- Tipik tasarım: Eğitim öncesi–sonrası, tedavi öncesi–sonrası, eşleştirilmiş vaka-kontrol çalışması
1. Test Pairs: Birinci ölçümü Variable 1'e, ikinci ölçümü Variable 2'ye taşıyın
2. Test Type: McNemar'ı işaretleyin (Wilcoxon'ın işaretini kaldırın)
3. OK
McNemar Test tablosunda bakılacak değerler:
- Çapraz tablo: Kategoriler arası geçiş sayılarını gösterir. Asıl odak: yalnızca bir koşulda "evet" diyen bireyler (uyuşmayan çiftler).
- Exact Sig. (2-tailed): p değeri. p < .05 → iki ölçüm arasında anlamlı değişim vardır.
Örnek: 60 kişiye verilen eğitim öncesinde ve sonrasında "Bu uygulamayı kullanıyor musunuz?" sorusu sorulmuştur (evet/hayır). McNemar testi ile eğitimin kullanım oranını anlamlı biçimde artırıp artırmadığı sınanır. p = .004 → eğitim sonrası kullanım oranında istatistiksel olarak anlamlı artış vardır.
McNemar ≠ Ki-kare: Aynı bireyleri iki kez ölçüyorsanız ki-kare değil McNemar kullanın. Ki-kare bağımsız gözlemler varsayar; eşleştirilmiş veride bu varsayım ihlal edilir ve yanıltıcı sonuç verir.
Beş Testi Karşılaştırma
| Test | Bağımlı Değişken | Örneklem Yapısı | Dağılım | Ne zaman? |
|---|---|---|---|---|
| Bağımsız t-Testi | Sürekli | Bağımsız 2 grup | Normal gerekli | İki grubun ortalamasını karşılaştırma |
| Mann-Whitney U | Sürekli veya ordinal | Bağımsız 2 grup | Gerekmez | t-testinin normallik sağlanamadığında alternatifi |
| Ki-Kare | Kategorik | Bağımsız | Gerekmez | İki kategorik değişken arasında ilişki (beklenen frek. ≥ 5) |
| Fisher'ın Kesin Testi | Kategorik (2×2) | Bağımsız | Gerekmez | Ki-karenin küçük örneklem alternatifi (beklenen frek. < 5) |
| McNemar | İkili kategorik | Eşleştirilmiş / tekrarlı | Gerekmez | Ön-test/son-test veya eşleştirilmiş çiftlerde oran değişimi |
Hangi Testi Seçmeliyim?
- Bağımlı değişken kategorik mi?
- Evet + eşleştirilmiş veri → McNemar
- Evet + bağımsız + beklenen frekans < 5 → Fisher
- Evet + bağımsız + beklenen frekans ≥ 5 → Ki-Kare
- Bağımlı değişken sürekli veya ordinal mi?
- Normal dağılım var (veya n ≥ 30) → Bağımsız t-Testi
- Normal dağılım yok veya n < 30 → Mann-Whitney U
SPSS Analizi için Profesyonel Destek
Hangi testi kullanacağınızdan emin değil misiniz? Tez veya araştırmanız için doğru analizi birlikte belirleyelim.
Ücretsiz Danışmanlık AlınKaynaklar
- UCLA OARC. (2026). What Statistical Analysis Should I Use? stats.oarc.ucla.edu
- Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5. Baskı). SAGE.
- Pallant, J. (2020). SPSS Survival Manual (7. Baskı). McGraw-Hill.