STL Ayrıştırma
STL Ayrıştırma, MerQur’da otomatik uygulanan istatistiksel analizlerden biridir. Bu sayfada Eğitim Bilimleri alanına ait örnek veri seti üzerinde analizin nasıl uygulandığı, MerQur çıktısının nasıl görüneceği ve APA 7 formatında nasıl raporlanacağı temsilî olarak gösterilmiştir.
🎯 Ne işe yarar?
STL Ayrıştırma, ilgili veri türü için gerekli tüm varsayım kontrollerini (normallik, varyans homojenliği, vb.) arka planda otomatik uygular ve sonuçları açık bir tablo + grafik ile sunar. APA 7 standardında otomatik yorumlama, Cohen’s d/η²/R² gibi etki büyüklükleri ve %95 güven aralıkları raporlanır.
📌 Ne zaman kullanılır?
- Eğitim Bilimleri alanına ait ölçümlerin istatistiksel analizinde
- Akademik yayın için APA 7 uyumlu sonuç tabloları üretmek için
- Hipotez sınama ve karar verme süreçlerinde
- Lisans / yüksek lisans / doktora tezlerinde uygun yöntem seçimi sonrasında
📐 Varsayımlar
- Uygun ölçek — Değişkenler analizin gerektirdiği ölçek düzeyinde (nominal/ordinal/aralık/oran) olmalı
- Bağımsız gözlemler — Gözlemler birbirinden bağımsız bireylerden gelmiş olmalı
- Yeterli örneklem — Analiz için minimum n gereksinimi karşılanmalı
- Aykırı değer kontrolü — Aykırı değerler tespit edilip değerlendirilmeli
Varsayımlar bozulursa MerQur otomatik olarak non-parametrik veya sağlam (robust) alternatife yönlendirir.
🛠 MerQur’da Nasıl Yapılır?
Veriyi yükle. Dosya → Aç menüsünden örnek dosyayı seç. MerQur sütun tiplerini otomatik tespit eder.
Analizi seç. Sol kenardan STL Ayrıştırma‘yi seç.
Panel atamaları (programdaki form alanları):
- date_col:
tarih - Değer Sütunu:
ortalama_motivasyon - period:
12 - robust:
False
Opsiyonel ayarlar. Etki büyüklüğü ✓ · %95 güven aralığı ✓ · Varsayım kontrolleri (otomatik).
▶ Çalıştır butonuna bas. Sonuçlar tablo + grafik olarak otomatik üretilir.
📄 Word’e Aktar. APA 7 formatında, italik istatistik sembolleriyle rapor.
📊 Örnek Veri Seti — Eğitim Bilimleri
ℹ Not: Aşağıdaki senaryo, MerQur çıktısı ve yorum, gerçek örnek veri seti MerQur’da çalıştırılarak elde edilmiştir. Kendi verinizdeki sayısal sonuçlar farklılık gösterecektir; buradaki amaç analizin uçtan uca nasıl kurgulandığını ve yorumlandığını göstermektir.
🎬 Örnek Dosya
Bu analiz, Eğitim Bilimleri alanına ait aşağıdaki örnek veri seti üzerinden gösterilmiştir:
Egitim_Bilimleri/95_stl_motivation_daily.xlsx
🎬 Senaryo
Bu araştırmada öğrencilerin günlük ortalama motivasyon düzeyinin üç yıllık (1095 günlük) seyrini bileşenlerine ayırmak istiyoruz. Her gün date değişkeniyle, o güne ait ortalama motivasyon mean_motivation değişkeniyle kaydedildi. Serideki uzun dönemli eğilimi, tekrarlayan mevsimsel örüntüyü ve rastgele kalan değişkenliği ayrı ayrı görmek amacıyla, esnek ve sağlam bir ayrıştırma sağlayan STL Ayrıştırması (Loess tabanlı Mevsimsel-Trend ayrıştırması) en uygun yöntemdir.
⚙️ Değişken Seçimi
- Zaman: date
- Değer (seri): mean_motivation
Veri Önizleme (İlk 5 Satır)
| date | mean_motivation |
|---|---|
| 2022-01-01 00:00:00 | 3.48 |
| 2022-01-02 00:00:00 | 3.46 |
| 2022-01-03 00:00:00 | 3.57 |
| 2022-01-04 00:00:00 | 3.34 |
| 2022-01-05 00:00:00 | 3.4 |
n = 1095 · Sütunlar: date, mean_motivation
📈 MerQur Çıktısı
💬 MerQur Yorumu
STL (Seasonal-Trend decomposition using Loess), günlük motivasyon serisini üç bileşene ayırır: uzun dönem trend, tekrarlayan döngü (7 günlük = haftalık) ve geri kalan artık. Haftalık periyot anlamlı çıktı — motivasyon hafta içi/sonu düzenli dalgalanıyor (örneğin hafta başı düşük, sonra toparlanma). Bu ayrıştırma, “motivasyon genel olarak artıyor mu yoksa sadece haftalık mı dalgalanıyor” sorusunu netleştirir. STL, mevsimsel/döngüsel eğitsel serileri yorumlamanın en sezgisel yoludur; trend ve döngü etkisini birbirinden ayırarak her birini ayrı değerlendirmeyi sağlar.
⚠ Sık Yapılan Hatalar
- Veri tipini yanlış belirlemek (örn. kategorik değişkeni numerik olarak yüklemek)
- Varsayım kontrollerini atlayıp doğrudan p-değerine bakmak
- Etki büyüklüğünü raporlamamak — APA 7 hem p hem etki büyüklüğü ister
- Çoklu karşılaştırmada Tip I hatası düzeltmesi (Bonferroni/Tukey) yapmamak
- n yetersiz olduğunda non-parametrik alternatife geçmemek
📹 Video Anlatım
Bu analizin Eğitim Bilimleri dosyası üzerinden uçtan uca uygulanışı için aşağıdaki videoyu izleyebilirsin.
▶ STL Mevsimsel Ayrıştırma — video anlatım
Bu bölüm, Zaman Serisi Analizi videosunun içinde yer alıyor (6 analiz, tek video). Aşağıdaki bağlantı doğrudan 1:36 dakikasından, bu analizin anlatıldığı yerden başlar.
🧪 Fen Bilimleri ve Matematik · 🏛 Mimarlık, Planlama ve Tasarım · ⚙ Mühendislik · 🏥 Sağlık Bilimleri · 📊 Sosyal, Beşeri ve İdari Bilimler · 🏃 Spor Bilimleri · 🌾 Ziraat, Orman ve Su Ürünleri
📚 Bu Analizi Yaptıysanız MerQur’u Atıf Yapın
MerQur’u kullanarak bilimsel bir çalışmada bu analizi gerçekleştirdiyseniz, akademik atıf zorunluluğu kapsamında lütfen aşağıdaki atfı kullanın (APA 7):
Örücü, Ö. K. (2026). MerQur: Bütünleşik Akademik Veri Analizi ve Raporlama Platformu [Bilgisayar Yazılımı] (Sürüm 1.0.0). https://doi.org/10.53463/merqur.2026001
BibTeX, RIS, EndNote ve İngilizce karşılığı için: tüm atıf formatları →
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.