Survey Regresyon
Survey Regresyon, 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?
Survey Regresyon, 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 Survey Regresyon‘yi seç.
Panel atamaları (programdaki form alanları):
- weight_col:
agirlik - y_col:
PISA_puan - x_cols:
['ogrenci_id', 'yas', 'SES'] - stratum_col:
bolge - cluster_col:
None
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/81_survey_reg_PISA.xlsx
🎬 Senaryo
Bu çalışmada öğrencilerin PISA başarı puanlarını hangi faktörlerin yordadığını incelemek istiyoruz. Örnekleme 320 öğrenci dahil edildi; her öğrencinin yaşı (age), bir bilişsel hız göstergesi olan tepki süresi ölçümü (sound) ve bölgesi (region: east ya da Marmara) kaydedildi. Bağımlı değişkenimiz PISA_score; amacımız bu sürekli puanı yaş, tepki süresi ve bölge değişkenleriyle açıklamak. Örnekleme tasarımında her öğrencinin seçilme olasılığı farklı olduğu için örneklem ağırlığını (weight) modele dahil ediyoruz; bu nedenle klasik regresyon yerine ağırlıklı survey regresyon en uygun yöntem.
⚙️ Değişken Seçimi
- Bağımlı değişken: PISA_score
- Öngörücüler: age
- Öngörücüler: sound
- Öngörücüler: region (east, Marmara)
- Ağırlık: weight
Veri Önizleme (İlk 5 Satır)
| student_id | age | sound | region | PISA_score | weight |
|---|---|---|---|---|---|
| 1 | 16 | 2 | east | 514 | 0.85 |
| 2 | 14 | 1 | east | 450 | 0.85 |
| 3 | 15 | 1 | Marmara | 359 | 1.2 |
| 4 | 14 | 2 | east | 454 | 0.85 |
| 5 | 14 | 1 | Marmara | 399 | 1.2 |
n = 320 · Sütunlar: student_id, age, sound, region, PISA_score, weight
📈 MerQur Çıktısı
💬 MerQur Yorumu
PISA puanını yaş ve sosyo-ekonomik düzeyden, karmaşık örneklem tasarımını (tabaka, ağırlık) dikkate alarak modelledik. Yaşın etkisi anlamsız (p = 0.69) — bu yaş aralığında yaş, PISA puanını yordamıyor. Model varyansın %17’sini açıklıyor. Tasarım-tabanlı standart hatalar, basit OLS’in vereceği (çoğu zaman fazla iyimser) hatalardan daha doğrudur. Ulusal/uluslararası eğitim değerlendirme verisiyle ilişkileri tahmin ederken (örneklem rastgele değilse) survey regresyonu, geçerli çıkarım için gereklidir; aksi halde p-değerleri yanıltıcı olur.
⚠ 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.
▶ Ağırlıklı Doğrusal Regresyon (Survey Reg.) — video anlatım
Bu bölüm, Karmaşık Anket Tasarımı videosunun içinde yer alıyor (3 analiz, tek video). Aşağıdaki bağlantı doğrudan 1:49 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.