1. Veri Toplama Disiplini

Doğru başlamak, sonradan temizlemekten kolaydır

Neden Önemli?

Veri temizliğinin %80’i, veri toplama aşamasında önlenebilir. Veriniz daha toplanırken bazı kuralları izlerseniz, sonradan saatlerce yapacağınız iş ortadan kalkar.

Bu bölüm, henüz veri toplamamış araştırmacılar içindir. Veriniz hazırsa doğrudan 2. Sık Karşılaşılan Sorunlar bölümüne geçebilirsiniz.

1.1 Tidy Data Prensipleri

İstatistikçi Hadley Wickham’ın “tidy data” olarak adlandırdığı yaklaşım, modern veri biliminin omurgasıdır. Üç basit kural:

NotTidy data kuralları
  1. Her satır bir gözlemdir (örn. bir hasta, bir ölçüm, bir vaka)
  2. Her sütun bir değişkendir (örn. yaş, cinsiyet, tansiyon)
  3. Her hücre tek bir değer içerir (birden fazla değer aynı hücrede olmamalı)

Yanlış Örnek

Hasta Tansiyon ölçümleri
Ahmet 120/80, 130/85, 125/82
Ayşe 110/70, 115/72

Burada sorunlar:

  • Bir hücrede birden fazla değer
  • Sistolik ve diyastolik aynı hücrede
  • Kaç ölçüm olduğu satırdan satıra değişiyor

Doğru Örnek

hasta_id olcum_no sistolik diyastolik
1 1 120 80
1 2 130 85
1 3 125 82
2 1 110 70
2 2 115 72

Her ölçüm ayrı satır, her değişken ayrı sütun. Bu yapıya uzun format (long format) denir ve istatistik yazılımlarının beklediği formattır.

1.2 Sütun İsimlendirme Kuralları

UyarıExcel’de sütun başlığı yazarken
  • ❌ Türkçe karakter (ğ, ü, ş, ı, ö, ç) kullanmayın
  • ❌ Boşluk koymayın
  • ❌ Özel karakter (?, !, %, *, /) kullanmayın
  • ❌ Rakamla başlatmayın

Önerilen yöntem: snake_case

Tüm harfleri küçük tut, kelimeleri alt çizgi (_) ile birleştir:

❌ Kötü ✅ İyi
Doğum Tarihi dogum_tarihi
Yaş (yıl) yas_yil
Tansiyon-Sistolik sistolik
1. Ölçüm olcum_1
BMI(kg/m²) bmi

İyi sütun adı özellikleri

  • Kısa ama anlamlı (3-25 karakter)
  • Birim bilgisi gerekiyorsa adın içinde (agirlik_kg, boy_cm)
  • Tutarlı (tüm tarih sütunları *_tarih, tüm sayım sütunları *_sayisi vb.)
  • Anlaşılır (x1, var2 gibi anlamsız adlardan kaçının)

1.3 Eksik Değer Protokolü

Bu, en sık yapılan hatadır.

ÖnemliEksik değer için tek kural

Hücreyi boş bırakın.

“yok”, “-”, “?”, “0”, “999”, “NA”, “veri yok” yazmayın.

Neden?

İstatistik programları boş hücreyi otomatik olarak “eksik değer (NA)” olarak tanır. Ama “yok” yazarsanız, programa bunu özel olarak söylemeniz gerekir. Üstelik:

  • Sütun bazen sayısal bazen metin olur (programlar sütunu metin sanır)
  • “0” yazarsanız analiz “ölçüm 0” sanar (gerçek 0 ile karışır)
  • “999” yazarsanız ortalamayı bozar

Eksik Değer Nedeni Önemliyse

Bazı durumlarda neden eksik olduğunu kayıt etmek istersiniz. O zaman ek bir sütun açın:

hasta_id bmi bmi_neden_eksik
1 24.5 (boş)
2 hasta_olcum_reddetti
3 cihaz_arizasi

Bu yaklaşım hem analizi bozmaz hem de bilgiyi korur.

1.4 Tarih Formatı

Tarih, Excel’in en büyük kabusu. Çözümü tek bir kuralla halleder:

İpucuTarih için tek format: ISO 8601

YYYY-AA-GG (örn. 2024-03-15)

Bu format dünya çapında standarttır, tüm yazılımlar tanır, sıralama otomatik doğrudur, dilden bağımsızdır.

Neden ISO 8601?

Format Sorun
15.03.2024 TR formatı, US programları yanlış okur
03/15/2024 US formatı, TR programları yanlış okur
15-Mar-24 “Mar” ay isimleri dile bağlı
15 Mart 2024 Hiçbir program otomatik tanımaz
2024-03-15 ✅ Evrensel, sıralanabilir, makinece okunabilir

Excel’de tarih girerken

  1. Sütunu seç
  2. Sağ tık → Hücreleri Biçimlendir → Sayı → Tarih
  3. Tür: 2012-03-14 formatını seç
  4. Tüm tarihleri bu formatta gir
UyarıExcel’in tarih tuzağı

Excel bazen 1.5, 2/3, 15-3 gibi metinleri otomatik tarihe çevirir. Önlemek için: hücreyi önce Metin olarak biçimlendirin ya da girişin başına tek tırnak (') ekleyin: '1.5.

1.5 Kategori Değerleri için Sözlük

Cinsiyet, eğitim, medeni durum gibi kategorik değişkenlerde tek bir kelime listesi belirleyin ve veriyi girenler hep aynı kelimeyi kullansın.

Kötü örnek

cinsiyet
Erkek
erkek
E
ERKEK
K
Kadın
Kdn

İstatistik programı bunları 7 farklı kategori sayar. Sonradan birleştirmek zaman alır.

İyi örnek

Bir kod sözlüğü belirleyin ve dosyaya yapıştırın:

cinsiyet: "Erkek" veya "Kadın" (büyük harf-küçük harf duyarlı)
egitim:   "Okur-yazar değil", "İlkokul", "Ortaokul", "Lise", "Üniversite", "Lisansüstü"
medeni:   "Bekar", "Evli", "Boşanmış", "Dul"

Veri girişi yapan herkesin bu listeyi açıp ona göre yazması, sonradan saatlerce sürecek temizliği önler.

1.6 Kod Sözlüğü (Codebook)

Veri tabanınızla birlikte bir codebook dosyası tutun. Bu, hangi sütunda ne olduğunu, birimlerini, değerlerin anlamını yazdığınız bir tablodur.

Örnek Kod Sözlüğü

sutun tip birim aciklama gecerli_degerler
hasta_id sayisal — Benzersiz hasta numarası 1-9999
dogum_tarihi tarih — Hastanın doğum tarihi YYYY-AA-GG
cinsiyet kategorik — Hastanın cinsiyeti Erkek, Kadın
boy_cm sayisal cm Hastanın boyu 100-220
agirlik_kg sayisal kg Hastanın ağırlığı 30-200
sistolik sayisal mmHg Sistolik kan basıncı 60-260
diyabet_var kategorik — Diyabet öyküsü Var, Yok, Bilinmiyor

Bu tablo aynı Excel dosyasında ayrı bir sayfa olarak (örn. “codebook” sayfası) tutulabilir.

İpucuCodebook altın kuraldır

Codebook olmadan veri toplamak, etiketsiz şişeleri laboratuvar dolabına koymaya benzer. 6 ay sonra hangi şişede ne olduğunu kimse hatırlamaz.

1.7 Excel Dosyası Yapısı

Notİdeal Excel dosyası
  • Tek sayfa (worksheet) — eğer çoklu sayfa lazımsa: bir sayfa “veri”, bir sayfa “codebook”
  • Tek başlık satırı (sayfa 1, satır 1)
  • Birleştirilmiş hücre yok
  • Renk/biçimlendirme yok (renkleri programlar okumaz)
  • Toplam/özet satırı yok
  • Boş satır/sütun yok (veri içinde)
  • Veri başlangıcı her zaman A1 hücresinden

❌ Tipik Yanlış Excel

[boş]
"Çalışma: KOAH Olguları"        (başlık metni)
"Toplayan: Dr. X"
[boş]
[Birleştirilmiş hücre: HASTA BİLGİLERİ | LABORATUVAR]
"ad" "soyad" "yaş" | "WBC" "CRP"
"Ahmet" "Yıl." "65" | "8.5" "12"
...
"TOPLAM" — — — — "ortalama: 9.2"

✅ Doğru Excel

hasta_id  ad     soyad    yas   wbc   crp
1         Ahmet  Yıl.     65    8.5   12
2         Ayşe   Kar.     58    7.2   8
...

1.8 Dosya İsimlendirme

Veri dosyasının kendisi de düzenli isimlendirilmeli:

İpucuÖnerilen dosya adı formatı

<projead>_<icerik>_<tarih>.xlsx

Örnek: koah_kohort_veri_2024-11-15.xlsx

Sürüm güncellediğinizde tarihi değiştirin, eskisini silmeyin (_arsiv klasörüne taşıyın).

✅ Bu Bölümün Özeti

  • Tidy data: bir satır bir gözlem, bir sütun bir değişken
  • Sütun adları: snake_case, Türkçe karakter yok
  • Eksik değer: hücreyi boş bırakın, kod yazmayın
  • Tarih: YYYY-AA-GG formatı
  • Kategoriler: tek liste belirleyin, herkes ona uysun
  • Kod sözlüğü tutun
  • Excel dosyası: tek sayfa, tek başlık, birleştirme yok

Veri toplama tamamlandıysa sıradaki bölüme geçin: 2. Sık Karşılaşılan Sorunlar →

Başa dön