Diskriminant Analizi Nedir? Tez İçin SPSS Rehberi 2026

Bir tez öğrencisi, katılımcıları önceden belirlenmiş iki veya daha fazla gruba (örneğin "başarılı-başarısız", "riskli-risksiz") ayırmak ve bu ayrımı hangi değişkenlerin en güçlü şekilde açıkladığını göstermek istediğinde genellikle lojistik regresyon ile karşılaşır. Ancak bağımlı değişkenin normal dağılım gösteren sürekli değişkenlerle tahmin edilmesi gereken, grup büyüklüklerinin dengeli olduğu ve klasik varsayımların karşılandığı araştırmalarda diskriminant analizi, sınıflandırma gücü açısından çoğu zaman gözden kaçan ama güçlü bir alternatif sunar. Hangi yöntemin hangi veri yapısına uygun olduğunu bilmemek, metodoloji bölümünde savunulması güç bir tercih yapılmasına yol açabilir. Bu rehberde diskriminant analizinin ne olduğunu, lojistik regresyondan farkını, SPSS'te uygulama adımlarını ve sonuçların tez metnine nasıl aktarılacağını ayrıntılı biçimde ele alıyoruz.

Diskriminant analizi, özellikle işletme, psikoloji, sağlık bilimleri ve eğitim alanlarındaki tezlerde katılımcıların belirli bir kategoriye ait olma olasılığını değişken kümesiyle açıklamak amacıyla kullanılır. Doğru uygulandığında hem sınıflandırma doğruluğu hem de değişkenlerin ayırt edici gücü hakkında zengin bilgi sunar.

Diskriminant Analizi Nedir?

Diskriminant analizi, önceden bilinen grup üyeliklerine sahip gözlemleri kullanarak, bu grupları en iyi ayırt eden değişken kombinasyonunu belirleyen ve yeni gözlemlerin hangi gruba ait olduğunu tahmin etmeye yarayan çok değişkenli bir istatistiksel yöntemdir.

Diskriminant Analizi Ne İşe Yarar?

Bu yöntem, bağımsız değişkenlerin doğrusal bir kombinasyonunu oluşturarak gruplar arasındaki farkı en üst düzeye çıkaran bir "diskriminant fonksiyonu" üretir. Örneğin "işten ayrılma niyeti yüksek ve düşük olan çalışanlar, iş tatmini ve örgütsel bağlılık puanlarına göre ne kadar ayırt edilebiliyor?" sorusu tipik bir diskriminant analizi senaryosudur. Elde edilen fonksiyon, hem mevcut grupları açıklamak hem de yeni bir bireyin hangi gruba dahil olacağını öngörmek için kullanılabilir.

Diskriminant Analizinin Varsayımları Nelerdir?

Diskriminant analizinin güvenilir sonuç üretebilmesi için aşağıdaki varsayımların sağlanması beklenir:

• Bağımsız değişkenlerin çok değişkenli normal dağılım göstermesi
• Grup içi varyans-kovaryans matrislerinin homojen olması (Box's M testi ile kontrol edilir)
• Bağımsız değişkenler arasında çoklu doğrusal bağlantı (multicollinearity) bulunmaması
• Örneklem büyüklüğünün her grup için yeterli düzeyde olması

Bu varsayımlardan biri ciddi biçimde ihlal edildiğinde, sınıflandırma doğruluğu düşer ve sonuçların güvenilirliği tartışmalı hâle gelir; böyle durumlarda araştırmacılar genellikle lojistik regresyona yönelir.

Diskriminant Fonksiyonu Nasıl Hesaplanır?

Diskriminant fonksiyonu, bağımsız değişkenlerin ağırlıklı bir doğrusal toplamı olarak ifade edilir: D = b1X1 + b2X2 + ... + bnXn + a. Buradaki b katsayıları, her değişkenin gruplar arasındaki ayrıma katkısını gösterecek şekilde SPSS tarafından hesaplanır ve gruplar arası varyansı grup içi varyansa oranla en üst düzeye çıkaracak biçimde optimize edilir. Elde edilen fonksiyon sayısı, grup sayısından bir eksik ya da bağımsız değişken sayısına eşit olan değerlerden küçük olanı kadardır; yani üç grubu karşılaştıran bir araştırmada en fazla iki diskriminant fonksiyonu elde edilebilir. Birden fazla fonksiyon üretildiğinde, her fonksiyonun açıkladığı varyans yüzdesi "Eigenvalue" tablosunda ayrı ayrı raporlanır ve genellikle ilk fonksiyon toplam ayrımın büyük bölümünü açıklar.

Diskriminant Analizi ile Lojistik Regresyon Arasındaki Fark Nedir?

İki yöntem de kategorik bir bağımlı değişkeni sürekli bağımsız değişkenlerle açıklamayı hedefler, ancak varsayımları ve çıktıları önemli ölçüde farklıdır.

Hangi Durumda Diskriminant Analizi, Hangi Durumda Lojistik Regresyon Tercih Edilmeli?

Bağımsız değişkenler normal dağılım gösteriyorsa ve grup büyüklükleri birbirine yakınsa diskriminant analizi daha güçlü ve verimli tahminler üretir. Ancak bağımsız değişkenler arasında kategorik değişkenler varsa, normallik varsayımı sağlanmıyorsa veya grup büyüklükleri dengesizse lojistik regresyon daha esnek ve güvenilir bir seçenektir. Pek çok tez danışmanı, varsayımların net biçimde test edilmediği durumlarda öğrencilere doğrudan lojistik regresyonu önerir çünkü bu yöntem normallik varsayımına ihtiyaç duymaz.

İki Yöntemin Çıktıları Nasıl Farklılaşır?

Diskriminant analizi, her grubu ayırt eden doğrusal bir fonksiyon ve bu fonksiyona katkı sağlayan standardize katsayılar üretirken; lojistik regresyon, bağımsız değişkenlerin bağımlı değişkenin gerçekleşme olasılığını nasıl değiştirdiğini gösteren odds oranlarını (Exp(B)) sunar. Diskriminant analizinin çıktıları daha çok "hangi değişken gruplar arasındaki farkı en iyi açıklıyor" sorusuna, lojistik regresyonun çıktıları ise "bir birimlik değişim olasılığı nasıl etkiliyor" sorusuna yanıt verir.

Yöntem seçimini yalnızca "hangisi daha kolay uygulanır" kriterine göre yapmak, bulgular bölümünde jürinin ilk sorgulayacağı metodolojik zayıflıklardan biridir; seçim her zaman verinin yapısına ve varsayımların sağlanma durumuna dayanmalıdır.

İki Yöntem Aynı Veri Setinde Birlikte Kullanılabilir Mi?

Bazı tez çalışmalarında, iki yöntemin sonuçlarını karşılaştırarak hangisinin daha yüksek sınıflandırma doğruluğu verdiğini göstermek metodolojik açıdan güçlü bir tercih olarak değerlendirilir. Bu yaklaşım özellikle varsayımların sınırda kaldığı, ne tamamen sağlandığı ne de tamamen ihlal edildiği durumlarda tercih edilir; her iki analiz de çalıştırılır ve sınıflandırma tabloları karşılaştırmalı biçimde sunularak hangi modelin araştırma verisine daha uygun olduğu tartışılır. Bu tür bir karşılaştırma, tek bir yönteme bağlı kalmanın doğuracağı metodolojik eleştirileri önceden bertaraf eder.

Diskriminant Analizi SPSS'te Nasıl Yapılır?

Varsayımlar kontrol edildikten sonra SPSS'te diskriminant analizi uygulamak, göreli olarak az sayıda adımdan oluşur.

Diskriminant Analizi SPSS'te Hangi Menüden Çalıştırılır?

1. SPSS'te Analyze > Classify > Discriminant menüsüne gidin.
2. Grup üyeliğini belirten kategorik değişkeni "Grouping Variable" kutusuna taşıyın ve grup kodlarının aralığını tanımlayın (örneğin 1-2).
3. Sınıflandırmada kullanılacak sürekli bağımsız değişkenleri "Independents" kutusuna ekleyin.
4. "Statistics" sekmesinden Box's M testi, grup ortalamaları ve Fisher's fonksiyon katsayılarını işaretleyin.
5. "Classify" sekmesinden sınıflandırma tablosunu (classification results) ve grafik gösterimini seçin.
6. "OK" butonuna basarak analizi çalıştırın.

Çıktıda Hangi Değerlere Bakılmalı?

Analiz sonrasında öncelikle Wilks' Lambda değeri ve buna bağlı Ki-kare anlamlılığı incelenir; bu değer, diskriminant fonksiyonunun gruplar arasında istatistiksel olarak anlamlı bir ayrım yapıp yapmadığını gösterir. Ardından standardize edilmiş kanonik diskriminant fonksiyon katsayıları, hangi değişkenin ayrımda daha baskın olduğunu ortaya koyar. Son olarak sınıflandırma tablosu, modelin gözlemleri doğru gruba ne oranda atadığını gösteren toplam sınıflandırma doğruluğu yüzdesini verir.

Box's M Testi Sonucu Nasıl Yorumlanır?

Box's M testi, grupların varyans-kovaryans matrislerinin homojen olup olmadığını kontrol eder. Bu testin anlamlılık değeri 0.05'in üzerinde çıkarsa varsayım sağlanmış demektir ve analiz güvenle yorumlanabilir. Anlamlılık değeri 0.05'in altında çıkarsa, örneklem büyüklüğü büyükse test aşırı duyarlı davranabileceğinden bu durum tek başına analiz kararını değiştirmeyebilir; ancak küçük örneklemlerde bu ihlal ciddiye alınmalı ve lojistik regresyona geçiş değerlendirilmelidir.

Aşağıdaki tablo, diskriminant analizi ile lojistik regresyonun temel özelliklerini karşılaştırmaktadır:

Diskriminant Analizi Sonuçları Tez Metninde Nasıl Raporlanır?

Doğru analiz yapmak kadar, sonuçların akademik yazım kurallarına uygun biçimde sunulması da bulgular bölümünün inandırıcılığını doğrudan etkiler.

Bulgular Bölümünde Hangi İfadeler Kullanılmalı?

Wilks' Lambda değeri raporlanırken "Diskriminant fonksiyonu, gruplar arasında istatistiksel olarak anlamlı bir ayrım göstermiştir, Λ = .68, χ²(3) = 24.15, p = .000" biçiminde bir cümle kullanılabilir. Ardından standardize katsayıların büyüklük sırasına göre hangi değişkenin ayrımda en etkili olduğu açıklanmalı ve sınıflandırma tablosundaki genel doğruluk yüzdesi (örneğin "%78.4 doğru sınıflandırma oranı") mutlaka belirtilmelidir.

Tabloda Hangi Bilgiler Yer Almalı?

• Standardize kanonik diskriminant fonksiyon katsayıları
• Wilks' Lambda ve Ki-kare değeri ile serbestlik derecesi
• Grup merkezlerindeki (centroid) fonksiyon değerleri
• Sınıflandırma tablosundaki doğru ve yanlış atama yüzdeleri

Sık Karşılaşılan Raporlama Hataları Nelerdir?

En sık görülen hata, Box's M testinin hiç raporlanmaması ya da varsayım ihlali tespit edildiğinde bunun tartışılmadan göz ardı edilmesidir. Bir diğer hata, sınıflandırma doğruluğunun yalnızca genel yüzde olarak verilip hangi grupta hatanın yoğunlaştığının belirtilmemesidir; oysa jüri genellikle her grup için ayrı doğruluk oranını sorar. Ayrıca kanonik katsayılar yerine ham (unstandardized) katsayıların yorumlanması da değişkenlerin göreli önemini yanlış yansıtan yaygın bir hatadır.

Diskriminant Analizi Hangi Tez Konularında Kullanılır?

Bu yöntem, özellikle grup ayrımının merkezi araştırma sorusu olduğu çalışmalarda tercih edilir.

Hangi Disiplinlerde Daha Sık Karşılaşılır?

İşletme tezlerinde müşteri segmentasyonu ve kredi risk sınıflandırması, psikoloji tezlerinde klinik ve klinik olmayan grupların ayrımı, eğitim bilimleri tezlerinde başarılı ve başarısız öğrenci profillerinin belirlenmesi diskriminant analizinin sık kullanıldığı örnekler arasındadır. Sağlık bilimlerinde ise hastalık riski taşıyan ve taşımayan bireylerin biyokimyasal göstergelerle ayrımı yaygın bir uygulama alanıdır.

Analiz Öncesi Hangi Hazırlıklar Yapılmalı?

Diskriminant analizine başlamadan önce bağımsız değişkenlerin normallik ve doğrusallık varsayımlarının Shapiro-Wilk testi ve saçılım grafikleriyle kontrol edilmesi, ayrıca değişkenler arasında yüksek korelasyon (multicollinearity) olup olmadığının VIF değerleriyle incelenmesi gerekir. Bu ön kontroller atlandığında, analiz çalıştırılsa bile elde edilen sınıflandırma fonksiyonunun gerçek popülasyonu temsil etme gücü zayıflar.

Doğru Yöntem Seçimi İçin Nereden Destek Alınabilir?

Hangi çok değişkenli analiz yönteminin araştırma sorusuna uygun olduğuna karar verirken, özellikle lisans ve yüksek lisans düzeyindeki öğrenciler danışman geri bildirimleri ile literatürdeki benzer çalışmalar arasında sıkışabilir. Bu noktada lisans tez yazdırma ve yüksek lisans tez yazdırma hizmetleri, analiz stratejisinin araştırma desenine uygun kurgulanmasına destek sağlar; doktora düzeyinde daha karmaşık çok değişkenli modeller gerektiren çalışmalarda ise doktora tez yazdırma desteğinden faydalanılabilir. Bulgular bölümü tamamlandıktan sonra bu sonuçların jüri önünde nasıl sunulacağını netleştirmek isteyenler tez savunma sunumu hazırlama hizmetine de göz atabilir.

Sonuç olarak diskriminant analizi, varsayımların sağlandığı araştırmalarda grup ayrımını güçlü bir doğrulukla açıklayan, ancak doğru uygulanmadığında ya da yanlış yöntemle karıştırıldığında bulguların güvenilirliğini zedeleyen çok değişkenli bir tekniktir. Analiz öncesinde varsayımların titizlikle kontrol edilmesi, sonuçların Wilks' Lambda ve sınıflandırma doğruluğu ile birlikte eksiksiz raporlanması, tez savunmasında karşılaşılabilecek soruların önemli bir kısmını baştan yanıtlamış olur. Kendi veri setinizde diskriminant analizi mi yoksa lojistik regresyonun mu daha uygun olduğuna karar veremediğiniz noktalarda, WhatsApp üzerinden bize yazarak analiz sürecinizle ilgili sorularınızı hızlıca sorabilir, tez sürecinizin bu kritik aşamasını daha planlı biçimde ilerletebilirsiniz.