Karekök ve Ters Dönüşüm Hesaplama

İstatistikSon güncelleme: 22 Ağustos 2026

Tukey'in güç merdiveni, çarpık bir değişkeni simetriye yaklaştırmak için kullanılan dönüşümleri tek bir sıraya dizer: kare (p = 2), ham veri (p = 1), karekök (p = 1/2), küpkök (p = 1/3), logaritma (p = 0), ters karekök (p = −1/2) ve ters dönüşüm (p = −1). Merdivende aşağı inildikçe büyük değerler daha sert biçimde küçültülür; yani sağa çarpıklık ne kadar güçlüyse o kadar aşağı inmek gerekir.

Bu araç merdivenin yedi basamağını da veri setinize uygular, her basamak için çarpıklık ve basıklığı hesaplar ve mutlak çarpıklığı en küçük yapan basamağı en iyi dönüşüm olarak önerir. Karşılaştırma tablosu hangi dönüşümün ne kadar iyileştirme sağladığını tek bakışta gösterir; böylece dönüşüm seçimi deneme yanılma değil, sayıya dayalı bir karar hâline gelir.

Tüm değerler pozitif olmalıdır (logaritma ve ters dönüşüm sıfırda tanımsızdır). Virgül, boşluk veya alt alta yazabilirsiniz.
Karşılaştırma tablosu her durumda tüm basamakları gösterir; bu seçim histogramın ve adımların hangi dönüşüme ait olacağını belirler.

Tukey Güç Merdiveni

p = 2      y = x²           ↑ sola çarpıklığı düzeltir
p = 1      y = x            ─ ham veri (dönüşüm yok)
p = 1/2    y = √x           ↓ hafif sağa çarpıklık
p = 1/3    y = ∛x           ↓ orta düzey sağa çarpıklık
p = 0      y = ln(x)        ↓ güçlü sağa çarpıklık
p = −1/2   y = −1/√x        ↓ çok güçlü sağa çarpıklık
p = −1     y = −1/x         ↓ merdivenin en güçlü basamağı
Genel biçim:  y = (xᵖ − 1) / p   (p ≠ 0),   y = ln(x)  (p = 0)
Ölçüt:        g₁ = [n / ((n−1)(n−2))] · Σ((yᵢ − ȳ) / s_y)³ → |g₁| en küçük

Negatif üslerde dönüşümün önüne konan eksi işareti gözlemlerin sırasını korur; aksi hâlde en büyük değer en küçüğe taşınır. Genel biçim (xᵖ − 1)/p, Box-Cox dönüşümünün merdiven basamaklarına karşılık gelen hâlidir.

Nasıl Hesaplanır?

  1. Pozitif değerlerden oluşan veri setinizi kutuya yapıştırın; en az 5 gözlem gerekir çünkü çarpıklık daha küçük örneklemlerde güvenilir değildir.
  2. Sonuç kartındaki ham çarpıklık değerine bakın: pozitifse merdivende aşağı, negatifse yukarı gitmek gerekir.
  3. Karşılaştırma tablosunda yedi basamağın çarpıklık ve basıklık değerlerini yan yana okuyun; ★ işareti en küçük mutlak çarpıklığı veren basamağı gösterir.
  4. İsterseniz 'İncelenecek dönüşüm' listesinden belirli bir dönüşümü seçip histogramını ve iyileşme yüzdesini ayrıca inceleyin.
  5. Mutlak çarpıklık grafiğinde basamaklar arasındaki farkın küçük olduğu bölgeye dikkat edin: iki basamak yakınsa yorumlanması kolay olanı (genellikle karekök veya logaritma) seçin.
  6. Seçtiğiniz dönüşümü raporunuzda formülüyle birlikte belirtin ve sonuçları ham birime geri çevirirken ters dönüşümü kullanın.

Örnek Hesaplamalar

Sağa çarpık sayım verisi

14 gözlemin ham çarpıklığı 0,973'tür; merdivenin en iyi basamağı karekök (√x) olup çarpıklığı 0,090'a indirir ve %90,8 iyileşme sağlar. Bir basamak daha aşağıdaki küpkök -0,281, logaritma ise -1,142 vererek fazla düzeltme yapar; basıklık da 0,697 değerinden -0,226 değerine iner.

Örneklem büyüklüğü (n): 14 · Ham çarpıklık (g₁): 0,973 · Önerilen dönüşüm: Karekök — y = √x

Karekök dönüşümünü elle inceleme

Ham çarpıklık 1,164 iken elle seçilen karekök dönüşümü bunu 0,572'ye düşürerek %50,9 iyileşme sağlar. Aynı veride merdivenin en iyi basamağı logaritmadır: çarpıklığı -0,155 değerine taşıyarak %86,7 iyileşme verir; küpkök ise 0,345'te kalır.

Örneklem büyüklüğü (n): 12 · Ham çarpıklık (g₁): 1,164 · Önerilen dönüşüm: Logaritma — y = ln(x)

Dönüşüm gerektirmeyen simetrik veri

Tam simetrik bu seride ham çarpıklık 0,000'dır; merdivenin hiçbir basamağı bunu iyileştiremez — karekök -0,072, logaritma -0,144 vererek simetriyi bozar. Araç bu yüzden 'Dönüşüm yok (y = x)' basamağını önerir ve uyarı satırında ham ölçekte kalmayı söyler.

Örneklem büyüklüğü (n): 10 · Ham çarpıklık (g₁): 0,000 · Önerilen dönüşüm: Dönüşüm yok — y = x

Sıkça Sorulan Sorular

Tukey güç merdiveni nedir?
Tukey'in güç merdiveni, x^p biçimindeki dönüşümleri p üssüne göre sıralayan bir düzendir: p = 1 ham veriyi, p = 1/2 karekökü, p = 0 logaritmayı, p = −1 ters dönüşümü temsil eder. Merdivende p küçüldükçe büyük değerler daha sert biçimde bastırılır. Uygulamada kural basittir: sağa çarpık veride aşağı inilir, sola çarpık veride yukarı çıkılır ve çarpıklık kabul edilebilir düzeye gelene kadar devam edilir.
Karekök dönüşümü ne zaman tercih edilir?
Sayım verilerinde ve varyansın ortalamayla birlikte arttığı Poisson tipi değişkenlerde ilk seçenektir; √x dönüşümü varyansı ortalamadan yaklaşık olarak bağımsız hâle getirir. Ayrıca logaritmadan daha yumuşak olduğu için hafif ve orta düzey çarpıklıkta yeterlidir. Sıfır içeren sayımlarda √(x + 0,5) ya da √x + √(x+1) biçimindeki düzeltilmiş sürümler kullanılır.
Ters dönüşümde neden 1/x yerine −1/x kullanılıyor?
1/x dönüşümü sıralamayı ters çevirir: en büyük gözlem en küçük değere taşınır, bu da çarpıklığın işaretini ve tüm yorumu ters çevirir. Önüne eksi işareti konarak (−1/x) sıralama korunur ve dönüşmüş değişken ham değişkenle aynı yönde artar. Sonuçların büyüklüğü aynıdır; yalnızca yön düzeltilmiş olur.
En küçük çarpıklığı veren dönüşümü seçmek her zaman doğru mu?
Hayır. Çarpıklık tek ölçüttür; basıklık, aykırı değerlerin durumu ve artıkların dağılımı da değerlendirilmelidir. Ayrıca yorumlanabilirlik önemlidir: logaritmik ölçekte katsayılar yüzde değişim olarak okunur, ters dönüşümde ise 'birim başına düşen miktar' gibi çoğu alanda alışılmadık bir anlam çıkar. İki basamağın çarpıklıkları yakınsa yorumu kolay olan tercih edilmelidir.
Box-Cox dönüşümünden farkı nedir?
Box-Cox, aynı güç ailesini kullanır ama p (λ) üssünü sabit basamaklardan seçmek yerine olabilirlik ölçütünü en büyükleyen sürekli bir değer olarak tahmin eder; örneğin λ = 0,27 gibi ara değerler bulabilir. Tukey merdiveni ise yorumlanabilir yuvarlak basamaklarla çalışır. Uygulamada Box-Cox'un bulduğu λ genellikle en yakın merdiven basamağına yuvarlanarak raporlanır.
Sıfır veya negatif değer içeren veride ne yapmalıyım?
Karekök sıfırda tanımlıdır ama logaritma ve ters dönüşüm değildir; negatif değerlerde ise karekök de tanımsızdır. Standart çözüm tüm seriye sabit eklemektir: x + 1 ya da x + |min(x)| + 1. Küpkök dönüşümü negatif değerlerde de tanımlı olduğu için sabit eklemeden kullanılabilir; Yeo-Johnson dönüşümü de aynı sorunu Box-Cox'un genişletilmiş hâliyle çözer.
R ve SPSS'te bu dönüşümler nasıl uygulanır?
R'de sqrt(x), x^(1/3), log(x) ve -1/x doğrudan yazılır; MASS paketindeki boxcox() işlevi en uygun üssü tahmin eder, car paketindeki powerTransform() aynı işi Yeo-Johnson desteğiyle yapar. SPSS'te Transform > Compute Variable penceresinde SQRT(x), x**(1/3) ve -1/x ifadeleri kullanılır. Her iki programda da dönüşüm sonrası çarpıklığı yeniden hesaplayıp karşılaştırmak gerekir.