Korelasyon ile Regresyon Arasındaki Fark Nedir?
Tez ve akademik makalelerde iki sürekli değişken arasındaki ilişkiyi incelerken korelasyon mu yoksa regresyon mu kurulmalıdır? Kavram yanılgıları, karar matrisi, varsayım denetimleri ve APA 7 raporlama kuralları.
Doğrudan Yanıt: Korelasyon mu, Regresyon mu?
Korelasyon, iki sürekli değişken arasındaki ilişkinin derecesini ve yönünü simetrik olarak ölçer; değişkenler arasında neden-sonuç ya da bağımlı-bağımsız ayrımı yapmaz (r_xy = r_yx). Regresyon ise bir veya birden fazla bağımsız (yordayıcı) değişkenin, bir bağımlı (kriter) değişkeni ne derece açıkladığını ve tahmin ettiğini asimetrik bir matematiksel denklem (Y = β₀ + β₁X + ε) ile modeller. İki değişkenin yalnızca birlikte değişip değişmediğini merak ediyorsanız Korelasyon; birinin diğerini yordama gücünü ve açıkladığı varyans oranını (R²) arıyorsanız Regresyon analizi uygulamalısınız.
Kovaryasyon vs. Yordama
Korelasyon yalnızca iki değişkenin birlikte değişimini (kovaryasyon) gösterir. Regresyon ise yönlü bir tahmin ve varyans açıklama kurgusudur.
Nedensellik Yanılgısı
Korelasyon kesinlikle neden-sonuç kanıtlamaz (Cum hoc yanılgısı). Kontrollü deneysel desen yoksa regresyon da mutlak nedensellik değil, istatistiksel yordama bildirir.
APA 7 Biçimlendirme
1'i aşamayacak katsayıların (r, R², β, p) başına asla sıfır konulmaz (örn. 0.45 değil, .45 yazılır). p değeri hiçbir zaman 0.000 yazılamaz (p < .001).
Kapsamlı Karar Matrisi: Korelasyon vs. Regresyon
İki analizin amaç, değişken statüsü, matematiksel yapı, katsayılar ve varsayımlar açısından yan yana teknik karşılaştırması:
| Karşılaştırma Boyutu | Korelasyon Analizi (Pearson / Spearman) | Regresyon Analizi (Basit / Çoklu Doğrusal) |
|---|---|---|
| Temel Amaç | İki sürekli değişken arasındaki doğrusal ilişkinin gücünü ve yönünü ölçmek. | Bir veya birden fazla bağımsız değişken üzerinden bağımlı değişkenin değerini tahmin etmek ve varyansını açıklamak. |
| Değişken Rolleri | Simetriktir: Bağımlı veya bağımsız değişken ayrımı yoktur. X ve Y eşdeğer konumdadır. | Asimetriktir: En az bir bağımsız (yordayıcı/X) ve bir bağımlı (kriter/sonuç/Y) değişken tanımlanması zorunludur. |
| Matematiksel Simetri | Simetriktir: r(X, Y) = r(Y, X). Değişkenlerin yer değiştirmesi korelasyon katsayısını değiştirmez. | Asimetriktir: Y'nin X üzerindeki regresyonu ile X'in Y üzerindeki regresyonunun eğim (B) ve kesişim katsayıları birbirinden farklıdır. |
| Nedensellik & Tahmin | Sıfır nedensellik iddiası; matematiksel tahmin denklemi üretmez. Yalnızca kovaryasyon gösterir. | Kuramsal nedensellik/zamansal öncelik varsayar; yeni gözlemler için sayısal kestirim formülü (Y = β₀ + β₁X) sunar. |
| Temel Çıktı Katsayıları | Pearson r (-1.00 ile +1.00 arası), Spearman rho ve p-değeri. | R² (açıklanan varyans), Düzeltilmiş R², Model F testi, ham eğim (B), standart hata (SE B), standardize Beta (β) ve t testi. |
| Ölçü Birimi Bağımlılığı | Tamamen birimsizdir: Değişkenlerin ölçüm birimlerinden ve ölçek farklarından bağımsız standart bir indekstir. | Ham katsayı (B) değişkenlerin birimlerine (TL, kg, puan vb.) doğrudan bağlıdır; standardize Beta (β) ise birimsizdir. |
| Grafiksel Gösterim | İki eksenli Saçılma Diyagramı (Scatter Plot). | Saçılma diyagramı üzerine oturtulmuş En Küçük Kareler Regresyon Doğrusu (Line of Best Fit) ve artıklar (residuals). |
| Kritik Varsayımlar | İki değişkenli normallik, doğrusallık, uç değerlerin bulunmaması. | Artıkların normalliği, homoskedastisite (eş varyanslılık), çoklu bağlantı olmaması (VIF < 5), hataların bağımsızlığı (Durbin-Watson). |
6 Adımlı Analiz Seçim ve Raporlama Protokolü
Lisansüstü tez jürilerinde ve hakemli dergi süreçlerinde metodolojik tenkide uğramamak için izlenmesi gereken sistematik protokol:
Araştırma Hipotezinizi ve Amacınızı Sınıflandırın
İstatistiksel analiz seçiminde yapılan en yaygın hata, verileri SPSS veya R'a aktarıp menülerden rastgele bir teste tıklamaktır. Doğru analiz türü verinin yapısından önce araştırma sorusunun kuramsal doğasıyla belirlenir.
Araştırma sorunuz yalnızca iki değişkenin 'birlikte hareket edip etmediğini' (örneğin akıllı telefon kullanım süresi ile uyku kalitesi puanı ilişkili midir?) sorguluyorsa aradığınız test Korelasyondur. Eğer amacınız bir değişkenin diğerine olan etkisini modellemek, sonuca ne kadar katkı sağladığını hesaplamak veya geleceğe yönelik bir değer tahmin etmekse (örneğin çalışma saati ve motivasyon düzeyi sınav başarısını ne derece yordamaktadır?) kurmanız gereken model Regresyondur.
- ✓Hipotez metninde 'ilişki vardır' ifadesi mi, yoksa 'yordamaktadır / etkilemektedir' ifadesi mi geçtiği kontrol edildi
- ✓Çalışmanın yalnızca betimsel bir ilişkiyi mi yoksa nedensel bir kestirimi mi hedeflediği netleştirildi
- ✓Analiz amacının tez danışmanı veya jüri beklentileriyle örtüştüğü doğrulandı
Değişken Rollerini ve Ölçme Düzeylerini Doğrulayın
Korelasyon analizinde değişkenler tamamen eşdeğer statüdedir. X'in Y ile ilişkisi ne ise, Y'nin X ile ilişkisi birebir aynıdır (r_xy = r_yx). Bu nedenle korelasyonda 'bağımlı değişken' ya da 'bağımsız değişken' terimleri asla kullanılmaz.
Regresyon analizinde ise değişkenlerin rollerini belirlemek zorunludur: 'Bağımsız Değişken' (Yordayıcı / Predictor / X) ve 'Bağımlı Değişken' (Kriter / Sonuç / Y). İki değişken arasında kuramsal veya mantıksal bir zamansal öncelik (temporal precedence) yoksa (örneğin boy uzunluğu ile ayakkabı numarası gibi hangisinin sebep olduğu belirsiz durumlarda) regresyon kurmak yapay ve savunulamaz sonuçlar üretir.
- ✓Regresyon için bağımlı ve bağımsız değişkenlerin literatürdeki kuramsal temeli doğrulandı
- ✓Her iki analiz için de değişkenlerin en az eşit aralıklı (interval) veya oranlı (ratio) sürekli ölçekte olduğu teyit edildi
- ✓Regresyonda kategorik bağımsız değişken varsa kukla kodlama (dummy coding) planlandı
Saçılma Diyagramı (Scatter Plot) ile Doğrusallığı Denetleyin
İstatistik literatüründe 'Anscombe Dörtlüsü' olarak bilinen meşhur prensip şunu kanıtlar: Birbirinden tamamen farklı dört veri kümesi aynı korelasyon katsayısına (r = .82) ve aynı regresyon denklemine sahip olabilir. Grafiğe bakmadan yalnızca katsayıları hesaplamak araştırmacıyı ölümcül hatalara sürükler.
Analiz komutunu çalıştırmadan önce mutlaka X ve Y değişkenlerinin saçılma diyagramını (Scatter Plot) oluşturun. Değişkenler arasındaki ilişki düz bir hat izliyor mu (doğrusal), yoksa U-tipi veya parabolik bir eğri mi çiziyor? Hem Pearson korelasyonu hem de doğrusal regresyon yalnızca doğrusal ilişkileri yakalar; eğrisel bir ilişkide korelasyon sıfıra yakın çıkarak güçlü bir ilişkiyi gizleyebilir.
- ✓İki değişkenli saçılma diyagramı (Scatter Plot) çizildi ve görsel olarak incelendi
- ✓İlişkinin doğrusal bir eğilim gösterdiği doğrulandı (eğrisel desenler elendi)
- ✓Grafiğin köşelerinde tek başına duran aykırı değerlerin (outliers) varlığı kontrol edildi
Analiz Türünü Seçin: Parametrik mi, Non-Parametrik mi?
Korelasyon tercih edildiğinde normallik varsayımı belirleyicidir. Veriler normal dağılım gösteriyorsa (çarpıklık ve basıklık katsayıları ±1.5 sınırları içindeyse, Shapiro-Wilk veya Kolmogorov-Smirnov p > .05 ise) Pearson Momentler Çarpımı Korelasyonu uygulanır. Normallik sağlanmıyorsa veya değişkenlerden en az biri sıralı (Likert toplam puanı yerine tek madde sıralaması) ise Spearman Sıra Farkları Korelasyonu (rho) seçilmelidir.
Regresyon tercih edildiğinde model karmaşıklığı belirlenir: Tek bir yordayıcı varsa Basit Doğrusal Regresyon (Simple Linear Regression), bağımlı değişkeni açıklamak için iki veya daha fazla yordayıcı birlikte giriliyorsa Çoklu Doğrusal Regresyon (Multiple Linear Regression) tercih edilir. Çoklu modellerde yordayıcıların modele giriş yöntemi (Enter, Hiyerarşik veya Adımsal/Stepwise) araştırma desenine göre gerekçelendirilmelidir.
- ✓Normallik analizleri tamamlanarak Pearson ile Spearman arasında gerekçeli seçim yapıldı
- ✓Regresyon modelinde bağımsız değişken sayısı netleştirildi (Basit vs. Çoklu)
- ✓Örneklem büyüklüğünün regresyon için yeterli olduğu (Green kuralına göre N ≥ 50 + 8k veya Tabachnick kuralına göre N ≥ 104 + k) doğrulandı
Model Varsayımlarını ve Tanı Değerlerini Denetleyin
Basit bir korelasyon analizi için doğrusallık ve iki değişkenli normallik yeterliyken, bir regresyon modelinin geçerli olabilmesi için regresyon artıklarına (residuals) dayalı ileri düzey varsayımların doğrulanması şarttır.
Regresyon tanı denetimi 4 temel sütundan oluşur: 1) Artıkların Normalliği (P-P grafiğinde noktaların 45 derecelik doğru etrafında toplanması), 2) Homoskedastisite / Eş Varyanslılık (tahmin değerleri ile artıklar saçılma grafiğinde huni veya megafon şekli oluşturmamalıdır), 3) Çoklu Doğrusal Bağlantı Yokluğu (VIF < 5 ve Tolerans > .20 olmalıdır; VIF > 10 kabul edilemez bir hatadır), 4) Hataların Bağımsızlığı (Durbin-Watson test değeri 1.5 ile 2.5 arasında kalmalıdır).
- ✓Standartlaştırılmış artıkların normal dağılım P-P / Q-Q grafiği incelendi
- ✓ZRESID - ZPRED saçılma grafiğinde homoskedastisite sağlandığı görüldü
- ✓Collinearity Diagnostics tablosunda tüm yordayıcıların VIF değerlerinin 5'in altında olduğu kaydedildi
- ✓Durbin-Watson istatistiğinin 1.5 - 2.5 aralığında olduğu kontrol edildi
Bulguları APA 7 Formatında Hatasız Raporlayın
Analiz tamamlandıktan sonra bulguların teze veya makaleye aktarılması katı biçimlendirme kurallarına tabidir. APA 7 standartlarına (Bölüm 6.44) göre matematiksel olarak 1 değerini aşamayacak katsayıların (korelasyon r, regresyon R², standardize beta β ve p değeri) başına kesinlikle sıfır konulmaz (örn. 0.45 değil, .45 yazılır).
Metin içi raporlama dili metodolojik açıdan kusursuz olmalıdır. Korelasyon sonucunda 'X değişkeni Y'ye sebep olmuştur' ifadesi kesinlikle kullanılamaz; 'anlamlı bir ilişki bulunmuştur' denir. Regresyon sonucunda ise 'X, Y'ye yol açmıştır' yerine 'X bağımsız değişkeni Y'deki değişimi anlamlı düzeyde yordamaktadır' terminolojisi tercih edilmelidir.
- ✓APA 7 kuralına göre r, R², beta ve p değerlerinin başındaki sıfır kaldırıldı (.38; p < .001)
- ✓Korelasyonda serbestlik derecesi parantez içinde belirtildi: r(N-2)
- ✓Regresyonda model özeti [F(df₁, df₂), p, R², Düzeltilmiş R²] ve katsayılar tablosu [B, SE B, β, t, p] eksiksiz verildi
- ✓Metin içi nedensellik dili yerine kuramsal yordama ve ilişki terminolojisi uygulandı
Teze ve Makaleye Hazır APA 7 Raporlama Cümleleri
Aşağıdaki kalıpları kendi örneklem ve değişken adlarınızla uyarlayarak tezinizin Bulgular bölümüne doğrudan ekleyebilirsiniz:
Korelasyon Analizi Örnek Raporlama Kalıbı:
“Katılımcıların mesleki tükenmişlik düzeyleri ile iş doyumu puanları arasında negatif yönlü, orta düzeyde ve istatistiksel olarak anlamlı bir ilişki tespit edilmiştir, r(188) = -.42, p < .001. Elde edilen bulgu, tükenmişlik arttıkça iş doyumunun azalma eğiliminde olduğunu göstermektedir.”
Çoklu Doğrusal Regresyon Analizi Örnek Raporlama Kalıbı:
“İş doyumunu yordamak amacıyla duygusal tükenme, örgütsel destek ve otonomi bağımsız değişkenleriyle kurulan çoklu doğrusal regresyon modeli istatistiksel olarak anlamlı bulunmuştur [F(3, 186) = 24.18, p < .001]. Model, iş doyumundaki toplam varyansın %28'ini açıklamaktadır (R² = .28, Düzeltilmiş R² = .27). Katsayılar incelendiğinde duygusal tükenmenin (β = -.38, p < .001) iş doyumunu en güçlü negatif yordayan, algılanan örgütsel desteğin ise (β = .29, p < .01) anlamlı pozitif yordayan faktörler olduğu belirlenmiştir.”
Sık Yapılan 6 Ölümcül Metodolojik Hata
Tez savunmalarında jüri üyelerinin en sık yakaladığı ve düzeltme (majör revizyon) sebebi saydığı kavram yanılgıları:
Korelasyonun Nedensellik Kanıtladığını İddia Etmek (Cum Hoc Yanılgısı)
İki değişken arasında yüksek bir korelasyon (örn. r = .78) bulunması, birinin diğerine sebep olduğunu göstermez. Arada ölçülmemiş üçüncü bir karıştırıcı değişken (spurious correlation) bulunabilir. Örneğin dondurma satışları ile boğulma vakaları arasındaki yüksek korelasyonun sebebi sıcak havadır.
Teorik Mantığı Olmayan Değişkenlere Regresyon Dayatmak
Hangisinin neden hangisinin sonuç olduğu kuramsal literatürde temellendirilemeyen iki değişkeni rastgele bağımlı ve bağımsız değişken ilan ederek regresyon çalıştırmak jüri incelemesinde doğrudan metodolojik ret sebebidir.
Saçılma Diyagramını İncelemeden Karar Vermek
İlişki eğrisel (curvilinear; örn. stres düzeyi ile performans arasındaki ters-U ilişkisi) olduğunda Pearson r katsayısı sıfıra yakın (r = .05) çıkar. Grafiğe bakmayan araştırmacı 'ilişki yok' diyerek hatalı çıkarım yapar.
Çoklu Doğrusal Bağlantıyı (Multicollinearity) İhmal Etmek
Aynı yapıyı ölçen iki bağımsız değişken (örn. iş yükü ve aşırı çalışma algısı, r = .85) aynı regresyon modeline girdiğinde katsayıların standart hataları şişer ve beta katsayıları anlamsızca negatif çıkabilir (işaret tersinmesi).
Ham R² Değeriyle Aşırı Öğrenmeye (Overfitting) Düşmek
Bir regresyon modeline ne kadar çok değişken eklerseniz ham R² değeri o kadar yükselir. Ancak eklenen değişkenler anlamsızsa model genellenemez hale gelir.
APA 7 Raporlamasında Başa Sıfır Koymak ve p = 0.000 Yazmak
Tezlerde sıkça 'r = 0.45' veya 'p = 0.000' yazılır. İstatistikte olasılık ve korelasyon 1'i aşamayacağından başa sıfır konulmaz; hiçbir testte hata olasılığı sıfır olamayacağından p hiçbir zaman 0.000 yazılamaz.
Sıkça Sorulan Sorular
Korelasyon ile regresyon arasındaki en temel fark tek cümlede nedir?▼
Korelasyon iki değişken arasındaki ilişkinin derecesini ve yönünü simetrik olarak ölçer (neden-sonuç ayrımı yapmaz); regresyon ise bir veya birden fazla bağımsız değişken üzerinden bağımlı değişkenin değerini tahmin eder ve varyansını açıklar.
Korelasyon analizi yaptıktan sonra regresyon analizi yapmak şart mıdır?▼
Hayır, şart değildir. Araştırma sorunuz yalnızca iki değişkenin birlikte değişip değişmediğini tespit etmekse korelasyon analizi tek başına yeterlidir. Ancak amacınız bir değişkenin diğerini yordama gücünü, göreli katkısını veya açıklanan varyans oranını (R²) bulmaksa regresyon analizi kurulmalıdır.
Korelasyon katsayısı (r) ile regresyondaki belirlilik katsayısı (R²) arasında nasıl bir matematiksel ilişki vardır?▼
Basit doğrusal regresyonda (tek bağımsız değişken olduğunda) belirlilik katsayısı R², Pearson korelasyon katsayısının (r) doğrudan karesine eşittir (r² = R²). Örneğin r = .50 ise, bağımsız değişken bağımlı değişkendeki varyansın %25'ini (R² = .25) açıklamaktadır. Çoklu regresyonda ise birden fazla yordayıcı bulunduğu için bu eşitlik geçerli değildir.
Korelasyon yüksek çıktığında regresyon modelinin anlamlı çıkması garanti midir?▼
Basit regresyonda iki değişken arasındaki korelasyon anlamlıysa regresyon modeli de anlamlı çıkar. Ancak çoklu regresyonda değişkenler arası yüksek korelasyon çoklu bağlantı (multicollinearity) sorununa yol açarak tek tek yordayıcıların t-testlerini anlamsızlaştırabilir.
Regresyonda Beta (β) katsayısı ile ham B katsayısı arasındaki fark nedir?▼
Ham katsayı (B), bağımsız değişken 1 birim arttığında bağımlı değişkenin kaç birim (TL, kg, puan vb.) değiştiğini gösterir ve ölçüm birimine bağlıdır. Standardize edilmiş Beta (β) ise tüm değişkenler z-puanına dönüştürüldükten sonra hesaplanır; birimsizdir ve farklı değişkenlerin sonuca olan göreli etki büyüklüklerini birbiriyle kıyaslamak için kullanılır.
Korelasyon tablosunda p < .05 ama r = .12 çıkarsa bu ne anlama gelir?▼
Örneklem büyüklüğü çok geniş olduğunda (örn. N = 1000) çok zayıf ilişkiler bile istatistiksel olarak anlamlı (p < .05) çıkabilir. Ancak Cohen (1988) kriterlerine göre r = .12 çok küçük bir etki büyüklüğüdür ve değişkenlerin pratik/klinik açıdan birbirini neredeyse hiç etkilemediğini gösterir.
Doğrulanan Birincil Metodolojik Kaynaklar
- APA Style (7th Edition) Section 6.44 & Section 12: Statistical Principles and Quantitative Reporting Standards — American Psychological Association (APA) (2020)1'den büyük olamayacak istatistiklerde (r, R², p, β) baştaki sıfırın yazılmaması kuralı ve regresyon tablosu standartları.Resmî Kaynak Adresi
- Discovering Statistics Using IBM SPSS Statistics (5th ed.) — SAGE Publications (Andy Field) (2018)Korelasyon ve regresyon varsayımları, homoskedastisite tanı grafikleri, artık analizleri ve VIF kriterleri.Resmî Kaynak Adresi
- Statistical Power Analysis for the Behavioral Sciences (2nd ed.) — Lawrence Erlbaum Associates (Jacob Cohen) (1988)Pearson r etki büyüklüğü eşikleri (.10 küçük, .30 orta, .50 büyük) ve regresyon varyans açıklama normları (R² = .02, .13, .26).Resmî Kaynak Adresi
- Using Multivariate Statistics (7th ed.) — Pearson (Barbara G. Tabachnick & Linda S. Fidell) (2019)Çoklu doğrusal regresyon varsayımları, çoklu bağlantı tanı protokolleri ve aykırı değer tespit yöntemleri.Resmî Kaynak Adresi
- YÖK Lisansüstü Tez Yazım Kılavuzları & TR Dizin Araştırma Metodolojisi İlkeleri — Yükseköğretim Kurulu (YÖK) & TÜBİTAK ULAKBİM (2026)Tez ve makale araştırmalarında desen-analiz uyumu, varsayım testlerinin şeffaf raporlanması ve nedensellik sınırları.Resmî Kaynak Adresi
İstatistiksel Analiz ve Raporlama Kontrolü
AcademicFix, araştırmacılara analiz seçimlerinde rehberlik eder ve metinlerin APA 7 standartlarına uygunluğunu inceler. Veri uydurma, hayalî sonuç veya tez yazdırma gibi etik dışı hizmetler kesinlikle sunulmaz.