Kayıp veri ile nasıl başa çıkılır?

Kayıp veri, katılımcının yanıtlamadığı ya da geçersiz yanıtladığı için veri setinde boş kalan hücrelerdir. Neredeyse her anket çalışmasında bir miktar kayıp veri bulunur; sorun onun varlığı değil, nasıl ele alındığıdır.

Yanlış ele alınan kayıp veri, örneklemi sistematik olarak çarpıtır ve bulgularınızı geçersiz kılabilir. Bu yüzden yöntem bölümünde nasıl davrandığınızı açıkça yazmanız beklenir.

Önce türünü anlayın

Kayıp verinin neden oluştuğu, ne yapacağınızı belirler. Alan yazın üç tür tanımlar:

Tamamen rastgele kayıp (MCAR): Kaybın hiçbir değişkenle ilişkisi yoktur. Sistem hatası, sayfanın yüklenmemesi gibi. En zararsız türdür; silme yöntemleri güvenle kullanılabilir.

Rastgele kayıp (MAR): Kayıp, veri setindeki başka bir değişkenle ilişkilidir. Örneğin yaşlı katılımcılar teknoloji sorularını daha sık boş bırakıyorsa, kayıp yaşla ilişkilidir. Atama yöntemleriyle telafi edilebilir.

Rastgele olmayan kayıp (MNAR): Kayıp, sorunun kendi değeriyle ilişkilidir. Yüksek gelirli katılımcıların gelir sorusunu boş bırakması gibi. En sorunlu türdür; hiçbir istatistiksel yöntem bunu tam olarak düzeltemez, ancak durumu raporlamak zorunludur.

Türü kesin olarak belirlemek çoğu zaman mümkün değildir, ama örüntüye bakarak fikir edinebilirsiniz: kayıp veriler belirli bir soruda mı yoğunlaşıyor, belirli bir grupta mı?

Ne kadar kayıp fazla?

Kesin bir eşik yok, ancak yaygın olarak kullanılan yol gösterici oranlar şöyledir:

• %5'in altı: Genellikle ihmal edilebilir; hangi yöntemi kullanırsanız kullanın sonuç fazla değişmez.
• %5 – %10: Dikkatli bir yöntem seçimi gerekir.
• %10 – %20: Ciddi; atama yöntemleri ve duyarlılık analizi düşünülmeli.
• %20 üzeri: O değişkeni ya da o katılımcıyı analizden çıkarmayı değerlendirin.

Bunu hem katılımcı bazında hem değişken bazında kontrol edin. Bir katılımcı ölçeğin yarısını boş bıraktıysa o form kullanılamaz; bir madde katılımcıların üçte biri tarafından boş bırakıldıysa o maddede sorun vardır.

Yöntem 1 — Formu tamamen çıkarmak

Belirli bir eşiğin (örneğin ölçeğin %10'undan fazlası) üzerinde boş bırakan formları veri setinden çıkarmak.

Bu, tez anketlerinde en yaygın ve en savunulabilir yaklaşımdır. Kriterinizi baştan belirleyin ve yöntem bölümünde yazın.

Ölçek maddelerinin %10'undan fazlasını boş bırakan 19 form analiz dışı bırakılmıştır.

Yöntem 2 — Liste bazlı silme (listwise deletion)

Herhangi bir değişkeninde eksik veri bulunan katılımcıyı bütün analizlerden çıkarmak. SPSS'in çoğu prosedürde varsayılan davranışı budur.

• Avantajı: Basit, bütün analizlerde aynı örneklem kullanılır.
• Dezavantajı: Çok değişkenli analizlerde örneklemi hızla eritir. On değişkenin her birinde %5 kayıp varsa katılımcıların üçte birini kaybedebilirsiniz.
• Ne zaman: Kayıp az (%5 altı) ve MCAR ise.

Yöntem 3 — Çift bazlı silme (pairwise deletion)

Her analiz için, o analizde kullanılan değişkenlerde verisi olan katılımcıları kullanmak.

• Avantajı: Daha çok veriyi korur.
• Dezavantajı: Her analizde farklı N kullanılır. Korelasyon matrisinizin hücreleri farklı örneklemlere dayanır ve bu, matrisin matematiksel tutarlılığını bozabilir.
• Ne zaman: Betimsel analizlerde kabul edilebilir; regresyon ve faktör analizinde önerilmez.

Bu yöntemi kullanırsanız her tabloda N'i ayrı ayrı yazın. Farklı N'ler açıklanmazsa hata izlenimi verir.

Yöntem 4 — Ortalama ataması

Boş hücreye o değişkenin ortalamasını yazmak.

Basit ve yaygındır, ancak varyansı yapay olarak düşürür: bütün kayıplara aynı değer atandığı için dağılım daralır, standart sapma küçülür ve korelasyonlar olduğundan zayıf görünür.

Az sayıda kayıp için (%5 altı) kabul edilebilir; yaygın kayıpta önerilmez. Kullanırsanız yöntem bölümünde belirtin.

Yöntem 5 — Kişi ortalaması ataması

Ölçek maddelerinde kullanılan pratik bir yöntem: katılımcının o ölçekteki diğer maddelere verdiği yanıtların ortalamasını boş maddeye yazmak.

Ölçek maddeleri aynı kavramı ölçtüğü için bu, genel ortalama atamasından daha savunulabilirdir. Yaygın kural: katılımcı ölçeğin en az %80'ini doldurmuşsa bu yöntem uygulanır, altındaysa form çıkarılır.

Yöntem 6 — Regresyon ve çoklu atama

Regresyon ataması: Diğer değişkenlerden yola çıkarak eksik değeri kestirmek.

Çoklu atama (multiple imputation): Eksik değerler için birden fazla olası veri seti üretilir, analiz her birinde ayrı yapılır ve sonuçlar birleştirilir. Alan yazında istatistiksel olarak en sağlam yöntem kabul edilir.

SPSS'in Missing Values modülü, R'ın mice paketi bunu yapar. Yüksek lisans tezlerinde nadiren gerekir; kayıp oranı yüksekse ve danışmanınız istiyorsa düşünülür.

Öncelik: kaybı en baştan azaltın

Sonradan düzeltmek yerine oluşmasını engelleyin:

• Kritik soruları zorunlu yapın, ama hepsini değil — her soruyu zorunlu yapmak formun tamamen terk edilmesine yol açar.
• Hassas soruları sona koyun ve "Belirtmek istemiyorum" seçeneği ekleyin. Boş bırakılan gelir sorusu yerine işaretlenmiş bir "belirtmek istemiyorum" analiz için çok daha kullanışlıdır.
• Yanıt doğrulaması kurun. Yaş için sayı sınırı koymak, geçersiz yanıtları baştan engeller. Google Forms rehberimizde anlattık.
• Anketi kısaltın. Yorulan katılımcı sona doğru soruları atlar; kayıp verinin en yaygın nedeni budur.
• Mobilde test edin. Küçük ekranda görünmeyen bir matris satırı, sistematik kayıp üretir.

Nasıl raporlanır?

Yöntem bölümünde şunlar bulunmalı: ne kadar kayıp vardı, örüntüsü neydi, ne yaptınız, neden.

Veri setinde toplam %3,2 oranında kayıp veri belirlenmiştir. Kayıp değerlerin belirli bir değişken ya da katılımcı grubunda yoğunlaşmadığı gözlenmiştir. Ölçek maddelerinin %10'undan fazlasını boş bırakan 19 form analiz dışı bırakılmış, kalan formlardaki kayıp değerler için ilgili ölçeğin kişi ortalaması ataması uygulanmıştır. Analizler 348 katılımcı üzerinden yürütülmüştür.

Kayıp örüntüsünü SPSS'te inceleme

Hangi yöntemi seçeceğinize karar vermeden önce kaybın nerede yoğunlaştığını görmeniz gerekir.

Değişken bazında: Analyze → Descriptive Statistics → Frequencies ile her değişkenin Missing satırına bakın. Belirli bir soruda yoğunlaşma varsa o soru sorunludur: çok hassas, anlaşılmıyor ya da mobilde görünmüyor olabilir. Bu bilgi, ileride yapacağınız çalışmalar için de değerlidir.

Katılımcı bazında: Transform → Compute Variable ile her katılımcının kaç maddeyi boş bıraktığını hesaplayın: NMISS(bag1, bag2, ..., bag18). Sonra bu değişkenin frekansına bakın. Ölçeğin yarısını boş bırakan katılımcılar burada görünür.

Örüntü analizi: SPSS'in Analyze → Missing Value Analysis modülü (ayrı lisans gerektirir) kayıp örüntüsünü görselleştirir ve Little MCAR testini verir. Bu test anlamsız çıkarsa (p > .05) kaybın tamamen rastgele olduğu varsayımı desteklenir; anlamlı çıkarsa kayıp başka değişkenlerle ilişkilidir ve silme yöntemleri yanlılık üretir.

Modül elinizde yoksa basit bir kontrol yapabilirsiniz: kayıp veriye sahip olanlar ile olmayanları iki grup olarak kodlayıp, demografik değişkenler açısından farklılaşıp farklılaşmadıklarına bakın. Fark çıkıyorsa kayıp rastgele değildir ve bunu raporlamanız gerekir.

Sık sorulan sorular

Kayıp veriyi hiç işlemesem olur mu? SPSS varsayılan olarak liste bazlı silme yapar; yani hiçbir şey yapmasanız da bir yöntem uygulanmış olur. Sorun, bunu bilmeden yapmanız ve raporlamamanızdır.

Boş hücreye 0 yazabilir miyim? Kesinlikle hayır. 0 geçerli bir değerdir ve ortalamayı ciddi biçimde çarpıtır. SPSS'te kayıp değer kodu tanımlayın (örneğin 99) ve bunu Missing Values alanında işaretleyin.

Kaç formu eleyebilirim? Belirlediğiniz ölçütü karşılamayan tüm formları. Önemli olan ölçütü baştan belirlemek ve raporlamaktır; analiz sonuçlarına bakarak form elemek yöntem etiğine aykırıdır.

Veri temizleme sürecinin tamamını nasıl yapmalıyım? SPSS veri girişi ve temizleme yazımızda adım adım anlattık. Analizin tamamını bize bırakmak isterseniz veri analizi hizmetimize bakabilirsiniz.