SPSS ile Spearman Korelasyon Analizi (Resimli)

Spearman Korelasyon Analizi, iki değişken arasındaki ilişkiyi incelemek için kullanılan bir istatistiksel analiz yöntemidir. En popüler korelasyon analizi yöntemi olan Pearson Korelasyon Analizi’nin normal dağılım varsayımı sağlanmadığında, alternatif olan korelasyon analizi yöntemi olarak kullanılır. Bu yazıda, Spearman Korelasyon Analizi’nin ne olduğunu ve SPSS programı kullanılarak nasıl yapıldığını anlatıyorum.

Spearman Korelasyon Analizi Nedir?

Spearman Korelasyon Analizi, iki değişken arasındaki ilişkinin yönünü ve gücünü ölçmek için kullanılan parametrik olmayan bir korelasyon yöntemidir. Bu analizde değişkenlerin gerçek değerleri yerine sıraları (rank’ları) kullanılır. Bu nedenle bu analiz için verilerin normal dağılıma sahip olması gerekmez. Spearman Korelasyon Analizi yöntemi, ordinal (sıralı) yapıdaki verilerde veya normal dağılım varsayımının sağlanmadığı durumlarda tercih edilir.

Korelasyon analizlerinde en yaygın kullanılan yöntem Pearson Korelasyon Analizi’dir, ancak Pearson Korelasyon Analizi için değişkenlerin normal dağılım göstermesi gerekir. Eğer normal dağılım yoksa, Spearman Korelasyon Analizi daha uygun bir alternatif olur.

Örneğin bir araştırmada öğrencilerin ders çalışma sıklığı (hiç, bazen, sık, çok sık) ile sınav puanları arasındaki ilişkiyi incelemek isteyebiliriz. Ders çalışma sıklığı sıralı (ordinal) yapıda olduğu için ders çalışma sıklığı arttıkça başarı puanının da artıp artmadığını Spearman Korelasyon Analizi kullanarak araştırabiliriz. Eğer analiz sonucunda pozitif ve anlamlı bir Spearman korelasyon katsayısı elde edersek, daha sık ders çalışan öğrencilerin genellikle daha yüksek başarıya sahip olduğu sonucuna varabiliriz.

Ya da katılımcıların yaşları ile açlık kan şekeri değerleri arasındaki ilişkiyi merak ediyorsak ve yaş normal dağılım gösteriyor fakat açlık kan şekeri normal dağılım göstermiyorsa, o zaman da Pearson yerine Spearman Korelasyon Analizi kullanmak gerekir.

Aynı Spearman Korelasyon Analizi gibi, Kendall Korelasyon Analizi de veriler normal dağılım göstermediğinde Pearson Korelasyon Analizi’ne alternatif olarak uygulanabilen bir yöntemdir. Spearman ve Kendall korelasyon analizleri arasında çok ufak bir fark vardır; bunu ayrı bir yazı yazarak anlattım, tıklayıp okuyabilirsiniz.

Spearman Korelasyon Katsayısı Değeri Yorumlama

Spearman Korelasyon Katsayısı, rho olarak belirtilir. Genellikle Spearman’s rho olarak bahsedilir.

Spearman korelasyon katsayısının değeri, -1 ile 1 arasında değişir.

• 1 değeri mükemmel bir pozitif ilişkiyi gösterir; yani bir değişken arttıkça, diğer değişken de artar.
• -1 değeri mükemmel bir negatif ilişkiyi gösterir; yani bir değişken arttıkça, diğeri azalır.
• 0 değeri ise hiçbir korelasyon olmadığını, yani değişkenler arasında bir ilişki olmadığını belirtir.

Korelasyonun gücü, katsayının mutlak değerine dayanarak yorumlanabilir:

• 1’e daha yakın değerler (pozitif veya negatif fark etmez) güçlü bir korelasyonu gösterir.
• 0’a daha yakın değerler zayıf bir korelasyonu gösterir.

Genelde Pearson korelasyon katsayısı için kullanılan Cohen temelli eşikler Spearman için de uygulanır.

Yani:

• rho ≈ 0 ise neredeyse hiç ilişki yok
• rho 0.10 – 0.29 ise zayıf ilişki
• rho 0.30 – 0.49 ise orta düzey ilişki
• rho ≥ 0.50 ise güçlü ilişki

demektir.

Spearman Korelasyon Analizi Varsayımları

Parametrik olmayan bir korelasyon yöntemi olduğu için, Spearman Korelasyon Analizi normal dağılım olmasına ihtiyaç duymaz. Verilerin devamlı sayısal veri veya ordinal yapıda olması yeterlidir.

Açılan korelasyon penceresinde, test edeceğimiz değişkenlerimizin ikisini de soldaki kutudan alıp “Variables” kutucuğuna yerleştiriyoruz.

Correlation Coefficients bölümünde, Spearman seçeneğini işaretliyoruz.

Başka bir ayarlama yapmamıza gerek yok. OK’a basıp analizimizi başlatıyoruz.

Spearman Korelasyon Analizi SPSS Tablo Yorumlama

Analiz sonucunda SPSS bize 1 adet korelasyon tablosu verecek. Örnek tabloyu aşağıda görebilirsiniz.

Bu tabloda, iki değişken arasındaki korelasyonun büyüklüğünü, Correlation Coefficient satırında bulabiliriz.

Bu korelasyonun istatistiksel anlamlılık seviyesini ifade eden p değerini de, Sig. (2-tailed) satırında bulabiliriz.

Mesela bu sayfada yaptığımız örnekte:

• Spearman korelasyon analizi sonucundaki p değeri 0.042 bulunmuş. Bu değer 0.05’ten küçük olduğu için “haftalık spor saati ile haftalık iş günü arasında istatistiksel olarak anlamlı bir korelasyon ilişkisi vardır” diyebiliriz.
• Spearman korelasyon katsayısı ise -0.288 çıkmış. Bu değer, zayıf-orta büyüklükte bir korelasyonu ifade eder.

Eğer analiz sonucunda bulduğumuz p değeri 0.05’ten büyük olsaydı o zaman “anlamlı ilişki yok” diyecektik. O zaman korelasyon katsayısının kaç olduğu önemli olmayacaktı. Anlamlı ilişki olmayınca korelasyon katsayısına bakmaya gerek yoktur, çünkü adı üstünde, bir ilişki “istatistiksel olarak anlamlı değil” iken korelasyon katsayısının kaç olduğunun da önemi yok.

Yaptığımız Spearman Korelasyon Analizi sonucunu şöyle raporlayabiliriz:

“Spearman Korelasyon Analizi sonucunda, haftalık iş günü sayısı ile haftalık spor saati arasında, istatistiksel olarak anlamlı, negatif yönde ve zayıf-orta büyüklükte bir korelasyon ilişkisi bulunmuştur (rho = -0.288, p = 0.042).”

SPSS’te Spearman Korelasyon Analizi hakkında anlatmak istediklerim bu kadardı. Okuduğunuz için teşekkürler, kolay gelsin.