Jamovi ile Korelasyon ve Regresyon Analizi

Kısa cevap: Jamovi ile korelasyon analizi için Analyses > Regression > Correlation Matrix menüsünü açar, sürekli değişkenleri sağdaki kutuya taşır ve Pearson ya da Spearman katsayısını seçersiniz. Bir değişkeni diğerlerinden tahmin etmek istiyorsanız aynı menüdeki Linear Regression ekranında bağımlı değişkeni Dependent Variable, yordayıcıları Covariates alanına koyarsınız. Ardından R², F testi, standartlaştırılmış beta ve p değerlerini okuyarak modeli yorumlarsınız.

Bu rehberde tek bir örnek veri seti üzerinden menü yollarını, çıktıların nasıl okunacağını ve tezde nasıl raporlanacağını adım adım gösteriyoruz.

Korelasyon ile regresyon arasındaki fark nedir?

Korelasyon, iki değişkenin birlikte nasıl değiştiğini tek bir sayıyla özetler. Katsayı −1 ile +1 arasında yer alır; işaret ilişkinin yönünü, mutlak değer ise gücünü gösterir. Ancak korelasyon hangi değişkenin neden, hangisinin sonuç olduğunu söylemez.

Regresyon ise bir bağımlı değişkeni (Y) bir veya daha fazla bağımsız değişkenle (X) tahmin eden bir denklem kurar. Örneğin “haftalık çalışma saati sınav puanını ne kadar yordar?” sorusu regresyonla yanıtlanır. Bu nedenle tez çalışmalarında genellikle önce korelasyon tablosu verilir, ardından hipotezlerdeki yönlü ilişkiler regresyonla sınanır.

Kısacası korelasyon “ilişki var mı ve ne kadar güçlü?”, regresyon ise “bir birimlik artış sonucu ne kadar değiştirir?” sorusuna odaklanır.

Örnek veri seti nasıl hazırlanmalı?

Anlatım boyunca 120 öğrenciden oluşan hayali bir eğitim veri setini kullanıyoruz. Değişkenler şunlar: calisma_saati (haftalık saat), uyku (gecelik ortalama saat), kaygi (1–5 ölçek ortalaması) ve sinav_puani (0–100).

Jamovi’de veriyi açtıktan sonra Data sekmesinde her sütunun ölçüm düzeyini kontrol edin. Sürekli değişkenlerin simgesi cetvel (Continuous) olmalıdır; nominal görünen bir sütun Correlation Matrix listesinde çıkmaz. Ölçek maddelerinden ortalama puan üretmek için Data > Compute ekranında MEAN(k1, k2, k3, k4) formülünü yazabilirsiniz.

Ayrıca eksik değerleri ve uç değerleri baştan inceleyin. Exploration > Descriptives menüsünde Box plot seçeneği, aykırı gözlemleri hızlıca gösterir. Bir öğrencinin 95 saat çalışma girdiği gibi bariz veri giriş hataları, korelasyon katsayısını tek başına bozabilir.

Jamovi ile korelasyon analizi adım adım nasıl yapılır?

Jamovi ile korelasyon analizi şu sırayla yapılır:

1. Analyses > Regression > Correlation Matrix yolunu izleyin.
2. calisma_saati, uyku, kaygi ve sinav_puani değişkenlerini sağdaki kutuya taşıyın.
3. Correlation Coefficients bölümünde Pearson işaretli gelir; normal dağılmayan veya sıralı veriler için Spearman ya da Kendall’s tau-b seçin.
4. Additional Options altında Report significance, Flag significant correlations ve Confidence intervals kutularını işaretleyin.
5. Plot bölümünde Correlation matrix seçeneği dağılım grafiklerini ve yoğunluk eğrilerini ekler.

Sonuçlar sağ paneldeki tabloya anında yansır. Böylece seçimleri değiştirdikçe çıktının nasıl değiştiğini aynı ekranda görebilirsiniz. Hipotez yönlüyse (örneğin “çalışma saati arttıkça puan artar”) Hypothesis bölümünde Correlated positively seçeneği tek yönlü test yapar.

Jamovi ile korelasyon analizi çıktısı nasıl okunur?

Örnek veride tablo aşağıdaki gibi çıksın (değerler eğitim amaçlı ve hayalidir):

Değişken çifti	Pearson r	p	Yorum
Çalışma saati – sınav puanı	0,58	< ,001	Pozitif, orta-güçlü ilişki
Uyku – sınav puanı	0,24	,008	Pozitif, zayıf ilişki
Kaygı – sınav puanı	−0,41	< ,001	Negatif, orta düzey ilişki
Çalışma saati – uyku	−0,19	,038	Negatif, zayıf ilişki

Katsayının büyüklüğünü yorumlarken yaygın olarak Cohen’in ölçütleri kullanılır: yaklaşık 0,10 küçük, 0,30 orta, 0,50 ve üzeri büyük etki sayılır. Dolayısıyla r = 0,58 güçlü, r = 0,24 ise zayıf bir ilişki olarak raporlanır.

Yıldızlar (*, **, ***) yalnızca anlamlılık düzeyini gösterir; ilişkinin pratik önemini değil. Bu yüzden büyük örneklemlerde r = 0,12 gibi küçük bir katsayı da anlamlı çıkabilir. Tezde “r(118) = 0,58, p < ,001” biçiminde, serbestlik derecesi n − 2 olacak şekilde yazmanız önerilir.

Pearson mı Spearman mı seçilmeli?

Pearson katsayısı iki değişkenin sürekli olduğunu, ilişkinin doğrusal olduğunu ve belirgin uç değer bulunmadığını varsayar. Normalliği kontrol etmek için Exploration > Descriptives ekranında Shapiro-Wilk testini ve Q-Q grafiğini isteyebilirsiniz.

Öte yandan Likert tipi tek maddeler, sıralı puanlar veya çarpık dağılımlar söz konusuysa Spearman rho daha güvenlidir. Kendall’s tau-b ise küçük örneklemlerde ve çok sayıda eşit değer (bağlı sıra) bulunduğunda tercih edilir.

Pratik bir kural olarak dağılım grafiğinde eğrisel bir desen görüyorsanız Pearson katsayısı ilişkiyi olduğundan zayıf gösterebilir. Böyle durumlarda Spearman ile birlikte grafiği de rapora eklemek okuyucunun ilişkiyi doğru anlamasını sağlar.

Jamovi’de doğrusal regresyon nasıl kurulur?

Korelasyonlar hipotezinize uygun görünüyorsa sıra regresyon modeline gelir:

1. Analyses > Regression > Linear Regression menüsünü açın.
2. sinav_puani değişkenini Dependent Variable, calisma_saati, uyku ve kaygi değişkenlerini Covariates alanına taşıyın. Cinsiyet gibi kategorik yordayıcılar Factors alanına gider.
3. Model Fit bölümünde R, R², Adjusted R² ve F test kutularını işaretleyin.
4. Model Coefficients altında Standardized estimate ve güven aralıklarını açın.
5. Hiyerarşik regresyon için Model Builder içinde Add New Block ile ikinci bloğu ekleyin; Jamovi her blok için ΔR² değerini ayrıca verir.

Örneğin önce yalnızca çalışma saatini, ikinci blokta uyku ve kaygıyı girerseniz yeni değişkenlerin açıklanan varyansa katkısını ayrı ayrı görebilirsiniz.

Regresyon çıktısındaki R², beta ve p değerleri ne anlatır?

Örnek modelde Model Fit tablosu R² = 0,42, Adjusted R² = 0,41 ve F(3, 116) = 28,3, p < ,001 göstersin. Bu sonuç, üç yordayıcının birlikte sınav puanındaki varyansın yaklaşık yüzde 42’sini açıkladığı anlamına gelir.

Model Coefficients tablosunda her değişken için Estimate (B), SE, t, p ve Stand. Estimate (β) sütunları bulunur. Örneğin çalışma saati için B = 1,85 ise, diğer değişkenler sabitken haftalık bir saatlik artış puanı ortalama 1,85 artırır. Kaygı için β = −0,29 çıkması ise kaygının puanla ters yönde ve orta düzeyde ilişkili olduğunu gösterir.

Standartlaştırılmış beta değerleri farklı ölçeklerdeki değişkenleri karşılaştırmayı kolaylaştırır. Bununla birlikte ham B katsayısı, tahmin denklemini yazmak için gereklidir: Puan = 32,4 + 1,85 × çalışma + 2,10 × uyku − 4,60 × kaygı.

Regresyon varsayımları Jamovi’de nasıl kontrol edilir?

Linear Regression ekranındaki Assumption Checks bölümü temel tanıları tek tıklamayla üretir:

• Collinearity statistics: VIF değerleri 5’in, katı yaklaşımda 10’un altında olmalıdır.
• Normality test ve Q-Q plot of residuals: Artıkların normal dağılıp dağılmadığını gösterir.
• Residual plots: Tahmin değerlerine karşı artıklarda huni şekli varsa değişen varyans sorunu olabilir.
• Autocorrelation test: Durbin-Watson istatistiği 2’ye yakın olmalıdır; 1,5–2,5 aralığı genellikle kabul edilir.
• Cook’s distance: 1’i aşan gözlemler modeli tek başına etkileyen uç değerlerdir.

Varsayımlardan biri belirgin şekilde ihlal ediliyorsa değişken dönüşümü, sağlam (robust) standart hatalar veya bootstrap gibi alternatifler değerlendirilmelidir. Jamovi ile korelasyon analizi ve regresyon sonuçlarını raporlarken bu kontrolleri yöntem bölümünde kısaca belirtmek hakem sorularını azaltır.

Jamovi ile korelasyon analizi yaparken hangi hatalar yapılır?

Uygulamada en sık karşılaşılan hatalar birkaç başlıkta toplanır. Bunları bilmek, analizi tekrar yapma ihtiyacını büyük ölçüde azaltır.

• Nedensellik iddiası: Korelasyon tablosundan “kaygı başarıyı düşürür” sonucunu çıkarmak yanlıştır. Bunun yerine “kaygı ile başarı arasında negatif yönde ilişki vardır” demek gerekir.
• Ölçek toplamı yerine madde kullanmak: Ayrıca tek tek Likert maddelerini korelasyona sokmak tabloyu gereksiz büyütür. Önce ölçek ortalamasını hesaplamak daha doğrudur.
• Çoklu karşılaştırma: Örneğin on değişkenli bir matriste 45 katsayı test edilir. Dolayısıyla birkaç tanesi şans eseri anlamlı çıkabilir; yorumu hipotezlerle sınırlayın.
• Grafiğe bakmamak: Özellikle uç değerler katsayıyı şişirebilir. Bu nedenle dağılım grafiğini mutlaka kontrol edin.
• Yanlış ölçüm düzeyi: Bununla birlikte Data sekmesinde Nominal görünen bir değişken matris listesinde yer almaz; ölçüm düzeyini Continuous olarak düzeltin.

Sonuç olarak iyi bir analiz, yalnızca doğru menüyü seçmek değil; aynı zamanda veriyi tanımak ve sınırlılıkları açıkça yazmak anlamına gelir. Böylece bulgularınız savunma ve hakem sürecinde daha kolay kabul görür.

Jamovi ile korelasyon analizi bulguları nasıl raporlanır?

APA 7 düzeninde önce betimsel istatistikleri ve korelasyon tablosunu, ardından regresyon tablosunu verin. Örnek cümle: “Çalışma saati, uyku ve kaygı birlikte sınav puanındaki varyansın %42’sini açıklamıştır, F(3, 116) = 28,30, p < ,001. Çalışma saati puanı pozitif yönde yordamıştır, β = ,46, p < ,001.”

Jamovi’de tabloya sağ tıklayıp Copy seçeneğiyle tabloyu Word’e biçimli olarak yapıştırabilirsiniz. Ayrıca File > Export ile tüm sonuçları HTML veya PDF olarak dışa aktarmak mümkündür. Sayı yazımı ve tablo düzeni için APA sayı ve istatistik rehberi pratik bir kaynaktır; yazılımın kendi belgeleri için jamovi kullanım kılavuzuna bakabilirsiniz.

Hipotezleri p değeriyle nasıl sınayacağınızı ayrıntılı görmek için Jamovi ile hipotez testleri rehberimizi, aynı analizleri farklı programda yapmak isterseniz Excel’de regresyon analizi yazımızı inceleyebilirsiniz.

Sık sorulan sorular

Jamovi ile korelasyon analizi için en az kaç katılımcı gerekir?
Kesin bir alt sınır yoktur; ancak orta büyüklükte bir ilişkiyi (r ≈ 0,30) %80 güçle yakalamak için yaklaşık 85 kişi gerekir. Daha küçük örneklemlerde güven aralıkları çok geniş olur.

Kısmi korelasyon Jamovi’de var mı?
Evet. Analyses > Regression > Partial Correlation menüsünde kontrol değişkenini Controlling for alanına ekleyerek kısmi korelasyon hesaplayabilirsiniz.

Korelasyon anlamlı çıktı ama regresyonda değişken anlamsız; neden?
Yordayıcılar birbiriyle ilişkiliyse ortak varyansı paylaşırlar. Bu durumda değişkenin tekil katkısı küçülür; VIF değerlerini ve kısmi korelasyonları kontrol edin.

Lojistik regresyon için hangi menü kullanılır?
Bağımlı değişken iki kategorili ise Analyses > Regression > 2 Outcomes: Binomial menüsü kullanılır; çıktıda odds oranları ve sınıflama tablosu yer alır.

R² değeri düşükse model geçersiz mi?
Hayır. Sosyal bilimlerde 0,10–0,30 arası R² değerleri sık görülür. Önemli olan katsayıların kuramla uyumu ve varsayımların sağlanmasıdır.

İlgili rehberler ve hizmetler

• Jamovi ile betimsel istatistikler
• Jamovi ile ANOVA rehberi
• İletişim ve fiyat teklifi

Özetle Jamovi ile korelasyon analizi birkaç tıklamayla yapılabilir; asıl değer, doğru katsayıyı seçmek, regresyon varsayımlarını kontrol etmek ve sonuçları kuramla ilişkilendirerek yazmaktan gelir. Bu adımları izlediğinizde tablolarınız hem anlaşılır hem de savunulabilir olur.

Veri, modern dünyanın en değerli varlıklarından biri haline gelmiştir ve iş dünyasında, araştırmada ve karar verme süreçlerinde kritik bir rol oynamaktadır. Biz, veri analizi konusundaki tutkulu bir topluluk olarak, veri biliminin ve analizinin gücünü vurguluyoruz. Web sitemiz, işletmelerden akademisyenlere ve veri meraklılarına kadar herkesin veri analizi becerilerini geliştirmesine yardımcı olmayı amaçlayan bir kaynaktır. Misyonumuz, veri analizi sürecini anlaşılır ve erişilebilir hale getirmek, verilerin içinde gizlenen değeri açığa çıkarmak ve daha bilinçli kararlar almalarını desteklemektir.

Web sitemiz, geniş bir veri analizi yelpazesi sunmaktadır. Hangi sektörde olursanız olun veya hangi veri analizi aracını kullanıyorsanız kullanın, ihtiyaçlarınıza uygun hizmetler sunuyoruz. SPSS, R, Python, Excel veya diğer analiz araçlarını kullanarak veri madenciliği, hipotez testleri, regresyon analizi, zaman serisi tahmini, segmentasyon ve daha fazlasını içeren çeşitli analiz türlerini kapsarız. Ayrıca, öğrenmeyi kolaylaştırmak için zengin kaynaklar, öğreticiler ve interaktif araçlar sunuyoruz.