Logaritmik Dönüşüm Hesaplama

İstatistikSon güncelleme: 22 Ağustos 2026

Logaritmik dönüşüm, sağa çarpık verilerde uçtaki büyük değerleri orantısız biçimde küçülterek dağılımı simetriye yaklaştıran doğrusal olmayan bir dönüşümdür. Gelir, şirket cirosu, hastalık süresi, tepki zamanı, web sitesi trafiği gibi çarpanlarla büyüyen değişkenlerde neredeyse standart bir ön işleme adımıdır; çünkü bu değişkenlerde eşit oranlar eşit farklardan daha anlamlıdır.

Bu araç dönüşümü uygulamakla kalmaz, işe yarayıp yaramadığını sayıyla söyler: çarpıklık ve basıklığı dönüşümden önce ve sonra ayrı ayrı hesaplar, mutlak çarpıklıktaki azalmayı yüzde olarak verir ve Shapiro-Wilk normallik testini iki seri için de çalıştırır. Sıfır veya negatif değer içeren verilerde ln ve log₁₀ tanımsız olacağından log(x + 1) seçeneğine yönlendirir; önce/sonra histogram ve Q-Q grafikleriyle sonucu görsel olarak da doğrulamanızı sağlar.

Sayıları virgül, boşluk veya alt alta yazabilirsiniz. Ondalık ayırıcı olarak virgül kullanabilirsiniz (3,14).
ln ve log₁₀ yalnızca pozitif değerlerde tanımlıdır; veride 0 varsa +1 kaydırmalı seçenekleri kullanın.

Logaritmik Dönüşüm Formülleri

Doğal logaritma:   y = ln(x),      x > 0     ters: x = eʸ
10 tabanı:         y = log₁₀(x),  x > 0     ters: x = 10ʸ
Sıfır içeren veri: y = ln(x + 1), x > −1    ters: x = eʸ − 1
Genel kaydırma:    y = ln(x + c), c > −min(x)
Taban ilişkisi:    log₁₀(x) = ln(x) / ln(10) = ln(x) / 2,302585
Çarpıklık:         g₁ = [n / ((n−1)(n−2))] · Σ((yᵢ − ȳ) / s_y)³
Geometrik ortalama: GO = exp(ȳ) = ⁿ√(x₁·x₂·…·xₙ)

Dönüşümün başarısı, |g₁| değerinin dönüşümden sonra küçülmesiyle ölçülür. |g₁| < 0,5 yaklaşık simetri, |g₁| > 1 belirgin çarpıklık kabul edilir. Logaritma yalnızca sağa çarpık (g₁ > 0) verilerde işe yarar.

Nasıl Hesaplanır?

  1. Dönüştürmek istediğiniz değerleri kutuya yapıştırın; en az 5 gözlem gerekir çünkü çarpıklık ve basıklık daha küçük örneklemlerde güvenilir değildir.
  2. Dönüşüm türünü seçin: yorumu esneklik olarak yapacaksanız ln, kat büyümesi olarak okuyacaksanız log₁₀ uygundur.
  3. Veride sıfır varsa ln(x + 1) ya da log₁₀(x + 1) seçeneğine geçin; ham logaritma sıfırda tanımsızdır.
  4. Sonuç kartında çarpıklığın dönüşüm öncesi ve sonrası değerlerini karşılaştırın; 'Dönüşümün değerlendirmesi' satırı işe yarayıp yaramadığını doğrudan söyler.
  5. Shapiro-Wilk p değerlerini kontrol edin: dönüşüm sonrası p'nin 0,05'in üzerine çıkması normallik varsayımının artık reddedilmediği anlamına gelir.
  6. Önce/sonra histogramları ile Q-Q grafiklerini inceleyin; sayısal sonucu görsel olarak da doğrulayın.

Örnek Hesaplamalar

Sağa çarpık gelir verisi

12 gelir değerinin çarpıklığı 2,026'dır; ln dönüşümünden sonra 0,242'ye iner, yani mutlak çarpıklık %88,1 azalır ve dağılım yaklaşık simetrik hâle gelir. Basıklık 4,679'dan -0,013'e düşer; Shapiro-Wilk testi dönüşüm öncesi p = 0,008 ile normalliği reddederken dönüşüm sonrası reddetmez.

Örneklem büyüklüğü (n): 12 · Uygulanan dönüşüm: y = ln(x) · Çarpıklık — dönüşüm öncesi: 2,026

Sıfır içeren sayım verisi

Veride sıfır olduğu için ln(x) tanımsızdır; ln(x + 1) kullanıldığında çarpıklık 2,062'den 0,308'e düşer ve mutlak çarpıklıktaki azalma %85,0 olur. Shapiro-Wilk p değeri 0,002'den 0,812'ye yükselir, yani normallik artık reddedilmez.

Örneklem büyüklüğü (n): 12 · Uygulanan dönüşüm: y = ln(x + 1) · Çarpıklık — dönüşüm öncesi: 2,062

Log dönüşümünün işe yaramadığı durum

Sola çarpık bir puan serisinde log₁₀ dönüşümü çarpıklığı −0,534'ten −0,620'ye taşır; mutlak çarpıklık azalmak yerine %16,1 artar ve araç sonucu 'Dönüşüm işe yaramadı' olarak bildirir. Uyarı satırı sola çarpık verilerde kare veya küp dönüşümüne yönlendirir.

Örneklem büyüklüğü (n): 12 · Uygulanan dönüşüm: y = log₁₀(x) · Çarpıklık — dönüşüm öncesi: -0,534

Sıkça Sorulan Sorular

Logaritmik dönüşüm ne zaman kullanılmalı?
Değişken sağa çarpıksa (birkaç çok büyük değer varsa), varyans ortalamayla birlikte büyüyorsa ya da ilişkiler toplamsal değil çarpımsal ise kullanılır. Gelir, ciro, fiyat, tepki süresi, mikrobiyal sayım ve nüfus gibi değişkenler tipik adaylardır. Sola çarpık veya zaten simetrik verilerde uygulanmamalıdır; durumu kötüleştirir.
Veride sıfır veya negatif değer varsa ne yapmalıyım?
Logaritma yalnızca pozitif sayılarda tanımlı olduğu için önce seriyi pozitife taşımalısınız. En yaygın çözüm ln(x + 1) dönüşümüdür; sıfırı sıfıra eşler ve küçük değerleri çok az bozar. Negatif değerler varsa min(x) mutlak değerinden büyük bir sabit eklenir, ancak seçilen sabit sonucu etkilediği için raporda belirtilmelidir. Alternatif olarak ters hiperbolik sinüs (asinh) dönüşümü negatif değerlerde de çalışır.
ln mi log₁₀ mı seçmeliyim?
İstatistiksel olarak fark yoktur: iki dönüşüm sabit bir çarpanla birbirine bağlıdır, bu yüzden çarpıklık, basıklık, korelasyon ve normallik testi sonuçları birebir aynı çıkar. Seçim yorum kolaylığına bağlıdır: ln ölçeğinde küçük katsayılar doğrudan yüzde değişim olarak okunur, log₁₀ ölçeğinde ise 1 birim artış 10 kat büyüme anlamına gelir ve geniş aralıklı verilerde grafikleri okunaklı kılar.
Dönüşüm sonrası sonuçları nasıl raporlamalıyım?
Analizi dönüşmüş ölçekte yapıp sonuçları ham birime geri çevirerek raporlamak en anlaşılır yoldur. Ancak ln ortalamasının tersi aritmetik değil geometrik ortalamayı verir; bu yüzden 'geometrik ortalama' ifadesini açıkça kullanın. Güven aralıklarının uç noktaları da ters dönüştürülebilir, fakat elde edilen aralık ham ölçekte simetrik olmaz.
Çarpıklık kaç olursa dönüşüm gerekir?
Yaygın ölçüt |g₁| > 1'dir: bu düzeyde çarpıklık parametrik testlerin performansını gözle görülür biçimde etkiler. 0,5–1 arası hafif çarpıklıkta, özellikle n büyükse merkezi limit teoremi sayesinde dönüşüme çoğu zaman gerek kalmaz. Karar yalnızca sayıya değil, analizin türüne de bağlıdır; ortalamaların karşılaştırıldığı testler çarpıklığa varyans analizlerinden daha dayanıklıdır.
SPSS, Excel ve R'de logaritmik dönüşüm nasıl yapılır?
SPSS'te Transform > Compute Variable penceresinde LN(degisken) ya da LG10(degisken) ifadesi yazılır. Excel'de =LN(A2) ve =LOG10(A2) fonksiyonları, sıfır içeren veride =LN(A2+1) kullanılır. R'de log(x), log10(x) ve log1p(x) fonksiyonları aynı işi yapar; log1p küçük değerlerde sayısal olarak daha kararlıdır.
Dönüşüm yerine başka ne yapabilirim?
Parametrik olmayan testler (Mann-Whitney U, Kruskal-Wallis) çarpık veride dönüşüm gerektirmez. Genelleştirilmiş doğrusal modeller çarpık dağılımları doğrudan modelleyebilir: sayım verisi için Poisson veya negatif binom, pozitif sürekli veri için gama regresyonu uygundur. Dirençli standart hatalar ve önyükleme (bootstrap) de dönüşüme başvurmadan geçerli çıkarım sağlar.