Aykırı Değer Nedir? Nasıl Tespit Edilir?

Basira Editör Ekibi · · 12 dk okuma · Güncellendi: 18 Kasım 2026 · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım

Aa Yazı boyutu
Yazı boyutu

Anahtar çıkarımlar

  • Aykırı değer, öteki gözlemlerin oluşturduğu desenden belirgin biçimde uzak düşen gözlemdir; bir kayıt hatası da olabilir, gerçek ve bilgi taşıyan bir değer de.
  • Ortalama ve standart sapmaya dayanan z yöntemi, aykırı değerin kendisinden etkilenir ve bir uç değerin ötekini gizlemesine yol açabilir; çeyreklere dayanan ÇAG kuralı ve ortancaya dayanan değiştirilmiş z daha dayanıklıdır.
  • Tespit bir karar değildir: işaretlenen değer önce kaynağıyla karşılaştırılır; hata düzeltilir, gerçek değer gerekçe olmadan silinmez.
  • Belirleme kuralı veriye bakmadan önce yazılır; gerçek bir uç değerin etkisi analizi onunla ve onsuz yaparak (duyarlılık analizi) gösterilir.

İçindekiler

İçindekiler

Aykırı değer, bir veri setinde öteki gözlemlerin oluşturduğu desenden belirgin biçimde uzak düşen gözlemdir. Tek değişkende en yaygın tespit yolları kutu grafiğindeki çeyrekler arası genişlik (ÇAG) kuralı, z puanı, ortancaya dayanan değiştirilmiş z puanı ve Grubbs testidir. Tespit, silme kararı değildir: işaretlenen değerin hata mı, gerçek bir uç değer mi olduğu önce kaynağından denetlenir.

Aykırı değer nedir?

Aykırı değerin tek bir matematiksel tanımı yoktur. “Belirgin biçimde uzak” ifadesini her yöntem kendi ölçüsüyle somutlaştırır: biri çeyreklerden uzaklığa, biri ortalamadan standart sapma cinsinden uzaklığa, biri ortancadan uzaklığa bakar. Bu yüzden aynı veride yöntemler farklı sayıda değeri işaretleyebilir.

Asıl soru değerin nereden geldiğidir. Aguinis, Gottfredson ve Joo (2013) üç tür ayırır; Leys vd. (2019) benzer bir sınıflama önerir:

  • Hata kaynaklı: Veri girişinde fazladan bir sıfır, yanlış birim (gram yerine kilogram), bozuk bir ölçüm cihazı ya da 1–5 arasında puanlanan bir maddeye girilmiş 55. Bu değer ölçülmek istenen şeyi yansıtmaz.
  • İlgi çekici: Gerçek ama sıra dışı bir değer: o hafta sınava hazırlanan bir öğrencinin çalışma süresi ya da tedaviye beklenenden çok farklı yanıt veren bir hasta. Yeni bir soru doğurabilir.
  • Etkili: Analizin sonucunu tek başına değiştiren gözlem; özellikle regresyon ve korelasyonda önemlidir. Leys vd. (2019) “etkili” türü saymaz; onun yerine dağılımın doğal kuyruğundan şans eseri gelen değerleri ayrı bir sınıf olarak ayırır.

Bu yazıda “uç değer”, dağılımın ucunda kalan değer anlamında kullanılır; bir uç değer hatalı da olabilir, gerçek de. Aykırı değer ise bir kuralın işaretlediği uç değerdir.

Tek değişkenli aykırı değer, tek bir değişkenin dağılımında uçta kalan değerdir; bu yazının konusu odur. Çok değişkenli aykırı değer ise her değişkende olağan görünüp birlikte olağan dışı olan gözlemdir: 1,60 m boy ya da 95 kg ağırlık tek başına sık görülür, ikisi aynı kişide daha seyrektir. Bunlar Mahalanobis uzaklığıyla, regresyondaki etkili gözlemler ise artıklar, kaldıraç ve Cook uzaklığıyla incelenir; regresyondaki yeri basit doğrusal regresyon yazısında anlatılır.

Aykırı değerler neden sorun olur?

Aykırı değerler iki sorun çıkarır: ilki, ortalamaya dayanan hesapları ve dağılımın biçimini bozmalarıdır. Ortalama ve standart sapma her değeri kullanır; uçtaki tek bir değer ikisini de kendine doğru çeker. Ortanca ve çeyrekler ise sıralamaya dayandığı için çok az etkilenir; bu fark merkezi eğilim ölçüleri ve dağılım ölçüleri yazılarında ayrıntılıdır. Ortalamaya dayanan her analiz bu etkiyi taşır: t-testi ve varyans analizi uç değerle şişen varyans yüzünden gücünü kaybedebilir, tek bir nokta Pearson korelasyon katsayısını büyütebilir ya da söndürebilir.

Aykırı değer dağılımın biçimini de değiştirir. Çarpıklığı ve özellikle basıklığı büyütür; böylece normal dağılan bir değişken, tek bir hatalı kayıt yüzünden belirgin biçimde normal dışı görünebilir. Aşağıdaki örnekte bu tam olarak olur. Bu yüzden veri temizliği test seçiminden önce gelir.

Dikkat

İkinci sorun karar esnekliğidir. Hangi değerlerin aykırı sayılacağı sonuçlar görüldükten sonra seçilirse araştırmacı farkında olmadan istediği sonucu üreten kuralı bulabilir. Bakker ve Wicherts (2014), bağımsız örneklem t-testlerinde aykırı değerleri ayıklamanın birinci tür hata oranını yükseltebildiğini gösterdi. Aguinis vd. (2013) aykırı değer tanımı ve işleme kararlarının esas sonuçları değiştirebildiğini gösterdi; 46 yöntem kaynağı ile 232 makaleyi içeren derlemelerinde de bu kararların tutarsız tanımlandığını ve çoğu zaman açık raporlanmadığını buldu.

Aykırı değer nasıl tespit edilir?

Her yöntemden önce grafiğe bakılır. Kutu grafiği, histogram ve Q-Q grafiği uç değerleri, çarpıklığı ve kümelenmeyi birlikte gösterir; Q-Q grafiğinin okunuşu normallik testi yazısındadır. Sayısal yöntemler grafiğin gördüğünü bir kurala bağlar.

Çeyrekler arası genişlik (ÇAG) kuralı

Tukey (1977) kutu grafiği için iki çit tanımladı. Q1 birinci, Q3 üçüncü çeyrek ve ÇAG = Q3 − Q1 olmak üzere iç çitlerin dışındaki değerler aykırı sayılır; dış çitlerin dışındakiler çok daha uçtadır:

ic¸ c¸itler: Q1−1.5⋅C¸AG,Q3+1.5⋅C¸AG\begin{aligned} \text{iç çitler: } & Q_1 - 1.5 \cdot \text{ÇAG}, \\ & Q_3 + 1.5 \cdot \text{ÇAG} \end{aligned}
dıs¸ c¸itler: Q1−3⋅C¸AG,Q3+3⋅C¸AG\begin{aligned} \text{dış çitler: } & Q_1 - 3 \cdot \text{ÇAG}, \\ & Q_3 + 3 \cdot \text{ÇAG} \end{aligned}

Çeyrekler aykırı değerden etkilenmediği için kural dayanıklıdır ve normal dağılım varsaymaz. Bedeli de vardır: kitle tam olarak normal dağılsa bile değerlerin yaklaşık %0,7’si iç çitlerin dışında kalır (normal dağılımda iç çitler ortalamadan yaklaşık 2,70 standart sapma uzaktadır ve iki kuyruğun payı 2 × P(Z > 2.70) ≈ .007 eder). Büyük bir örneklemde birkaç işaretli değer görmek bu yüzden olağandır.

Çarpık dağılımlarda kural uzun kuyruktaki pek çok gerçek değeri işaretler. Çeyreklerin hesap yolu programdan programa değişir; raporda yöntem belirtilir.

z puanı

Her değerin ortalamadan kaç standart sapma uzakta olduğu hesaplanır ve mutlak değeri genellikle 3’ü aşan değer aykırı sayılır:

zi=xi−xˉsz_i = \frac{x_i - \bar{x}}{s}

Burada xix_i i’nci gözlemi, xˉ\bar{x} örneklem ortalamasını ve ss örneklem standart sapmasını gösterir.

Yöntem tanıdıktır ama iki zayıflığı vardır.

  • Birincisi maskelemedir: ortalama ve standart sapma aykırı değerin kendisinden etkilenir. Büyük bir uç değer standart sapmayı şişirir ve daha küçük bir uç değerin z puanını eşiğin altına çeker.
  • İkincisi küçük örneklemdir: n gözlemli bir veride mutlak z hiçbir zaman (n−1)/n(n - 1)/\sqrt{n} değerini aşamaz (Shiffler, 1988). 10 ya da daha az gözlemde bu sınır 3’ün altında kalır; o veride z yöntemi hiçbir değeri işaretleyemez.

Leys vd. (2013), ortalama ve standart sapma aykırı değerden etkilendiği için bu kural yerine ortancaya dayanan bir kural önerir.

Değiştirilmiş z puanı

Iglewicz ve Hoaglin (1993), ortalama yerine ortancayı, standart sapma yerine ortancadan mutlak sapmaların ortancasını (MAD) kullanır. x̃ ortanca olmak üzere:

Mi=0.6745 (xi−x~)MADM_i = \frac{0.6745\,(x_i - \tilde{x})}{\text{MAD}}
MAD=ortanca(∣xi−x~∣)\text{MAD} = \text{ortanca}\big(\lvert x_i - \tilde{x} \rvert\big)

0.6745 çarpanı, normal dağılımda MAD’yi standart sapmayla aynı ölçeğe getirir. Önerilen eşik mutlak değerce 3.5’tir. Leys vd. (2013) aynı fikri MAD’yi 1.4826 ile çarparak kurar ve varsayılan eşik olarak 2.5’i önerir; bu daha düşük bir eşiktir ve daha çok değer işaretler.

Ortanca ve MAD aykırı değerle şişmediği için maskeleme sorunu büyük ölçüde ortadan kalkar. Değerlerin yarısından fazlası aynıysa MAD sıfır olur ve oran hesaplanamaz; bu, puan ölçeklerinde görülebilir.

Grubbs testi

Grubbs (1969) testi, örneklemin normal bir kitleden geldiğini varsayarak en uç tek değerin bu kitleye ait olup olmadığını sınar. Test istatistiği en büyük mutlak z puanıdır ve bir kritik değerle karşılaştırılır:

G=max⁡i∣xi−xˉ∣sG = \frac{\max_i \lvert x_i - \bar{x} \rvert}{s}
Gkritik=n−1nt2n−2+t2G_{\text{kritik}} = \frac{n - 1}{\sqrt{n}} \sqrt{\frac{t^2}{n - 2 + t^2}}

Buradaki t, n − 2 serbestlik dereceli t dağılımının α/(2n)\alpha / (2n) üst kuyruk değeridir. Grubbs testi bir p değeri verir, ama yalnız tek bir aday için kurulmuştur. Testi uç değeri silip yeniden uygulayarak tekrarlamak maskeleme nedeniyle yanıltabilir; birden çok aday için genelleştirilmiş ESD gibi sıralı yöntemler kullanılır (Rosner, 1983). Normallik varsayımı da önemlidir: çarpık bir dağılımın uzun kuyruğu “anlamlı” bir aykırı değer gibi görünebilir.

Hangi yöntem ne zaman kullanılır?

Varsayılan tarama için çeyreklere ya da ortancaya dayanan dayanıklı bir kural seçilir; z puanı yalnız büyük ve yaklaşık normal veride, Grubbs testi yaklaşık normal veride tek bir aday için, Mahalanobis uzaklığı ile artık, kaldıraç ve Cook uzaklığı ise çok değişkenli ve regresyon sorularında kullanılır.

Yöntem: neye dayanırUygun durumSınırı
Kutu grafiği, histogram: gözHer analizden önceKural vermez
ÇAG kuralı (1.5 ve 3 × ÇAG): çeyreklerVarsayılan tarama; dağılım bilinmiyorsaÇarpık veride çok değer işaretler
z puanı: ortalama, SSYalnız büyük ve yaklaşık normal verideMaskeleme; küçük n’de işaretleyemez
Değiştirilmiş z (MAD): ortanca, MADDayanıklı tek değişkenli kuralÇok tekrarlı değerde MAD = 0 olabilir
Grubbs testi: ortalama, SS, normallikYaklaşık normal veride tek adayBirden çok aday ve çarpık dağılım
Mahalanobis uzaklığı: ortalama vektörü, kovaryansBirlikte olağan dışı gözlemlerKendisi de aykırı değerden etkilenir
Artık, kaldıraç, Cook uzaklığı: regresyon modeliSonucu değiştiren gözlemlerModele bağlıdır

Hangi yöntem seçilirse seçilsin, eşik veri toplanmadan ya da en geç sonuçlara bakılmadan önce analiz planına yazılır (Leys vd., 2019). Bu planın yeri tez yöntem bölümü ve tez istatistik analizi yol haritası yazılarında anlatılır.

Aykırı değer bulununca ne yapılır?

Aykırı değer bulununca önce kaynağına dönülür: hata düzeltilir, olanaksız ya da kitle dışı değer gerekçesiyle ayrılır, gerçek uç değer tutulur ve etkisi duyarlılık analiziyle gösterilir.

  1. Kaynağa dönün. Değeri anket formuyla, cihaz kaydıyla ya da ham dosyayla karşılaştırın. Kayıt hatasıysa düzeltilir; doğrusu bulunamıyorsa değer analizden çıkarılır ve eksik veri olarak işaretlenir (Leys vd., 2019).
  2. Olanaksız değerleri ayırın. Ölçeğin aralığı dışındaki ya da fiziksel olarak olanaksız değerler gerçek gözlem değildir.
  3. Hedef kitleye ait mi bakın. Katılımcı çalışmanın dahil etme ölçütlerini karşılamıyorsa önceden yazılmış ölçütle dışarıda bırakılır; gerekçe raporlanır.
  4. Gerçek uç değeri tutun. Yalnızca uç olduğu için gerçek bir değer silinmez; silmek değişkenliği küçültür ve sonucu olduğundan kesin gösterir.
  5. Etkisini gösterin. Analizi uç değerle ve onsuz yapın (duyarlılık analizi). Sonuç değişmiyorsa bu yazılır; değişiyorsa iki sonuç da raporlanır ve yorum buna göre yapılır.

Gerçek uç değerlerin etkisini azaltmanın başka yolları da vardır: ortanca ya da kırpılmış ortalama gibi dayanıklı ölçüler, sağa çarpık veride logaritmik dönüşüm (yorum dönüştürülmüş ölçekte yapılır) ya da dayanıklı kestirim yöntemleri.

Test seçimi de bu kararlardan sonra yapılır. Ölçüm sıralıysa (beyan edilmiş ya da en çok 7 farklı tam sayı) ya da hata ayıklandıktan sonra bir grup hâlâ belirgin biçimde normal dışıysa (yanlılığı düzeltilmiş çarpıklık mutlak değerce 2’yi ya da fazla basıklık 7’yi aşıyorsa; West vd., 1995) parametrik olmayan test birincil olur ve parametrik karşılığı duyarlılık analizi olarak yanında raporlanır. Aykırı değer bulunması tek başına test değiştirme gerekçesi değildir; ayrıntısı parametrik ve parametrik olmayan testler yazısındadır.

Çözümlü örnek: haftalık çalışma süresinde iki uç değer

Bir eğitim araştırmacısı 30 lisans öğrencisine kâğıt bir anket formu dağıtıyor ve geçen hafta ders dışında toplam kaç saat çalıştıklarını soruyor. Yanıtlar elle bilgisayara giriliyor. Analiz planında aykırı değer kuralı önceden yazılmış: tarama ÇAG kuralıyla yapılacak, işaretlenen her değer kâğıt formla karşılaştırılacak, gerçek uç değerler tutulup duyarlılık analizi yapılacak.

Veri öğretici amaçla hazırlanmıştır; aşağıdan indirip aynı hesapları kendiniz yapabilirsiniz. İlk kart veriyi girildiği gibi, düzeltilmeden gösterir.

30 lisans öğrencisinin anket formunda bildirdiği, geçen hafta ders dışında çalıştığı toplam süre, saat (öğretici veri; veri girişinden geldiği gibi, düzeltilmeden)
Gruplara göre veri noktaları ve ortancalar 30 lisans öğrencisinin anket formunda bildirdiği, geçen hafta ders dışında çalıştığı toplam süre, saat (öğretici veri; veri girişinden geldiği gibi, düzeltilmeden) 0 50 100 150 Çalışma süresi (saat) Haftalık çalışma süresi (saat) Çalışma süresi (saat): 12Çalışma süresi (saat): 9Çalışma süresi (saat): 15Çalışma süresi (saat): 7Çalışma süresi (saat): 20Çalışma süresi (saat): 11Çalışma süresi (saat): 14Çalışma süresi (saat): 10Çalışma süresi (saat): 34Çalışma süresi (saat): 13Çalışma süresi (saat): 8Çalışma süresi (saat): 16Çalışma süresi (saat): 22Çalışma süresi (saat): 10Çalışma süresi (saat): 12Çalışma süresi (saat): 140Çalışma süresi (saat): 9Çalışma süresi (saat): 17Çalışma süresi (saat): 11Çalışma süresi (saat): 15Çalışma süresi (saat): 6Çalışma süresi (saat): 19Çalışma süresi (saat): 13Çalışma süresi (saat): 10Çalışma süresi (saat): 24Çalışma süresi (saat): 14Çalışma süresi (saat): 12Çalışma süresi (saat): 8Çalışma süresi (saat): 18Çalışma süresi (saat): 16 Ortanca 13
Çalışma süresi (saat)
12
9
15
7
20
11
14
10
34
13
8
16

İlk 12 satır (toplam 30) · Bu örnekteki tüm sayılar SciPy 1.16.3 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)

Ham veride n = 30, Q1 = 10, Q3 = 16.75 ve ÇAG = 6.75’tir (çeyrekler, R’nin ve NumPy’nin varsayılanı olan doğrusal enterpolasyonla hesaplanmıştır). İç çitlere göre üst sınır 26,875 saattir; alt sınır sıfırın altında kaldığı için alt uçta aykırı değer çıkamaz. Ortancadan mutlak sapmaların ortancası MAD = 3’tür. Beş kuralın sonucu Tablo 1’dedir.

Tablo 1

Ham Veride Beş Aykırı Değer Kuralının İşaretlediği Değerler

Yöntemİşaretlenen değerSayı ya da sonuç
ÇAG kuralı (Q1 − 1.5 × ÇAG, Q3 + 1.5 × ÇAG)34 ve 1402
Dış çit (Q1 − 3 × ÇAG, Q3 + 3 × ÇAG)1401
z puanı (mutlak değeri 3’ten büyük)1401
Değiştirilmiş z (mutlak değeri 3.5’ten büyük)34 ve 1402
Grubbs testi (yalnız en uç değer, α = .05)140G = 5.13, p < .001

140 saat için en büyük mutlak z = 5.13, değiştirilmiş z ise M = 28.55’tir; Grubbs testinin bu örneklemdeki kritik G = 2.91’dir. Bütün yöntemler 140’ı işaretliyor. 34 saati ise çeyreklere ve ortancaya dayanan iki dayanıklı kural işaretliyor, z yöntemi görmüyor: 140’ın şişirdiği standart sapma 34’ün z puanını eşiğin altına çekiyor. Bu, maskelemenin kendisidir.

140 saat: kayıt hatası. Bir haftada 140 saat çalışmak günde 20 saat demektir. Kâğıt form açıldığında yanıtın 14 olduğu, girişte fazladan bir sıfır eklendiği görülüyor. Değer silinmiyor, 14 olarak düzeltiliyor.

34 saat: gerçek uç değer. Bu öğrencinin formu da açılıyor: yanıt gerçekten 34 ve öğrenci o hafta bir yeterlik sınavına hazırlandığını not etmiş. Değer bir hata değil; çalışmanın kitlesine de aittir.

Düzeltilmiş veride tarama yeniden yapılıyor. İç çitlere göre üst sınır 25 saate iniyor; ÇAG kuralı 1 değer, z yöntemi 1 değer ve değiştirilmiş z 1 değer işaretliyor; üçü de 34’tür. Artık dış çitin (3 × ÇAG) dışında 0 değer kalıyor; 34 bu çite tam denk gelir, onu aşmaz. 140 düzeltilince maskeleme kalkıyor ve 34’ün z puanı eşiği aşıyor (z = 3.46, değiştirilmiş z M = 4.72).

İkinci kart aynı 30 değeri, 140 saatin 14 olarak düzeltildiği hâliyle verir; yeniden tarama bu veriden yapılmıştır:

Aynı 30 öğrencinin haftalık çalışma süresi, saat; kâğıt formla karşılaştırıldıktan sonra yanlış girilmiş 140 saat 14 olarak düzeltildi (öğretici veri)
Gruplara göre veri noktaları ve ortancalar Aynı 30 öğrencinin haftalık çalışma süresi, saat; kâğıt formla karşılaştırıldıktan sonra yanlış girilmiş 140 saat 14 olarak düzeltildi (öğretici veri) 0 10 20 30 40 Çalışma süresi (saat) Haftalık çalışma süresi (saat) Çalışma süresi (saat): 12Çalışma süresi (saat): 9Çalışma süresi (saat): 15Çalışma süresi (saat): 7Çalışma süresi (saat): 20Çalışma süresi (saat): 11Çalışma süresi (saat): 14Çalışma süresi (saat): 10Çalışma süresi (saat): 34Çalışma süresi (saat): 13Çalışma süresi (saat): 8Çalışma süresi (saat): 16Çalışma süresi (saat): 22Çalışma süresi (saat): 10Çalışma süresi (saat): 12Çalışma süresi (saat): 14Çalışma süresi (saat): 9Çalışma süresi (saat): 17Çalışma süresi (saat): 11Çalışma süresi (saat): 15Çalışma süresi (saat): 6Çalışma süresi (saat): 19Çalışma süresi (saat): 13Çalışma süresi (saat): 10Çalışma süresi (saat): 24Çalışma süresi (saat): 14Çalışma süresi (saat): 12Çalışma süresi (saat): 8Çalışma süresi (saat): 18Çalışma süresi (saat): 16 Ortanca 13
Çalışma süresi (saat)
12
9
15
7
20
11
14
10
34
13
8
16

İlk 12 satır (toplam 30) · Bu örnekteki tüm sayılar SciPy 1.16.3 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)

Grubbs testi de 34’ü anlamlı buluyor, G = 3.46, p = .003. Bu sonuç değeri silmek için bir gerekçe değildir: test yalnız değerin normal bir kitleden beklenmeyecek kadar uç olduğunu söyler, değerin hatalı olduğunu söylemez.

Plan gereği 34 tutuluyor ve etkisi duyarlılık analiziyle gösteriliyor. Üçüncü kart betimsel değerleri üç sürümde (ham, düzeltilmiş ve 34 saat çıkarılmış) yan yana koyar; tabloda GA, güven aralığıdır:

Duyarlılık analizi: haftalık çalışma süresinin betimsel değerleri üç sürümde, saat (öğretici veri; ham veri, 140 saati 14 olarak düzeltilmiş veri ve düzeltilmiş veriden 34 saat çıkarılmış hâli)
Ham veriDüzeltilmiş veri34 saat çıkarılmış
121212
999
151515
777
202020
111111
141414
101010
343413
13138
8816
161622

İlk 12 satır (toplam 30) · Bu örnekteki tüm sayılar SciPy 1.16.3 ile bağımsız olarak yeniden hesaplanır. Veriyi indirin (CSV)

Tablo 2

Haftalık Çalışma Süresinin Üç Veri Sürümünde Betimsel Değerleri (Saat)

ÖlçüHam veriDüzeltilmiş veri34 saat çıkarılmış
n303029
Ortalama18.1713.9713.28
Ortalamanın %95 GA[9.31, 27.03][11.80, 16.13][11.58, 14.98]
Standart sapma23.735.804.47
Ortanca131313
%10 kırpılmış ortalama13.5813.2513.04
Çarpıklık (G1)4.981.560.59
Fazla basıklık (G2)26.163.75−0.04

Tablo 2 üç şey gösteriyor. Birincisi, tek bir kayıt hatası ortalamayı yaklaşık 4 saat yukarı çekmiş, standart sapmayı dört katından fazla büyütmüş ve dağılımı belirgin biçimde normal dışı göstermiş: ham veride çarpıklık ve basıklık yukarıdaki eşikleri aşıyor, düzeltilmiş veride aşmıyor. Hata düzeltilmeden test seçilseydi yanlış bir gerekçeyle parametrik olmayan teste geçilecekti.

İkincisi, ortanca üç sürümde de aynı; kırpılmış ortalama da az değişiyor. Dayanıklı ölçülerin anlamı budur. Üçüncüsü, gerçek uç değer olan 34’ün etkisi küçük: onu çıkarmak ortalamayı 1 saatten az değiştiriyor ve iki güven aralığı büyük ölçüde örtüşüyor. Sonuç 34’e bağlı değildir; rapor bunu söyler.

Aykırı değer kararı nasıl raporlanır?

Yöntem bölümünde kullanılan kural ve eşik, çeyreklerin hesap yolu ve kuralın veriden önce belirlenip belirlenmediği yazılır. Bulgularda kaç değerin işaretlendiği, her birine ne yapıldığı ve gerekçesi verilir. Örnekteki karar şöyle yazılabilir:

Aykırı değerler önceden belirlenen ÇAG kuralıyla (Q1 − 1.5 × ÇAG, Q3 + 1.5 × ÇAG) tarandı. İşaretlenen iki değerden biri (140 saat) kâğıt formla karşılaştırıldığında veri girişi hatası olarak belirlendi ve formdaki değerle (14 saat) düzeltildi. Öteki değer (34 saat) gerçek bir yanıttı ve analizde tutuldu. Bu değer çıkarıldığında ortalama haftalık çalışma süresi M = 13.97 saatten M = 13.28 saate indi; sonuçların yorumu değişmedi.

Tablo ve sayı biçimi için APA 7’ye göre istatistik raporlama yazısına bakabilirsiniz. Tez analizinde uzman desteğinin kapsamı ve teslim edilenler tez istatistik analizi ve raporlama desteği sayfasında anlatılır.

Sık yapılan hatalar

Aykırı değerle ilgili en sık altı hata ve her birinin neden yanıltıcı olduğu aşağıdadır.

  • İşaretlenen her değeri silmek. Yöntemler aday gösterir; karar değerin kaynağına göre verilir.
  • Sonuçları gördükten sonra kural seçmek. Bir kural anlamlı sonuç verene dek denenirse birinci tür hata oranı yükselir.
  • z yöntemini tek ölçüt yapmak. Bir uç değer ötekini gizleyebilir; küçük örneklemde yöntem hiçbir değeri işaretleyemez.
  • Grubbs testini art arda uygulamak. Test tek aday içindir ve normal dağılım varsayar.
  • Silinen değeri raporlamamak. Okur kaç değerin neden çıkarıldığını bilmeden sonucu değerlendiremez.
  • Hata ayıklamadan test seçmek. Tek bir kayıt hatası çarpıklığı ve basıklığı eşiklerin üstüne taşıyabilir.

Sık sorulan sorular

Aykırı değer ile uç değer aynı şey midir?

Günlük kullanımda çoğu zaman eş anlamlı kullanılır. Bu yazıda uç değer dağılımın ucundaki herhangi bir değerdir; aykırı değer ise bir kuralın işaretlediği uç değerdir. Bazı kaynaklar Tukey’nin dış çitlerinin ötesindekilere ayrıca uç değer der; karışıklığı önlemek için raporda kuralın adı (iç çit, dış çit) yazılır.

Aykırı değeri silmek ne zaman doğrudur?

Değer bir kayıt ya da ölçüm hatasıysa ve doğrusu bulunamıyorsa, ya da gözlem önceden yazılmış ölçütle hedef kitlenin dışında kalıyorsa. Gerçek bir değer yalnızca uç olduğu için silinmez; etkisi duyarlılık analiziyle gösterilir.

Hangi eşiği kullanmalıyım: 1.5 × ÇAG mı, z = 3 mü, 2.5 MAD mı?

Tek bir doğru eşik yoktur. Dayanıklı bir yöntem (ÇAG kuralı ya da MAD) seçip eşiği analizden önce yazmak, sonuçlara bakarak eşik seçmekten daha önemlidir.

Örneklem küçükse hangi yöntem kullanılır?

Grafik ve ortancaya dayanan yöntemlerle. z yöntemi küçük örneklemde işe yaramaz: 10 ya da daha az gözlemde hiçbir z puanı 3’ü aşamaz. Küçük örneklemde her kararın etkisi büyük olduğu için duyarlılık analizi daha da önemlidir.

Aykırı değer varsa parametrik olmayan teste mi geçmeliyim?

Kendiliğinden değil. Önce hatalar ayıklanır. Ölçüm sıralıysa ya da bir grup ondan sonra da belirgin biçimde normal dışıysa parametrik olmayan test birincil olur; değilse parametrik test kullanılır ve gerçek uç değerin etkisi duyarlılık analiziyle gösterilir.

Likert maddesinde aykırı değer olur mu?

1–5 arası puanlanan bir maddede gerçek bir yanıt ölçeğin dışına çıkamaz; aralık dışındaki değer bir kodlama hatasıdır. Aralık içindeki uç yanıtlar ise gerçek yanıtlardır ve aykırı değer diye ayıklanmaz.

  • #aykiri-deger
  • #veri-temizligi
  • #betimsel-istatistik
  • #temel-istatistik
  • #tez-istatistik-analizi

Bilimsel inceleme

Doç. Dr. Hasan Yıldırım

Karamanoğlu Mehmetbey Üniversitesi Öğretim Üyesi

İnceleme tarihi:

Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.

Kaynakça

  1. Aguinis, H., Gottfredson, R. K., & Joo, H. (2013). Best-practice recommendations for defining, identifying, and handling outliers. Organizational Research Methods, 16(2), 270–301.
  2. Bakker, M., & Wicherts, J. M. (2014). Outlier removal, sum scores, and the inflation of the Type I error rate in independent samples t tests: The power of alternatives and recommendations. Psychological Methods, 19(3), 409–427.
  3. Grubbs, F. E. (1969). Procedures for detecting outlying observations in samples. Technometrics, 11(1), 1–21.
  4. Iglewicz, B., & Hoaglin, D. C. (1993). How to detect and handle outliers (ASQC Basic References in Quality Control: Statistical Techniques, Vol. 16). ASQC Quality Press.
  5. Leys, C., Delacre, M., Mora, Y. L., Lakens, D., & Ley, C. (2019). How to classify, detect, and manage univariate and multivariate outliers, with emphasis on pre-registration. International Review of Social Psychology, 32(1), Article 5.
  6. Leys, C., Ley, C., Klein, O., Bernard, P., & Licata, L. (2013). Detecting outliers: Do not use standard deviation around the mean, use absolute deviation around the median. Journal of Experimental Social Psychology, 49(4), 764–766.
  7. Rosner, B. (1983). Percentage points for a generalized ESD many-outlier procedure. Technometrics, 25(2), 165–172.
  8. Shiffler, R. E. (1988). Maximum Z scores and outliers. The American Statistician, 42(1), 79–80.
  9. Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
  10. West, S. G., Finch, J. F., & Curran, P. J. (1995). Structural equation models with nonnormal variables: Problems and remedies. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 56–75). Sage.

Kendi verinizde görün

Kavramı kendi verinizde görmek isterseniz Aykırı Değer Tespiti modülünü örnek veriyle açabilirsiniz. Basira’yı deneyin

İlgili yazılar