Akademi İçin Tablolarla Veri Analizi Raporlama Teknikleri

Akademik bir metinde tablo, yalnızca sayıları dizen bir kutu değildir; kanıtın mimarisidir. İyi tasarlanmış bir tablo, karmaşık analizleri tek bakışta anlaşılır kılar, karar mimarinizi görünür hale getirir, hakemlerin soracağı soruları daha sorulmadan yanıtlar. Kötü tasarlanmış bir tablo ise, en katı metodolojiye rağmen bulguların etkisini gölgede bırakır.

Bu rehberde, akademi için tablolarla veri analizi raporlama tekniklerini uçtan uca ele alacağız: Tablonun amacı ve yerleşimi; ölçüm düzeylerine göre özet seçimi; APA/AMA/IEEE gibi stillere uyum; p-değeri + etki büyüklüğü + güven aralığı üçlüsünü tabloya gömme; Welch/robust düzeltmeler, çoklu karşılaştırma işaretlemeleri; ağırlıklı/karma örneklem raporlaması; eksik veri ve ayıklama seçimlerinin şeffaflaştırılması; SPSS, R, Python, Excel ile yeniden üretilebilir tablo akışları; görsel-ergonomi ilkeleri; alanlara özgü (eğitim, sağlık, iktisat, psikoloji) örnek şablonlar; metin–tablo–şekil üçgeninde akıcı anlatı; teslim öncesi kontrol listeleri

1) Tablonun Amacı ve Yerleşimi: Neyi, Kime, Ne Kadar?

İlke: Her tablo tek bir iddia taşır. “Demografi”, “Betimsel dağılımlar”, “Model sonuçları”, “Duyarlılık analizleri”, “Ek kontrol testleri” gibi net işlevler atayın.
Yerleşim:

• Ana metin: Okurun ana mesajı anlaması için zorunlu tablolar.

• Ekler (appendix/supplement): Ayrıntı, varyasyon, ek duyarlılık ve yöntem tabloları.
  İpucu: Tablonun başlığı (caption) iddiayı bir cümlede söylesin: “Gruba göre düzeltilmiş ortalamalar (EM Means) ve %95 GA; Welch düzeltmeli karşılaştırmalar.”

2) Ölçüm Düzeyi ve Özet Seçimi: Nominal–Ordinal–Sürekli

• Nominal: n (%), satır/sütun yüzdeleri, 95% GA (Wilson/Agresti–Coull).

• Ordinal: Medyan (IQR), yüzdelikler; gerekirse sıralı lojistikten OR.

• Sürekli (aralık/oran): Ortalama±sd ve Medyan (IQR) birlikte; çarpıklık varsa medyanı vurgulayın.
  Uygulama kalıbı:
  “Motivasyon: 32 (9) medyan (IQR), 64,3±12,7 ortalama±sd. Sağ çarpıklık nedeniyle medyan önceliklendirildi.”

3) p-Değeri + Etki Büyüklüğü + Güven Aralığı Üçlüsü

Altın standart: Yalnız p-değeri yetersiz. Tablo sütunlarınızda p, etki (g/d/r/η²/OR/RR) ve %95 GA birlikte bulunsun.
Örnek sütun başlıkları:

• Fark (∆), Hedges’ g, %95 GA [alt; üst], p_düz

• OR, %95 GA, AUC (sınıflandırma tablolarında ek)

4) Varsayım ve Düzeltme Notasyonu: Levene, Welch, Games–Howell

Kural: Tabloda kullanılan testin hangi varsayım altında çalıştığı ve ihlal durumunda hangi düzeltmenin uygulandığı belirtilmeli.
Etiket örnekleri:

• t (Welch), ANOVA (Welch/Brown–Forsythe)

• Post-hoc (Games–Howell)

• Sphericity: GG düzeltmesi

• Robust SE (HC3)
  Not: Tablo altına kısa not: “Levene p<0,05; bu nedenle Welch t ve Games–Howell raporlandı.”

5) Çoklu Karşılaştırmalar: Aile Tanımı ve İşaretleme

Sorun: Çok grup karşılaştırmasında yanlış keşif.
Çözüm sütunları: p ham, p_Bonf, p_FDR.
İşaretleme: * ve † sembollerini aile içi anlamlılık için kullanın; tablonun altında ailenin kapsamını yazın: “Aile: A–B–C üçlüsündeki tüm çiftli kıyaslar.”

6) Ağırlıklar ve Karma Örneklem (Survey) İçin Tablo Dilbilgisi

Gereksinim: Ağırlıklı oranlar ve tasarım uyumlu SE/GA.
Tablo etiketi: “Ağırlıklar uygulanmış; SE’ler Rao–Scott düzeltmeli.”
Sütun: Oran % (ağırlıklı), SE (tasarım), 95% GA.
Uyarı: Ağırlıksız n’yi de verin (yöntem şeffaflığı).

7) Eksik Veri, Dışlama ve İmputasyon Bilgisi

Şeffaflık: Tablonun yanında/altında geçerli N, eksik %, imputasyon sayısı (MI) ve birleşik (pooled) sonuç notu.
Mini-kutu: “Eksik veri özeti” tablosu—değişken bazlı kayıp, MCAR testi, izlenen politika.

8) Etki Büyüklüğü Eşiği ve Anlatı: Küçük, Orta, Büyük

Sütun içi yorum: İsteğe bağlı “etki sınıfı” (küçük/orta/büyük) sütunu; bağlama göre eşik kaynağını not edin (ör. Cohen veya alan standardı).
Örnek: “Cramér’s V=0,14 → küçük–orta (sosyoe. araştırma bağlamı).”

9) Model Tabloları: OLS, Lojistik, GLM, Panel, Zaman Serisi

Ortak yapı:

• Katsayı (B/β/OR/RR), SE, %95 GA, p

• Model üst bilgi: N, R²/adj. R² ya da pseudo-R², DW, AIC/BIC, HL p (lojistik), AUC (varsa), VIF aralığı.
  Satır sırası: Teorik önem/pedagojik akış; kategorik referans düzeyi alt notta yazılsın.
  İpucu: Lojistikte OR’ları aynı sütunda hizalayın; çok sayıda değişken varsa bloklar halinde sunun (Model 1-2-3).

10) EM Means / Marjinal Ortalamalar ve Etkileşimlerin Tablosallaşması

Durum: ANCOVA/GLM’de etkileşim.
Tablo: Her grup için düzeltilmiş ortalama (EMM) + %95 GA; etkileşim için basit etkiler ayrı blokta; çoklu karşılaştırma düzeltmesi sütunu.
Caption: “Ön test kovaryatı 65’e set edilerek hesaplanmıştır.”

11) Duyarlılık (Robustness) Tabloları: Alternatif Seçeneklerde Kararlılık

Amaç: Hakem sorusunu önden yanıtlamak.
Tablo şablonu:
| Senaryo | Yöntem | Ana katsayı (B/OR) | %95 GA | p | Not |
|—|—|—:|—:|—:|—|
| S0 | OLS | 0,42 | [0,24; 0,60] | 0,000 | Temel |
| S1 | Robust (HC3) | 0,40 | [0,22; 0,58] | 0,000 | Heteroskedastisite |
| S2 | Winsor. %1 | 0,38 | [0,20; 0,55] | 0,000 | Uç dahil/ hariç |

12) Kategorik Tablo Ergonomisi: Crosstab, Artıklar ve Risk

Gereksinim: Sadece χ² ve p değil; Cramér’s V/Phi, OR/RR, standartlaştırılmış artıklar.
Okunabilirlik: 100% stacked satır yüzdesi çoğu durumda anlaşılır; mosaic eşlik edebilir (şekil).
Dipnot: “Beklenen frekansı <5 olan hücre oranı %…; Fisher/Monte Carlo kullanıldı.”

13) Uzun Değişken Listelerinde Sütun Sıkıştırma: Gruplama ve Çok Satırlı Hücre

Teknik: Alt ölçüler (alt testler) bir küme altında; toplam skor kalın, alt boyutlar normal stil.
Çok satırlı hücre notları: “* Ters maddedir”, “† Log-dönüşümlüdür” simgeleri.

14) Birim, Ölçek ve Dönüşüm Bilgisi: Tablo Alt Notları

Zorunlu notlar:

• Birim (saniye, TL, puan 0–100),

• Dönüşüm (log/√, z-standart),

• Eşik (ör. “üst başarı >70”).
  Fayda: Tablonun “yeniden kullanılabilirliği” artar; figürlerle tutarlılık korunur.

15) Renk ve Vurgu: Ne Zaman, Nasıl?

Varsayılan: Siyah–beyaz metinler için tablo renksiz tasarlanır; dergi baskısı ve erişilebilirlik.
İstisna (ek dosya/rapor): Isı haritası stilinde hücre gölgeleme; renk körlüğü dostu palet; vurgular sadece ikincil bilgi için.

16) SPSS’ten “Temiz” Tablo Almak: Copy Special, OMS, Custom Tables

• Copy Special: RTF/HTML/LaTeX olarak biçimli kopya; başlıkları sadeleştirip anlamlı yeniden adlandırın.

• OMS (Output Management System): Tabloyu doğrudan CSV/Excel’e dökme, sonra şablonla birleştirme.

• Custom Tables: Demografi ve çapraz tabloları tek panelde toplayın; satır/sütun yüzdelerini açık etiketleyin.

17) R ile “Publication-Ready” Tablolar: gtsummary, modelsummary, flextable, gt

Akış:

1. dplyr ile özet,

2. gtsummary::tbl_summary() demografi,

3. modelsummary ile OLS/Logit tablolar,

4. gt/flextable ile stillendirme, dipnot, GA formatı.
   İpucu: broom ile model çıktılarından tek veri çerçevesi üretip tüm tabloları aynı stil ile üretin.

18) Python ile Tablo Otomasyonu: pandas + statsmodels + tabulate/xlsxwriter

Adımlar:

• pandas ile özet,

• statsmodels sonuç nesnelerinden katsayı/SE/GA çekme,

• tabulate ile markdown/latex, ya da xlsxwriter ile Excel şablonu.
  İlke: Kodun başına biçim fonksiyonları ekleyin (yuvarlama, % formatı, GA köşeli parantez stili).

19) Excel’de Şablon Disiplini: Tek Kaynak, Tek Biçim

Yapı: “Datasheet ham”, “Analiz” (formüller), “Tables_pub” (sadece değerler).
Araçlar: Power Query ile veri tazeleme; “Number Format” şablonları; “Cell Styles” ile tutarlı tipografi.
Uyarı: El ile yuvarlama yerine kural (örn. GA için 2 ondalık, p için üç).

20) Etik, Gizlilik ve Küçük Hücrelerin Bastırılması

Risk: Küçük n hücreleri bireyleri tanınır kılabilir.
Çözüm: Bastırma (k<5), birleştirme, rastgele gürültü (sınırlı).
Dipnot: “Gizlilik nedeniyle küçük hücreler birleştirilmiştir.”

21) Alanlara Göre Tablo Şablonları

• Eğitim: “Demografi”, “Betimsel & Varsayım”, “Gruplar arası fark (Welch/post-hoc)”, “ANCOVA EMM”, “Duyarlılık”.

• Sağlık (klinik): “Temel özellikler (CONSORT)”, “Tedavi×Yanıt (OR, RR, NNT)”, “Lojistik + ROC”, “Advers olay özetleri”.

• İktisat/Politika: “Tanımlayıcı istatistikler (ağırlıklı)”, “Regresyon panelleri (FE/RE, SE türü)”, “Robustness (IV, alternatif kontroller)”.

• Psikoloji: “Ölçek güvenilirlikleri (α/ω)”, “Faktör yükleri”, “Model uyum indeksleri (CFA)”, “Aracılık/etkileşim modelleri”.

22) “Metin–Tablo–Şekil” Üçgeni: Yinelenme Değil, Tamamlayıcılık

• Metin: Tablonun anlattığı iddiayı bir–iki cümlede özetler (“ne anlama geliyor?”).

• Tablo: Detayın evidansı.

• Şekil: Desenin görseli (belirsizliği gösterir).
  Kural: Metin, tabloda zaten görülen tüm sayıları tekrar etmesin; yalnız ana bulguları ve kıyasları vurgulasın.

23) Tipografi ve Okunabilirlik: Aralık, Hizalama, Yuvarlama

• Yuvarlama: p üç ondalık, etki büyüklüğü iki ondalık, oranlar yüzdelik olarak.

• Hizalama: Sayılar sağ hizalı, metin sol; ± işaretleri eş hizada.

• Boşluk: Satır arası 1,15–1,2; başlık ile tablo arası nefes alanı.

24) Referans Düzeyleri, Kodlama ve Yorum Sütunları

Model tablolarında: Referans kategoriyi italik alt notta yazın (örn. Ref: Anadolu Lisesi).
Yorum sütunu: Kısa, tarafsız yorum (örn. “Küçük–orta pozitif ilişki; robust SE ile benzer”). Hakemlerin sevdiği bir pratik.

25) Zaman Serileri ve Tahmin Tabloları

Sütunlar: Model, AIC/BIC, MAPE/MAE, Ljung–Box p, Tahmin (t+1…t+h), GA.
Dipnot: Mevsimsellik/düzey kırılması/ müdahale değişkenleri belirtildi.

26) Meta-Analiz Tabloları

Yapı: Çalışma, n, etki (g/Hedges), %95 GA, ağırlık, heterojenlik (Q/τ²/I²).
Ek: Alt grup/duyarlılık tabloları; yayın yanlılığı testleri (Egger/Peters) ayrı blokta.

27) Açık Bilim ve Yeniden Üretilebilir Tablo Setleri

Paylaşım: CSV/TSV yanında kod ve şablon dosyası; DOI ile ilişkilendirme.
Sürüm: Tablolar “v1.1” gibi etiketlensin; değişiklik günlüğü (changelog) tutulsun.

28) “Hata Ayıklama” İçin Ara Tablo: İç Kullanım Ama Dışa Güç

İç tablo (appendix’e taşınabilir): Ara hesaplar (ör. etki=∆/sd_pooled), beklenen frekanslar, varsayım test statikleri.
Fayda: Hakem sorularına hazır yanıt.

29) Teslim Öncesi Kontrol Listesi (Tablo)

1. Her tablonun tek bir iddiası var mı?

2. p + etki + %95 GA birlikte mi?

3. Düzeltmeler (Welch/GG/HC3/FDR) net mi?

4. Ağırlık/karma örneklem varsa belirtildi mi?

5. Eksik veri politikası/ N değerleri açık mı?

6. Yuvarlama ve hizalama tutarlı mı?

7. Referans kategoriler ve birimler yazıldı mı?

8. Duyarlılık/robustness tablosu var mı?

9. Tablolar metin ve şekillerle tekrar değil, tamamlayıcı mı?

10. Kaynak kod/şablon eklerde sağlandı mı?

30) Örnek Olaylar (Kısa)

Eğitim – ANCOVA EMM Tablosu

• Sütunlar: Grup, EMM, %95 GA, ∆ (A–B), p_GH, partial η².

• Not: “Levene p<0,05; Welch ve Games–Howell raporlandı; ön test 65’e set edildi.”

Sağlık – Lojistik Sonuç Tablosu

• Sütunlar: Değişken, OR, %95 GA, p, AUC (model), HL p, N.

• Not: “OR’lar 1 birim artış için; CRP log-ölçeğinde; kalibrasyon iyi (HL p=0,48).”

İktisat – Panel FE/RE Karşılaştırmalı

• Sütunlar: Model, Ana Katsayı (β), SE (clustered), p, R²_w, Hausman p.

• Not: “SE’ler birim kümelenmiş; Hausman FE’yi destekliyor.”

---

Sonuç

Tablolar, akademik metnin taşıyıcı kolonudur. Bu kolon, yalnız doğru sayılarla değil, doğru dil ve doğru mimari ile güç kazanır. Bu yazıda, tablolarla veri analizi raporlamasını; ölçüm düzeyine uygun özetler, p + etki + GA üçlüsü, varsayım/düzeltme şeffaflığı, çoklu karşılaştırma disiplini, ağırlıklı/karma örneklem gereksinimleri, eksik veri politikası, model sonuçlarının okunur düzeni, EM Means/etkileşim raporlaması, duyarlılık panelleri, kategorik tablolar için Cramér’s V/OR/RR ve artıklar, SPSS/R/Python/Excel akışları, tipografi–ergonomi, alan şablonları, açık bilim ve kontrol listeleri ile birlikte ele aldık.

İyi bir tablo seti;

1. Yanıtladığınız soruyu içgüdüsel olarak gösterir,

2. Seçtiğiniz yöntemi (varsayım ve düzeltmelerle) şeffaf kılar,

3. Etkinin büyüklüğünü ve belirsizliğini açıklar,

4. Hakem sorularını duyarlılık ve ek tablolarla önden yakalar,

5. Tekrarlanabilir (kod/şablon), etik ve erişilebilir olur.

Son reçete:

• Tek iddia/tek tablo kuralına sadık kalın.

• Mümkün olduğunca p + etki + %95 GA üçlüsünü standartlaştırın.

• Düzeltmeleri (Welch, Games–Howell, GG/HF, HC3, FDR, Rao–Scott) isimleriyle yazın.

• Ağırlık ve eksik konularında iki satır daha yazmaktan çekinmeyin; güveni katlar.

• Model tablolarında katsayı–SE–GA–p uyumunu ve üst bilgi metriklerini (R², AIC/BIC, AUC, HL p, DW, VIF) atlamayın.

• Duyarlılık tablolarıyla sonuçlarınızın kararlılığını gösterin.

• Tüm tablo üretimini mümkünse otomatik ve kod tabanlı yönetin; bir kere kurun, birçok kez güvenle çalıştırın.

Böylece tablolarınız, makalenizin yalnız “ekleri” değil, kanıt anlatısının omurgası olur; okuyucu, danışman ve hakem için netlik, güven ve ikna gücü üretir.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.
Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.
Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.