Kısa cevap: Tekrarlı ölçümler ANOVA, aynı katılımcıların üç veya daha fazla zamanda ya da koşulda ölçüldüğü durumlarda ortalamaların farklı olup olmadığını test eder. SPSS’te Analyze → General Linear Model → Repeated Measures yolu izlenir. Önce Mauchly küresellik testine bakılır; test anlamlıysa Greenhouse-Geisser satırı okunur. Son olarak Bonferroni karşılaştırmaları ile farkın hangi ölçümler arasında olduğu bulunur.
Bu rehberde süreci tek bir çalışılmış örnek üzerinden gösteriyoruz. Örnekte on iki öğrencinin kaygı puanı bir müdahale programından önce, hemen sonra ve bir ay sonra ölçüldü. Veri öğretim amacıyla kurgulandı; ancak tablolardaki kareler toplamı, F, epsilon ve p değerlerinin tamamı gerçekten hesaplandı. Tek yönlü ANOVA mantığını tazelemek isterseniz SPSS’te ANOVA rehberimize de göz atabilirsiniz.

Tekrarlı ölçümler ANOVA nedir, ne zaman kullanılır?
Bağımsız gruplarda her katılımcı yalnızca bir koşulda yer alır. Tekrarlı desende ise aynı kişi tüm koşullarda ölçülür; yani her katılımcı kendi kontrolü olur. Bu nedenle ölçümler birbirinden bağımsız değildir ve sıradan tek yönlü ANOVA kullanılamaz. Tekrarlı ölçümler ANOVA, kişiler arası farkları hata teriminden ayırarak bu bağımlılığı modele katar.
En sık kullanıldığı desenler şunlardır:
- Ön test – son test – izleme: Eğitim, psikoloji ve hemşirelik tezlerinde bir programın etkisini zaman içinde izlemek.
- Aynı kişide farklı koşullar: Örneğin üç farklı arayüzde görev tamamlama süresini ölçmek.
- Klinik takip: Hastaların başlangıç, birinci ay ve üçüncü ay değerlerini karşılaştırmak.
Ölçüm sayısı ikiyse eşleştirilmiş örneklem t testi yeterlidir; iki yöntem aynı sonucu verir (F = t²). Üstelik iki düzeyde küresellik sorunu da ortaya çıkmaz. Öte yandan bir de bağımsız grup faktörünüz varsa (deney ve kontrol gibi) desen karma ANOVA’ya dönüşür. Bağımsız iki grubu tek ölçümde karşılaştırıyorsanız bağımsız örneklem t testi yazımız daha uygun bir başlangıç noktasıdır.
Hangi varsayımlar kontrol edilmeli?
Analize başlamadan önce dört varsayımı sırayla kontrol ediyoruz. Böylece yanlış satırı okumak veya sonradan test değiştirmek zorunda kalmıyoruz.
- Sürekli bağımlı değişken: Puan, süre, kan değeri gibi aralık veya oran düzeyinde bir ölçüm gerekir.
- Uç değer yokluğu: Her ölçüm için kutu grafiğine bakılır, çünkü aşırı uç değerler F değerini belirgin biçimde etkiler.
- Normallik: Her ölçüm düzeyinde dağılımın yaklaşık normal olması beklenir. Küçük örneklemlerde Shapiro-Wilk testi ve çarpıklık-basıklık değerleri birlikte değerlendirilir. Ayrıntılar için normallik testi rehberimize bakabilirsiniz.
- Küresellik (sphericity): Ölçüm çiftleri arasındaki fark puanlarının varyanslarının eşit olması gerekir. Bu varsayım yalnızca üç veya daha fazla düzeyde anlam taşır ve Mauchly testiyle sınanır.
Ayrıca örneklem büyüklüğünü analizden önce planlamak gerekir. Tekrarlı desenler aynı kişiyi birden fazla kez kullandığı için genellikle daha az katılımcıyla yeterli güce ulaşır. Yine de bu sayıyı tahminle değil hesapla belirlemek gerekir; G*Power ile örneklem hesabı yazımızda güç analizinin temel mantığını anlattık; tekrarlı desen için programda “F tests → ANOVA: Repeated measures, within factors” seçeneği kullanılır.
Veri SPSS’e hangi düzende girilir?
SPSS tekrarlı ölçümler için geniş format ister. Her katılımcı tek satırdır ve her ölçüm ayrı bir sütunda yer alır. Uzun formatta (her ölçüm ayrı satırda) veri girerseniz Repeated Measures penceresi değişkenleri doğru eşleştiremez.
| katilimci | on_test | son_test | izleme |
|---|---|---|---|
| 1 | 42 | 35 | 37 |
| 2 | 38 | 33 | 34 |
| 3 | 45 | 36 | 40 |
| 4 | 50 | 38 | 44 |
| … | … | … | … |
Özellikle değişken adlarında boşluk ve Türkçe karakter kullanmamak, sonradan sözdizimi (syntax) yazarken işinizi kolaylaştırır. Bunun yanı sıra Variable View sekmesinde Measure sütununu “Scale” olarak işaretlemeyi unutmayın. Eksik ölçümü olan bir katılımcı varsa SPSS bu kişiyi analizden tamamen çıkarır; bu nedenle eksik veri sayısını yöntem bölümünde belirtmeniz gerekir.
Tekrarlı ölçümler ANOVA SPSS’te nasıl yapılır? Menü yolu
Tekrarlı ölçümler ANOVA için SPSS 25 ve sonraki sürümlerde izlediğimiz yol şudur:
- Analyze → General Linear Model → Repeated Measures menüsünü açın.
- “Within-Subject Factor Name” kutusuna
zamanyazın, “Number of Levels” kutusuna3girin ve Add düğmesine, ardından Define düğmesine tıklayın. - on_test, son_test ve izleme değişkenlerini sırasıyla “Within-Subjects Variables” listesine taşıyın. Sıra önemlidir, çünkü karşılaştırma tabloları bu sıraya göre numaralanır.
- Plots düğmesinde zaman faktörünü “Horizontal Axis” alanına taşıyıp Add deyin.
- EM Means düğmesinde zaman faktörünü sağa alın, “Compare main effects” kutusunu işaretleyin ve “Confidence interval adjustment” olarak Bonferroni seçin.
- Options düğmesinde “Descriptive statistics” ve “Estimates of effect size” kutularını işaretleyin, sonra OK deyin.
Aynı analizi sözdizimiyle tekrarlamak isterseniz şu komut yeterlidir:
GLM on_test son_test izleme
/WSFACTOR=zaman 3 Polynomial
/EMMEANS=TABLES(zaman) COMPARE ADJ(BONFERRONI)
/PRINT=DESCRIPTIVE ETASQ
/PLOT=PROFILE(zaman)
/WSDESIGN=zaman.
Çıktıda sırasıyla Within-Subjects Factors, Descriptive Statistics, Multivariate Tests, Mauchly’s Test of Sphericity, Tests of Within-Subjects Effects ve Pairwise Comparisons tabloları gelir. Okuma sırası da genel olarak budur.
Çalışılmış örnek: Üç ölçümde F değeri nasıl hesaplanır?
İlk olarak betimsel istatistiklere bakıyoruz. Ortalama kaygı puanı ön testte yüksek, son testte düşük, izlemede ise biraz yükselmiş görünüyor.
| Ölçüm | Ortalama | Standart sapma | n |
|---|---|---|---|
| Ön test | 43,08 | 4,81 | 12 |
| Son test | 34,75 | 2,42 | 12 |
| İzleme | 38,00 | 4,02 | 12 |
Tekrarlı desende toplam değişkenlik üç parçaya ayrılır. Genel ortalamayı x̄ = 38,61, ölçüm sayısını k = 3 ve katılımcı sayısını n = 12 olarak alalım:
- Zaman (etki): KTzaman = n × Σ(x̄j − x̄)² = 12 × [(43,08 − 38,61)² + (34,75 − 38,61)² + (38,00 − 38,61)²] = 423,39
- Kişiler arası: KTkişi = k × Σ(x̄i − x̄)² = 423,89
- Hata: KThata = KTtoplam − KTzaman − KTkişi = 920,56 − 423,39 − 423,89 = 73,28
Serbestlik dereceleri sdzaman = k − 1 = 2 ve sdhata = (k − 1)(n − 1) = 22 olur. Dolayısıyla KOzaman = 423,39 / 2 = 211,69, KOhata = 73,28 / 22 = 3,33 ve F = 211,69 / 3,33 = 63,56 bulunur.
Burada kritik nokta şudur: Kişiler arası değişkenlik (423,89) hata teriminden çıkarıldı. Aynı veriyi bağımsız gruplar gibi analiz etseydik bu değer hataya eklenecek ve F belirgin biçimde küçülecekti. Tekrarlı ölçümler ANOVA’nın gücü tam da bu ayrıştırmadan gelir.
Etki büyüklüğü olarak kısmi eta kare kullanıyoruz: η²p = KTzaman / (KTzaman + KThata) = 423,39 / (423,39 + 73,28) = ,852. Cohen’in yaygın ölçütlerine göre ,01 küçük, ,06 orta ve ,14 büyük etki sayılır; örneğimizdeki değer kurgusal verinin bilinçli olarak belirgin seçilmesinden kaynaklanır.
Mauchly küresellik testi anlamlıysa ne yapılır?
Mauchly tablosunda örneğimiz için W = ,075, χ²(2) = 25,89, p < ,001 çıktı. Test anlamlı olduğu için küresellik varsayımı karşılanmıyor. Bu durumda "Sphericity Assumed" satırı fazla iyimser bir p değeri verir; bu yüzden serbestlik derecelerini düzelten satırlardan birini okuyoruz.
Düzeltme katsayısına epsilon (ε) denir. Örneğimizde Greenhouse-Geisser ε = ,520, Huynh-Feldt ε = ,525 ve alt sınır (lower-bound) ε = ,500 oldu. Yaygın karar kuralı şöyledir:
- ε ≥ ,75 ise Huynh-Feldt düzeltmesi tercih edilir.
- ε < ,75 ise daha temkinli olan Greenhouse-Geisser düzeltmesi kullanılır.
Bizim ε değerimiz ,75’in altında kaldığından Greenhouse-Geisser satırını raporluyoruz. Düzeltilmiş serbestlik dereceleri 2 × ,520 = 1,04 ve 22 × ,520 = 11,43 olur. Bu arada F değeri değişmez; yalnızca p değeri daha büyük serbestlik kaybıyla yeniden hesaplanır.
| Satır | KT (SS) | sd (df) | KO (MS) | F | p | Kısmi η² |
|---|---|---|---|---|---|---|
| Zaman – Sphericity Assumed | 423,39 | 2 | 211,69 | 63,56 | < ,001 | ,852 |
| Zaman – Greenhouse-Geisser | 423,39 | 1,04 | 407,49 | 63,56 | < ,001 | ,852 |
| Zaman – Huynh-Feldt | 423,39 | 1,05 | 402,87 | 63,56 | < ,001 | ,852 |
| Hata (zaman) – Sphericity Assumed | 73,28 | 22 | 3,33 | – | – | – |
| Hata (zaman) – Greenhouse-Geisser | 73,28 | 11,43 | 6,41 | – | – | – |
Bir uyarı ekleyelim: Mauchly testi küçük örneklemlerde ihlali kaçırabilir, büyük örneklemlerde ise önemsiz sapmaları bile anlamlı bulur. Bu nedenle pek çok araştırmacı p değerinden bağımsız olarak epsilon değerine de bakar. Testin matematiksel arka planı için Mauchly küresellik testi kaynağına göz atabilirsiniz. Ayrıca Multivariate Tests tablosundaki Pillai izi ve Wilks lambda küresellik varsaymaz; varsayım ciddi biçimde ihlal edildiğinde destekleyici sonuç olarak verilebilir.
Ön test-son test verinizi birlikte analiz edelim
Deneysel ya da yarı deneysel tezinizde aynı katılımcıları birden fazla kez ölçtüyseniz veri dosyanızı ve hipotezlerinizi paylaşın. Varsayım kontrollerini, düzeltme seçimini ve bulgular tablosunu sizinle birlikte adım adım kontrol ederiz. Bunun için WhatsApp üzerinden yazabilir ya da iletişim ve teklif sayfamızı kullanabilirsiniz. Kapsam netleştikten sonra çalışma planı ve ücret bütçenize göre birlikte belirlenir.
Hangi ölçümler arasında fark var? Bonferroni karşılaştırmaları
F testi anlamlı çıktığında yalnızca “en az bir ölçüm diğerlerinden farklı” sonucuna ulaşırız. Farkın yerini bulmak için EM Means altında istediğimiz Pairwise Comparisons tablosuna geçiyoruz.
| Karşılaştırma | Ortalama farkı | SH | p (Bonferroni) | %95 GA |
|---|---|---|---|---|
| Ön test – Son test | 8,33 | 1,02 | < ,001 | [5,46; 11,20] |
| Ön test – İzleme | 5,08 | 0,34 | < ,001 | [4,14; 6,03] |
| Son test – İzleme | −3,25 | 0,72 | ,003 | [−5,28; −1,22] |
Tablo şöyle yorumlanır: Kaygı puanı ön testten son teste ortalama 8,33 puan düştü. İzleme ölçümü son teste göre 3,25 puan yükseldi; buna karşın ön testin hâlâ 5,08 puan altında kaldı. Kısacası etki bir ay sonra kısmen azaldı ama tamamen kaybolmadı. Güven aralıklarının hiçbiri sıfırı içermediği için üç fark da anlamlıdır.
Bonferroni, p değerini karşılaştırma sayısıyla çarpar; üç karşılaştırmada ham p değeri 3 ile çarpılır. Bununla birlikte ölçüm sayısı arttıkça bu düzeltme sertleşir. Bu durumda Holm yöntemi ya da önceden planlanmış kontrastlar daha güçlü bir alternatif olabilir.
Tekrarlı ölçümler ANOVA sonucu APA 7’ye göre nasıl raporlanır?
Raporlamada okuyucu üç şeyi görmek ister: varsayımın durumu, düzeltilmiş test sonucu ve ikili farklar. Örneğimiz için bulgular paragrafı şöyle yazılabilir:
“Kaygı puanlarının üç ölçüm arasında farklılaşıp farklılaşmadığı tekrarlı ölçümler ANOVA ile incelenmiştir. Mauchly testi küresellik varsayımının karşılanmadığını göstermiştir, χ²(2) = 25,89, p < ,001; bu nedenle Greenhouse-Geisser düzeltmesi uygulanmıştır (ε = ,520). Kaygı puanları ölçüm zamanına göre anlamlı biçimde farklılaşmıştır, F(1,04, 11,43) = 63,56, p < ,001, η²p = ,852. Bonferroni düzeltmeli karşılaştırmalara göre son test puanları (Ort = 34,75, SS = 2,42) ön test puanlarından (Ort = 43,08, SS = 4,81) anlamlı düzeyde düşüktür, p < ,001. İzleme puanları (Ort = 38,00, SS = 4,02) son teste göre yükselmiş, p = ,003, ancak ön testin anlamlı biçimde altında kalmıştır, p < ,001."
Ayrıca Plots seçeneğiyle aldığınız profil grafiğini hata çubuklarıyla birlikte şekil olarak eklemek, zaman içindeki değişimi tek bakışta gösterir. Bulgular bölümünün genel düzeni, tablo numaralandırma ve tartışmaya bağlama konusunda tez hazırlık desteğimizden de yararlanabilirsiniz.
Varsayımlar sağlanmazsa hangi yöntem kullanılır?
Elbette her veri seti bu analize uygun olmayabilir; bu durumda başka bir yol seçmek gerekir. Durumunuza göre şu seçenekleri değerlendiriyoruz:
- Normallik ciddi biçimde bozuksa: Friedman testi parametrik olmayan karşılığıdır. SPSS’te Analyze → Nonparametric Tests → Legacy Dialogs → K Related Samples yolu izlenir; ardından ikili karşılaştırmalar için Bonferroni düzeltmeli Wilcoxon testi yapılır.
- Deney ve kontrol grubu da varsa: Aynı pencerede grup değişkenini “Between-Subjects Factor(s)” alanına taşıyarak karma (mixed) ANOVA kurulur. Bu desende asıl ilgi grup × zaman etkileşimindedir.
- Eksik ölçüm fazlaysa: Doğrusal karma modeller (Analyze → Mixed Models → Linear) eksik gözlemi olan katılımcıyı tamamen atmadan analiz eder.
- Ölçüm aralıkları eşit değilse: Polinom kontrastlar ve trend analizi yorumlanırken zaman aralıkları dikkate alınmalıdır.
Yöntem değiştirme kararını sonuca bakarak değil, varsayım kontrollerine dayanarak vermek gerekir. Bu gerekçeyi yöntem bölümüne kısa bir cümleyle yazmak, jüri sorularını da önceden yanıtlar.
Tekrarlı ölçümler ANOVA’da sık yapılan hatalar nelerdir?
Örneğin danışmanlık sürecinde gördüğümüz hataların çoğu birkaç başlıkta toplanır:
- Bağımsız ANOVA ile analiz etmek: Ölçümleri tek sütunda birleştirip “zaman” değişkenini grup gibi kullanmak bağımlılığı yok sayar ve hatalı p değeri üretir.
- Sphericity Assumed satırını otomatik okumak: Mauchly testine bakmadan ilk satırı raporlamak, hakemlerin en sık yakaladığı eksiktir.
- Düzeltilmiş serbestlik derecesini yazmamak: Greenhouse-Geisser kullandıysanız F(2, 22) yerine F(1,04, 11,43) yazmanız gerekir.
- Ardışık t testleriyle yetinmek: Düzeltme yapmadan üç eşleştirilmiş t testi çalıştırmak birinci tip hata olasılığını büyütür.
- Etki büyüklüğünü atlamak: APA 7, p değerinin yanında kısmi eta kare gibi bir etki büyüklüğü bekler.
Sonuç olarak tekrarlı ölçümler ANOVA, doğru satırı okuduğunuz ve her kararı gerekçelendirdiğiniz sürece ön test-son test desenleri için güçlü ve anlaşılır bir yöntemdir. Varsayım, düzeltme ve karşılaştırma adımlarını bu sırayla izlemek, bulgular bölümünüzü hem tutarlı hem de savunulabilir kılar.
Sık sorulan sorular
Tekrarlı ölçümler için en az kaç katılımcı gerekir?
Tek bir sabit sayı yoktur. Gerekli örneklem beklenen etki büyüklüğüne, ölçüm sayısına ve ölçümler arası korelasyona bağlıdır; bu nedenle G*Power ile güç analizi yapmak en sağlıklı yoldur.
İki ölçüm için tekrarlı ölçümler ANOVA kullanılabilir mi?
Kullanılabilir, ancak sonuç eşleştirilmiş örneklem t testiyle aynıdır (F = t²). İki ölçümde küresellik varsayımı da söz konusu değildir; bu yüzden çoğu tezde t testi raporlanır.
Greenhouse-Geisser ile Huynh-Feldt arasındaki fark nedir?
Her ikisi de serbestlik derecelerini epsilon ile küçültür. Greenhouse-Geisser daha temkinlidir; Huynh-Feldt ise epsilon ,75 üzerindeyken daha az güç kaybettirir.
Mauchly testi tabloda boş görünüyorsa ne anlama gelir?
Ölçüm sayısı ikiyse SPSS küresellik testini hesaplamaz, çünkü tek bir fark puanı vardır. Bu durumda düzeltmeye gerek yoktur.
Friedman testi ne zaman tercih edilmeli?
Örneklem küçük ve dağılım belirgin biçimde normallikten sapıyorsa ya da veri sıralı ölçek düzeyindeyse Friedman testi daha uygun bir seçenektir.
İlgili rehberler ve hizmetler