Kümelenmiş/Yığın Sütun Grafiği (Clustered/Stacked Bar): Graphs -> Legacy Dialogs -> Bar -> Cluster seçeneği yan yana, Graphs -> Legacy Dialogs -> Bar ->Stacked seçeneği ise aynı sütun içinde orantısal olarak iki değişkenin (örn. eğitim seviyesine göre kadın/erkek) kırılımını verir.

Cluster: Graphs -> Legacy Dialogs -> Bar -> Cluster için örnek

gender (cinsiyet) ve degurba (kentleşme durumları) değişkenlerine göre yapalım.

**Cluster değişkenlerini yer değiştirseydik. Aynı yoldan gidip aşağıdaki değişiklikle elde edeceğimiz grafik aşağıdaki gibi olurdu.

Eksen Skalası Değiştirmeye Örnek: X Ekseni Scale’sini Değiştirmek

Stacked: Graphs -> Legacy Dialogs -> Bar -> Stacked için örnek

gender (cinsiyet) ve degurba (kentleşme durumları) değişkenlerine göre yapalım.

Eğer değişkenlerimiz sayısal ise aşağıdaki grafikleri yapabiliriz.

Histogram: Sayısal değişkenlerin (örn. gelir, ağırlık) genel dağılımını gösterir ve sütunlar birbirine yapışıktır. Üzerine normal dağılım eğrisi eklenebilir. Tek değişkenli bir gösterimdir.

Örnek 1 : Ağırlık değişkenine göre histogram grafiği çıkaralım.

Örnek 2 : income değişkenine göre histogram grafiği çıkaralım.

Dağılım Grafiği (Scatter Plot): İki sayısal değişken (örn. eğitim ve gelir) için Graphs -> Scatter/Dot -> Simple Scatter adımlarıyla oluşturulur.

Basit Saçılım Grafiği (Simple Scatterplot) ve X-Y Eksen Atamaları

Simple Scatterplot (basit saçılım grafiği), iki sayısal değişken arasındaki ilişkiyi görselleştirmek için kullanılan temel tekniktir. SPSS’te bu grafiği oluştururken en kritik adım, X ekseni (yatay eksen) ve Y ekseni (dikey eksen) için değişkenlerin doğru tanımlanmasıdır.

Her iki eksen de boş bırakılamaz; her ikisine de bir değişken atanması zorunludur. Genel kural şudur:

Bu atama, araştırma sorusunun nedensellik mantığına göre yapılır. Aksine bir neden yoksa, X eksenine “neden” olan (etkileyen) değişken, Y eksenine ise “sonuç” olan (etkilenen) değişken yerleştirilir. Bu yaklaşım, zaman içindeki değişim veya “X, Y’yi nasıl etkiler?” sorusunu daha anlaşılır hâle getirir.

Örnek 1 : educ (Eğitim) ve income(Gelir) değişkenlerine göre dağılım grafiği çıkaralım.

“Eğitim seviyesi geliri nasıl etkiler?” araştırma sorusu için

Trend Çizgisi (Line of Best Fit): Scatter plot grafiğinde gözlemler üst üste bindiğinde trendi okumak zorlaşır, bu yüzden bütünü (Total) veya alt grupları (Subgroups - örn. kadın/erkek) özetleyen regresyon doğruları eklenebilir.

Grafiğimizin üzerinde hemen tıklama yapıyoruz.

Scatter Plot’ta Trend Line ve Pozitif İlişki

Simple scatterplot üzerinde eğitim seviyesi (edu) ile kişisel ortalama aylık net gelir (income) arasındaki ilişkiyi gösteren grafiğe trend line (doğrusal regresyon doğrusu) eklenmiştir. Bu çizgi, iki değişken arasında pozitif bir ilişki (positive linear relationship) olduğunu net bir şekilde ortaya koymaktadır.

Eğitim seviyesi yükseldikçe ortalama gelir seviyesinde de genel bir artış gözlenmektedir. Grafikteki regresyon doğrusunun denklemi y = 2.69 + 0.99x şeklindedir ve R² = 0.105 değeri verilmiştir. Bu pozitif eğilim, “eğitim seviyesi geliri nasıl etkiler?” araştırma sorusuna görsel bir destek sunsa da, ilişkinin ne kadar güçlü olduğunu (zayıf, orta veya güçlü) ve istatistiksel olarak anlamlı olup olmadığını belirlemek için korelasyon analizi, regresyon analizi ve hipotez testleri gibi ileri düzey istatistiksel yöntemlere ihtiyaç vardır.

Örnek 2 : educ (Eğitim) ve income (Gelir) değişkenlerine göre cinsiyet (gender) alt gruplarında dağılım grafiği çıkaralım.

Basit scatter plot ile tüm örneklem için tek bir trend line çizmek faydalı olsa da, bu görselleştirme yeterince kaliteli ve detaylı değildir. Veri setindeki olası heterojenliği (gruplar arası farkları) gizler ve farklı alt gruplardaki ilişkilerin birbirinden farklı olup olmadığını göstermez.

Daha ileri düzey ve bilgilendirici bir analiz için alt grup analizi (subgroup analysis) yapılır. Bunun için SPSS Simple Scatterplot penceresine dönülür ve Set Markers by alanına kategorik bir değişken (bu örnekte gender – cinsiyet) atanır. Bu sayede:

Kadınlar bir renkte,

Erkekler ise başka bir renkte gösterilir.

Böylece aynı grafikte şu sorular aynı anda cevaplanabilir:

Kadınlarda eğitim seviyesi (educ) ile gelir (income) arasındaki ilişki nasıldır?

Erkeklerde bu ilişki nasıl bir seyir izlemektedir?

Benzer şekilde degurba (kentsel/kırsal durum) gibi başka bir kategorik değişken de alt grup olarak kullanılabilir. Bu teknik, gruplar arası heterojenliği görsel olarak net bir şekilde ortaya çıkarır ve araştırmacıya daha derin içgörü sağlar.

Grafiği biraz daha okunması kolay hale getirelim.

Grafiğin üzerine tıklayalım. Tıkladıktan sonraki adımlar aşağıdaki gibidir;

Grafikte şu bulgular öne çıkmaktadır:

-Her iki cinsiyette de pozitif bir ilişki vardır: Eğitim seviyesi yükseldikçe ortalama gelir seviyesi artmaktadır.

Ancak bu gözlemler göz kararı yapılmıştır; ilişkinin istatistiksel olarak anlamlı olup olmadığı, gruplar arası farkların test edilip edilmediği (örneğin etkileşim terimi ile regresyon analizi) henüz bilinmemektedir.

Bu grafikler SPSS’in temel görselleştirme araçlarıyla oluşturulmuştur. Ancak akademik yayın standartlarında kullanılan grafikler daha modern, esnek ve estetik bir görünüme sahiptir. SPSS’in görselleştirme seçenekleri sınırlıdır ve grafikler genellikle “eski” ve “kaba” görünür. Bu nedenle veri görselleştirmede daha kaliteli, özelleştirilebilir ve profesyonel sonuçlar elde etmek için R Programlama Dili ’ne ve özellikle ggplot2 paketindeki Grammar of Graphics yaklaşımına geçiş yapabiliriz.

SPSS hâlâ pratik ve kullanışlı bir istatistiksel araçtır; ancak daha ileri düzey görselleştirme ve yayın kalitesinde grafikler için R Programlama Dili ile ggplot2 kullanmak iyi bir tercihdir.