Psikolojide İstatistik Nasıl Çalışılır? (İstatistik Korkusunu Yenmek)

Psikolojide istatistiği çalışmanın en sağlam yolu, formülleri ezberlemek değil, her kavramın hangi soruyu yanıtladığını anlamaktır. İstatistik psikolojide soyut bir matematik dersi değil, bir araştırmanın "bu sonuç gerçek mi, yoksa şansa mı bağlı?" sorusunu yanıtlamaya yarayan bir araçtır. Önce kavramı sade haliyle anlamak, ardından SPSS, Jamovi ya da R gibi bir yazılımda uygulamak ve küçük adımlarla ilerlemek, çoğu öğrenci için en işe yarayan yöntemdir. İstatistik korkusu büyük ölçüde matematik kaygısından kaynaklanır; bu kaygı yaygındır, normaldir ve doğru çalışma yöntemiyle azalır. Bu yazıda hem temel kavramları doğru ve sade biçimde açıklıyor hem de bu dersi nasıl çalışacağına dair somut bir yol haritası sunuyoruz.

Güncellik ve sorumluluk reddi: Son güncelleme 23 Haziran 2026. Bu içerik bilgilendirme ve eğitim amaçlıdır; bir ders kitabının, dersi veren öğretim üyesinin ya da resmi bir istatistik kaynağının yerine geçmez. Buradaki kavram açıklamaları temel düzeydedir; sınav, ödev ya da tez çalışmasında kullanmadan önce dersinizin kaynaklarıyla ve danışmanınızla teyit edin. Yazılım sürümleri, menü adları ve ders müfredatları zamanla değişebilir.

Bu yazı, lisans ya da yüksek lisans düzeyinde psikoloji okuyan ve istatistik dersinden çekinen öğrenciler için yazılmıştır. Amacımız tek bir dersi geçmenize yardımcı olmak değil; istatistiği, ileride okuyacağınız her araştırmayı ve yapacağınız her tezi anlamlandıran bir okuryazarlık olarak görmenizi sağlamaktır.

İstatistik psikolojide neden var, neden bu kadar önemli?

Psikoloji, iddialarını veriyle sınayan bir bilimdir. "Şu terapi yöntemi işe yarıyor" ya da "uyku, sınav başarısını etkiliyor" gibi bir cümlenin bilimsel değer taşıması için ölçülmesi, sayılması ve test edilmesi gerekir. İstatistik tam bu noktada devreye girer.

İstatistik, "şans mı yoksa gerçek mi?" sorusunu yanıtlar

Bir araştırmada iki grup arasında fark bulduğunuzu düşünün. Bu fark gerçekten anlamlı bir etkiden mi kaynaklanıyor, yoksa tesadüf eseri mi ortaya çıktı? Sezgilerimiz bizi sık sık yanıltır; istatistik ise gözlemlediğimiz farkın ne kadarının rastlantıyla açıklanabileceğini sistematik biçimde tahmin etmemize yardım eder.

İstatistik, eleştirel okumanın ve tezin temelidir

Bir psikoloji makalesinin yöntem ve bulgular bölümü istatistik diliyle yazılır. İstatistiği bilmeyen öğrenci, sonucu okuyabilir ama o sonuca nasıl varıldığını, bulgunun ne kadar güçlü olduğunu ya da bir hata yapılıp yapılmadığını değerlendiremez. Lisans bitirme projesi, yüksek lisans ve doktora tezi, hatta ileride bir testin sonucunu yorumlamak bile temel istatistik bilgisini gerektirir. İstatistik bu yüzden "geçilip unutulacak bir ders" değil, meslek boyunca taşınan bir araçtır.

İstatistik korkusu normaldir: matematik kaygısı nedir?

Çok sayıda psikoloji öğrencisi, sayılarla ya da matematikle ilgili olduğu için bu bölümü seçmemiştir. Bu yüzden istatistik dersi geldiğinde gerçek bir kaygı yaşanması son derece anlaşılırdır. Bu kaygının literatürde bir adı vardır: matematik kaygısı.

Matematik kaygısı gerçek ve yaygındır

Matematik kaygısı, sayısal işlemler gerektiren durumlarla karşılaşıldığında ortaya çıkan gerginlik, endişe ve kaçınma eğilimidir. Bu kaygı kişinin gerçek yeteneğini yansıtmaz; çoğu zaman geçmiş olumsuz deneyimlerden, "ben matematikçi değilim" inancından ve performans baskısından beslenir. Kaygının kendisi, dersi öğrenemeyeceğiniz anlamına gelmez.

Kaygı, performansı kaygının kendisi yüzünden düşürür

Matematik kaygısı sıklıkla bir kısır döngü yaratır: Kaygı dikkat ve çalışma belleğini meşgul eder, bu sınav anında performansı düşürür, düşük performans da kaygıyı pekiştirir. Yani çoğu zaman sorun "yeteneksizlik" değil, kaygının zihinsel kaynakları tüketmesidir. Bu döngüyü kırmak hem çalışma yönteminden hem de kaygıyla baş etmekten geçer.

Kaygıyla baş etmek için pratik başlangıçlar

• Küçük ve düzenli çalışın: Tek seferde uzun süre çalışmak yerine, kısa ve sık tekrarlar kaygıyı azaltır.
• Anlamaya odaklanın, ezbere değil: Bir kavramın neden var olduğunu anladığınızda, formül daha az korkutucu hale gelir.
• Hatayı öğrenmenin parçası sayın: İstatistikte yanlış yapmak, kavramı netleştiren değerli bir geri bildirimdir.
• Yardım istemeyi normalleştirin: Asistanlara, hocalara ya da çalışma gruplarına soru sormak zayıflık değil, etkili bir stratejidir.

Anahtar nokta: İstatistikte zorlanmak, psikolog olamayacağınız anlamına gelmez. Bu derste başarı, doğuştan gelen bir matematik yeteneğinden çok, doğru yöntemle ve sabırla çalışmaya bağlıdır.

Temel kavramlar: doğru ve sade bir özet

İstatistik dersinin korkutucu görünmesinin bir nedeni, kavramların baştan eksik ya da yanlış öğrenilmesidir. Aşağıda en temel kavramları, sınavda işe yarayacak ama her şeyden önce doğru olacak biçimde açıklıyoruz.

Betimsel ve çıkarımsal istatistik: iki farklı amaç

İstatistik genel olarak iki ana dala ayrılır ve bu ikisini ayırmak, dersin yarısını çözer.

• Betimsel istatistik (tanımlayıcı): Elinizdeki veriyi özetler ve tarif eder. "Bu sınıftaki öğrencilerin ortalama sınav puanı kaç?" gibi sorular betimseldir. Veriyi olduğu gibi anlatır, bir genelleme yapmaz.
• Çıkarımsal istatistik: Eldeki bir örneklemden yola çıkarak daha geniş bir kitle (evren) hakkında tahmin yürütür. "Bu 100 kişilik örneklemde gördüğüm fark, tüm popülasyonda da geçerli mi?" sorusu çıkarımsaldır. p değeri, hipotez testleri ve güven aralıkları bu dala aittir.

Kısacası betimsel istatistik veriyi anlatır, çıkarımsal istatistik veriden genelleme yapar.

Ortalama, medyan ve standart sapma

Bunlar betimsel istatistiğin temel taşlarıdır.

• Ortalama (aritmetik ortalama): Tüm değerlerin toplamının değer sayısına bölünmesidir. Verinin "merkezini" gösteren en yaygın ölçüdür, ancak aşırı uç değerlerden (çok yüksek ya da çok düşük gözlemler) kolayca etkilenir.
• Medyan (ortanca): Veriyi küçükten büyüğe sıraladığınızda tam ortada kalan değerdir. Uç değerlerden etkilenmediği için, gelir gibi çarpık dağılan verilerde ortalamadan daha temsil edici olabilir.
• Standart sapma: Değerlerin ortalama etrafında ne kadar yayıldığını gösterir. Küçük bir standart sapma, gözlemlerin ortalamaya yakın toplandığını; büyük bir standart sapma, geniş bir yayılımı işaret eder. İki grup aynı ortalamaya sahip olsa bile standart sapmaları çok farklı olabilir; bu yüzden ortalama tek başına yetmez.

Normal dağılım

Normal dağılım, birçok doğal ve psikolojik değişkenin (örneğin boy ya da pek çok test puanı) yaklaşık olarak izlediği, çan biçiminde simetrik bir dağılımdır. Değerlerin çoğu ortalamanın çevresinde toplanır, uçlara doğru azalır. Birçok istatistiksel testin temelinde normal dağılım varsayımı bulunur; bu yüzden verinizin dağılımını kontrol etmek önemlidir. Gerçek hayatta her veri tam olarak normal dağılmaz ve bu her zaman bir sorun değildir.

p değeri: en çok yanlış anlaşılan kavram

p değeri, istatistik dersinin en kritik ve en sık yanlış öğrenilen konusudur. Doğru tanımını baştan öğrenmek, ileride büyük hatalardan korur.

p değeri şu soruyu yanıtlar: "Eğer gerçekte hiçbir etki ya da fark yoksa (yani sıfır hipotezi doğruysa), elimizdeki kadar ya da daha uç bir sonucu gözlemleme olasılığı nedir?" Düşük bir p değeri, "böyle bir veriyi yalnızca şansla elde etmek pek olası değil" anlamına gelir ve araştırmacıyı sıfır hipotezini reddetmeye yöneltebilir.

Burada çok yaygın iki yanlış anlama vardır; bunlardan kaçının:

• p değeri, sonucun şans eseri olma olasılığı DEĞİLDİR. Daha doğrusu, "sıfır hipotezi doğru olsaydı bu veriyi görme olasılığı"dır; "bulgumun yanlış olma olasılığı" değildir.
• p değeri, hipotezin doğru ya da yanlış olma olasılığını VERMEZ. Örneğin p = 0,04 bulmak, "alternatif hipotezin yüzde 96 doğru olduğu" anlamına gelmez. p değeri hipotezlerin olasılığını değil, veriyi belirli bir varsayım altında değerlendirir.
• İstatistiksel anlamlılık, pratik önem demek DEĞİLDİR. p değerinin 0,05'in altında olması bir farkın "gerçek ve önemli" olduğunu kanıtlamaz; yalnızca şansla kolayca açıklanamayacağını gösterir. Farkın büyüklüğünü ayrıca değerlendirmek gerekir.

0,05 eşiği bir gelenektir, doğanın bir kanunu değildir. p = 0,049 ile p = 0,051 arasında dünyayı değiştiren bir fark yoktur; bu yüzden p değerini tek başına değil, etki büyüklüğü ve güven aralığıyla birlikte yorumlamak gerekir.

Korelasyon nedensellik değildir

Korelasyon, iki değişkenin birlikte değişme eğilimini ölçer. Biri arttıkça diğeri de artıyorsa pozitif, biri arttıkça diğeri azalıyorsa negatif korelasyondan söz edilir. Korelasyon katsayısı genellikle -1 ile +1 arasında bir değer alır; sıfıra yakın değerler ilişkinin zayıf olduğunu gösterir.

Buradaki altın kural şudur: Korelasyon, nedenselliği kanıtlamaz. İki şeyin birlikte değişmesi, birinin diğerine neden olduğu anlamına gelmez. Bunun üç olası nedeni vardır:

• Yön belirsizliği: A, B'ye mi neden oluyor, yoksa B mi A'ya neden oluyor? Korelasyon bunu söylemez.
• Üçüncü değişken: Görünmeyen bir başka değişken her ikisini birden etkiliyor olabilir. Örneğin dondurma satışı ile boğulma vakaları birlikte artar; ama biri diğerine neden olmaz, ikisini de sıcak hava (üçüncü değişken) artırır.
• Rastlantı: Yeterince çok değişken karşılaştırıldığında, tamamen tesadüfi korelasyonlar ortaya çıkabilir.

Nedensellik iddiası için genellikle kontrollü deneyler ve uygun yöntemler gerekir; tek başına bir korelasyon katsayısı yetmez.

Etki büyüklüğü: "anlamlı" yetmez, "ne kadar büyük" de gerekir

Etki büyüklüğü, bir farkın ya da ilişkinin büyüklüğünü, örneklem boyutundan bağımsız biçimde gösteren bir ölçüdür. p değeri size bir etkinin "var olup olmadığına dair kanıt gücünü" söylerken, etki büyüklüğü "bu etki ne kadar büyük?" sorusunu yanıtlar.

Bu ayrım önemlidir çünkü çok büyük örneklemlerde, pratikte önemsiz farklar bile istatistiksel olarak anlamlı çıkabilir. İki grup arasında çok küçük ama gerçek bir fark, binlerce kişilik bir çalışmada p < 0,05 verebilir; oysa bu farkın gerçek hayatta bir karşılığı olmayabilir. Cohen's d ve eta-kare gibi etki büyüklüğü ölçüleri, bulgunun pratik önemini değerlendirmenizi sağlar. Modern psikoloji, yalnızca p değeri raporlamayı yetersiz bulur ve etki büyüklüğünün de bildirilmesini bekler.

Psikolojide istatistik nasıl çalışılır? Somut strateji

Kavramları öğrendikten sonra iş, doğru çalışma yöntemine kalır. Aşağıdaki yaklaşım, istatistiği bir korku kaynağı olmaktan çıkarıp yönetilebilir bir derse dönüştürmeye yardımcı olur.

1. Önce kavramı anla, sonra formüle geç

En sık yapılan hata, kavramı anlamadan formül ezberlemektir. Her testin ve ölçünün yanıtladığı bir soru vardır. "Standart sapma neyi anlatır?" sorusuna kendi cümlelerinizle cevap verebiliyorsanız, formülü hatırlamasanız bile kavramı biliyorsunuz demektir. Önce "bu ne işe yarar?" diye sorun; formül bu anlamanın üzerine kolayca oturur.

2. Kavramı bir veriyle uygula

İstatistik okuyarak değil, yaparak öğrenilir. Küçük bir veri setiyle ortalamayı, standart sapmayı ya da basit bir testi elle hesaplamak, ardından aynı işlemi bir yazılımda tekrarlamak kavramı kalıcı hale getirir.

3. Bir yazılım öğren: SPSS, Jamovi ya da R

Modern psikolojide istatistik elle değil yazılımla yapılır. Üç yaygın seçenek vardır ve her birinin yeri farklıdır:

• SPSS: Üniversitelerde en sık öğretilen, menü tabanlı (tıklayarak kullanılan) yazılımdır. Başlangıç için sezgiseldir, ancak çoğu kurumda ücretli/lisanslıdır.
• Jamovi: Ücretsiz ve açık kaynaklıdır, arayüzü SPSS'e benzer ve öğrenmesi kolaydır. Bütçesi olmayan öğrenciler için iyi bir başlangıç noktasıdır.
• R: Ücretsiz, açık kaynaklı ve çok güçlüdür, ancak kod yazmayı gerektirir. Öğrenme eğrisi daha diktir; ileri analizler ve tez için değerlidir.

Hangi yazılımı dersiniz kullanıyorsa onunla başlamak en pratiğidir. Bir yazılımda mantığı kavradığınızda, diğerine geçiş kolaylaşır çünkü asıl öğrendiğiniz şey istatistiğin kendisidir, yalnızca bir programın menüsü değil.

4. Küçük adımlarla ilerle ve düzenli tekrar yap

İstatistik kümülatif bir derstir: Her konu bir öncekinin üzerine kurulur. Ortalamayı atlayıp standart sapmayı, onu atlayıp hipotez testini anlamak zordur. Bu yüzden konuları sırayla, küçük parçalar halinde ve düzenli aralıklarla tekrar ederek çalışmak, son haftaya sıkıştırmaktan çok daha etkilidir.

5. Gerçek makalelerle pratik yap

Bir psikoloji makalesinin bulgular bölümünü açıp oradaki istatistikleri "çevirmeye" çalışmak, en gerçekçi alıştırmadır. "Bu p değeri ne anlama geliyor? Etki büyüklüğü verilmiş mi? Korelasyondan nedensellik mi çıkarılmış?" diye sormak, hem dersi hem eleştirel okumayı aynı anda geliştirir.

Öğrencilerin en sık yaptığı istatistik hataları

Bu hataları baştan bilmek, hem sınavda hem ileride tezde sizi korur.

• p değerini yanlış yorumlamak: "p = 0,03, yani bulgumun yüzde 97 doğru olma olasılığı var" demek yanlıştır. p değeri hipotezin doğruluk olasılığını vermez.
• Korelasyondan nedensellik çıkarmak: "X ile Y ilişkili, demek ki X, Y'ye neden oluyor" en sık yapılan akıl yürütme hatasıdır.
• Anlamlılığı önemle karıştırmak: İstatistiksel olarak anlamlı bir sonucun, pratikte önemli olduğunu sanmak. Etki büyüklüğüne bakmadan bu yorum yapılamaz.
• Etki büyüklüğünü hiç raporlamamak: Yalnızca p değerine bakıp etki büyüklüğünü görmezden gelmek, bulgunun gerçek anlamını gizler.
• Ortalamaya körü körüne güvenmek: Çarpık ya da uç değerli verilerde ortalamayı kullanıp medyanı atlamak, yanıltıcı bir tablo çizer.
• Varsayımları kontrol etmemek: Birçok testin normal dağılım gibi varsayımları vardır; bunları kontrol etmeden test uygulamak hatalı sonuç verebilir.
• Yazılımın çıktısını sorgulamadan kabul etmek: SPSS ya da R bir sayı üretir; ama o sayının doğru testten mi geldiğini ve ne anlama geldiğini siz değerlendirmelisiniz.

Nereden çalışmalı? Kaynak önerileri

İstatistiği iyi öğrenmenin bir yolu da doğru kaynakları seçmektir. Aşağıdaki kaynak türleri birlikte kullanıldığında işe yarar.

• Dersinizin temel kitabı: Önce hocanızın önerdiği kaynağı esas alın; sınav ve müfredat ona göre şekillenir.
• Görsel ve sezgisel anlatan kaynaklar: Kavramı çizimlerle ve örneklerle anlatan kitap ve videolar, formül yoğun kaynaklardan önce mantığı oturtmaya yardımcı olur.
• Yazılım için resmi belgeler ve topluluklar: Jamovi ve R'ın ücretsiz çevrimiçi rehberleri ve topluluk forumları pratik sorularda hızlı yanıt sağlar.
• Açık erişimli üniversite ders notları: Birçok üniversite istatistik materyallerini açık biçimde paylaşır; bunlar ücretsiz ve güvenilir bir destek olabilir.
• Çalışma grubu ve asistan desteği: Bir kavramı başkasına anlatmak, onu öğrenmenin etkili yollarından biridir.

Tek bir kaynağa bağlı kalmak yerine aynı kavramı farklı kaynaklardan görmek anlamayı derinleştirir; bir yerde anlaşılmayan konu başka bir anlatımda netleşebilir.

Sık sorulan sorular

İstatistikten korkuyorum, psikoloji bana göre değil mi? İstatistik korkusu, çoğunlukla matematik kaygısının bir yansımasıdır ve çok sayıda psikoloji öğrencisi bunu yaşar. Bu kaygı, dersi öğrenemeyeceğiniz anlamına gelmez; daha çok geçmiş deneyimlerden ve "ben sayısalcı değilim" inancından beslenir. Anlamaya dayalı, küçük adımlarla ilerleyen bir çalışma yöntemi ve kaygıyla baş etme alışkanlıkları, bu derste başarıyı belirgin biçimde artırır.

Betimsel ve çıkarımsal istatistik arasındaki fark nedir? Betimsel istatistik, elinizdeki veriyi özetler ve tarif eder; ortalama, medyan ve standart sapma gibi ölçüler bu gruba girer. Çıkarımsal istatistik ise bir örneklemden yola çıkarak daha geniş bir kitle hakkında tahmin yapar; p değeri, hipotez testleri ve güven aralıkları bu gruptadır. Kısacası biri veriyi anlatır, diğeri veriden genelleme yapar.

p değeri tam olarak ne anlatır? p değeri, "eğer gerçekte hiçbir etki ya da fark yoksa, elimizdeki kadar ya da daha uç bir veriyi gözlemleme olasılığı nedir?" sorusunu yanıtlar. Bulgunun doğru olma olasılığını ya da sonucun şans eseri olma olasılığını vermez. Düşük bir p değeri, gözlenen sonucun yalnızca şansla açıklanmasının pek olası olmadığını gösterir; ama farkın büyüklüğünü ya da pratik önemini söylemez.

Korelasyon neden nedensellik anlamına gelmez? İki değişkenin birlikte değişmesi, birinin diğerine neden olduğunu kanıtlamaz. İlişkinin yönü belirsiz olabilir, görünmeyen bir üçüncü değişken her ikisini birden etkiliyor olabilir ya da ilişki tamamen rastlantısal olabilir. Nedensellik iddiası genellikle kontrollü deneyler ve uygun yöntemler gerektirir; tek başına bir korelasyon katsayısı bunun için yeterli değildir.

SPSS, Jamovi ve R'dan hangisini öğrenmeliyim? En pratik başlangıç, dersinizde kullanılan yazılımdır. SPSS menü tabanlı ve yaygındır ama çoğunlukla lisanslıdır; Jamovi ücretsiz, açık kaynaklı ve SPSS'e benzer bir arayüze sahiptir; R ise ücretsiz ve güçlüdür ama kod yazmayı gerektirir. Bir yazılımda istatistiğin mantığını kavradığınızda diğerine geçmek kolaylaşır, çünkü asıl öğrendiğiniz şey programın menüsü değil istatistiğin kendisidir.

Etki büyüklüğü neden önemli, p değeri yetmiyor mu? p değeri bir etkinin var olup olmadığına dair kanıt gücünü gösterir, ama etkinin ne kadar büyük olduğunu söylemez. Özellikle büyük örneklemlerde, pratikte önemsiz farklar bile istatistiksel olarak anlamlı çıkabilir. Etki büyüklüğü (örneğin Cohen's d), bulgunun gerçek hayattaki büyüklüğünü ve pratik önemini değerlendirmenizi sağladığı için p değerinin yanında mutlaka raporlanması beklenir.

İstatistik dersine ne zaman ve nasıl başlamalıyım? İstatistik kümülatif bir derstir; her konu bir öncekinin üzerine kurulur. Bu yüzden son haftaya bırakmak yerine, dönem boyunca küçük parçalar halinde ve düzenli tekrarla çalışmak en etkili yoldur. Önce kavramı anlamaya odaklanın, sonra küçük bir veriyle uygulayın ve bir yazılımda pratik yapın. Anlamadığınız bir konuyu erkenden sorarak çözmek, ilerideki konuların temelini sağlamlaştırır.

İlgili yazılar

• Psikolog mu psikiyatrist mi? Farkları ve hangi durumda hangisi
• Psikoloji okumak isteyenler için bölüm rehberi
• Klinik psikolog nasıl olunur? Yüksek lisans yolu
• Psikolojide araştırma yöntemleri nasıl çalışılır?

Psikoloji öğrencisi olarak bölümle, derslerle ve kariyer yolculuğuyla ilgili tüm rehberlerimizi tek yerde görmek isterseniz, psikoloji öğrencisi rehberine göz atabilirsiniz.

---