İçindekiler 6 başlık · 1 dk
Korelasyon Ne Zaman Kullanılır?
İki sürekli değişken arasında ilişki olup olmadığını ve ilişkinin yönünü/gücünü test eder. "Motivasyon ile başarı arasında ilişki var mı?" sorusuna cevap verir. DİKKAT: Korelasyon nedensellik göstermez — "X arttığında Y de artıyor" demek "X Y'ye neden oluyor" demek DEĞİLDİR.
Pearson vs Spearman
Pearson (r): Her iki değişken sürekli + normal dağılım + doğrusal ilişki. Parametrik test.
Spearman (ρ): Normal dağılım yoksa VEYA değişkenlerden biri sıralama (ordinal) düzeyindeyse. Non-parametrik alternatif.
Karar: Normallik testi yapın → normal ise Pearson, değilse Spearman.
SPSS Adımları
1. Analyze → Correlate → Bivariate.
2. İlişkisini test edeceğiniz değişkenleri "Variables" kutusuna sürükleyin.
3. Correlation Coefficients: Pearson ve/veya Spearman işaretleyin.
4. Test of Significance: Two-tailed (yön belirtmiyorsanız) veya One-tailed (yön belirtiyorsanız).
5. "Flag significant correlations" işaretli kalsın.
6. OK.
r Değerini Yorumlama
r = +1.00: Mükemmel pozitif ilişki. r = -1.00: Mükemmel negatif ilişki. r = 0: İlişki yok.
|r| < .10: Önemsiz. .10 – .30: Zayıf (küçük). .30 – .50: Orta. ≥ .50: Güçlü (büyük). (Cohen, 1988: |r| ≈ .10 küçük, .30 orta, .50 büyük etki. ".70 üzeri çok güçlü" gibi daha ayrıntılı sınıflamalar Cohen'e ait değildir; kullanacaksanız kaynağını ayrıca belirtin.)
p değeri: p < .05 → ilişki istatistiksel olarak anlamlı. p > .05 → anlamlı değil.
Korelasyon Matrisi Tablosu
Birden fazla değişken arasındaki korelasyonlar matris formatında sunulur. Köşegen 1.00 (değişkenin kendisiyle korelasyonu). Üst veya alt üçgen raporlanır. Anlamlı değerler yıldızlı: * p < .05, ** p < .01.
APA Raporlama
"Değişkenler arası ilişkiler Pearson korelasyon analizi ile incelenmiştir. Motivasyon ile akademik başarı arasında orta düzeyde pozitif anlamlı ilişki bulunmuştur (r = .42, p < .01). Kaygı ile başarı arasında zayıf düzeyde negatif anlamlı ilişki saptanmıştır (r = -.28, p < .05). Korelasyon matrisi Tablo 3'te sunulmuştur."
