Verilerin Analizi

Verilerin analizi için ana babalar tarafından doldurulan 175 form geçerli kabul edilmiĢ ve SPSS 21 programına veri giriĢi sağlanmıĢtır. AraĢtırma verilerinin analizi frekans (f), yüzde (%), aritmetik ortalama (Χ) ve standart sapma (SD) değerlerine

bağlı olarak yapılmıĢtır. Veri seti incelendiğinde herhangi bir kayıp veri olmadığı saptanmıĢtır.

Kayıp değer analiziyle tamamlama iĢleminin ardından veri seti içinde uç değerlerin bulunup bulunmadığı kontrol edilmiĢtir. Uç değerler, tek yönlü veya çok yönlü olarak ortaya çıkabilmektedir (Çokluk, ġekercioğlu ve Büyüköztürk, 2012). Tek değiĢkenli uç değerler, verilere ait ham puanların standart z puanlarına dönüĢtürülmesi yoluyla incelenmiĢtir. Ġnceleme sonucunda uç değer özelliği gösteren (p < .001) 6 gözlem veri setinden çıkarılmıĢtır. Ardından çok değiĢkenli uç değerlerin incelemesi için hesaplanan Mahalonobis uzaklık değerlerine bakılmıĢtır. Çok değiĢkenli uç değer özelliği gösteren gözlem bulunmadığından toplam 169 adet veri ile analizlere normallik varsayımının karĢılanıp karĢılanmadığını belirlemek üzere devam edilmiĢtir.

Normallik, tek değiĢkenli ve çok değiĢkenli normallik olarak karĢımıza çıkmaktadır. Tek değiĢkenli normalliği basıklık ve çarpıklık katsayılarını inceleyerek test etmek mümkündür. DeğiĢkenlere iliĢkin basıklık ve çarpıklık katsayılarının +1.5 ile –1.5 değerleri arasında yer almasının verilerin normal bir dağılımdan geldiği belirtilmektedir (Tabachnick and Fidell, 2013). Verilerin normallik varsayımını analiz etmek için basıklık ve çarpıklık katsayıları hesaplanarak incelenmiĢtir. Buna göre hiçbir değere ait basıklık-çarpıklık değerinin verilen değerlerin dıĢında olmadığı görülmüĢ ve verilerin tek değiĢkenli normal dağılıma uygun olduğu kanıtlanmıĢtır. Ayrıca, Çokluk ve diğerleri (2012) çok değiĢkenli normalliğin saçılma diyagramı matrislerinin incelenmesiyle test edilmesinin mümkün olduğunu savunmaktadır. Diyagramların elips Ģeklinde olması çok değiĢkenli normalliğin olduğu Ģeklinde yorumlanmaktadır. AraĢtırma değiĢkenlerine ait saçılma diyagramları incelendiğinde diyagramların elips Ģeklinde oldukları görüldüğünden çok değiĢkenli normal bir dağılım olduğu sonucuna ulaĢılmıĢtır.

AraĢtırmanın alt amaçlarından ana babaların çocuklarına yakınlık dereceleri ve çocuğun cinsiyeti değiĢkeni arasındaki farka bakmak için t-testi kullanılmıĢtır. Ana babanın yaĢamının çoğunu geçirdiği yer, sahip oldukları çocuk sayısı, formu doldurduğu çocuğun yaĢı, kendisinin ve eĢinin eğitim durumu ve ortalama aylık gelirleri arasındaki farkı incelemek için One Way Anova testi yapılmıĢtır. Ana babaların çocuklarına yönelik tutumları ve sevgileri arasındaki iliĢkilerin hesaplanmasında Pearson Momentler Çarpım Korelasyon Katsayısı (r) hesaplanmıĢtır. Bağımsız değiĢkenlerin bağımlı değiĢkeni yordama düzeylerini belirlemek amacıyla Çoklu Doğrusal Regresyon Analizi yapılmıĢtır. Regresyon analizlerinin yorumlanmasında, standartlaĢtırılmıĢ Beta (β) katsayıları ve bunların anlamlılığına iliĢin t-testi sonuçları dikkate alınmıĢtır. Çoklu regresyon analizi yordayıcı değiĢkenler tarafından bağımlı değiĢkenin toplam varyansının yorumlanmasına, açıklanan varyansın istatistiksel olarak yordayıcı değiĢkenlerin anlamlılığına ve bağımlı değiĢken ile yordayıcı değiĢkenler arasındaki iliĢkinin yönüne dair yorum yapma imkânı sağlar (Büyüköztürk, 2008). Çoklu Regresyon analizini yapabilmek için ana baba olma durumu, çocuğun cinsiyeti, çocuk sayısı, yaĢamın çoğunun geçtiği yer, eğitim durumu ve gelir düzeyi değiĢkenleri için Kukla (Dummy) değiĢken tanımlaması yapılmıĢtır.

AraĢtırmanın nitel verileri ise içerik analizi tekniği kullanılarak incelenmiĢtir. Ġçerik analizi, nitel veri toplama yöntemleri ile ulaĢılan verilerin ayrıntılı ve derinliğine analiz edilmesi yoluyla kavramlara ve bu kavramlar arasındaki iliĢkilere dair tanımlamalar yapılabilmesini amaçlamaktadır. Ġçerik analizinde öncelikle, toplanan veriler genel kavramsal Ģemalar altında kategorize edilir, daha sonra her bir genel kavramsallaĢtırma altındaki ayrıntılı tanımlamalara ulaĢılmaya çalıĢılır (Yıldırım ve ġimĢek, 2016). Bu doğrultuda bu çalıĢmada araĢtırma amaçları ile bağlantılı olarak toplanan veriler incelenmiĢ ve genel kategoriler oluĢturulmuĢtur. Bu genel kategoriler; çocuk sevmenin kapsamı, çocuk sevme ile ilgili gözlenebilir ipuçları olarak kodlanmıĢtır. Ġlk kategori, ana babaların genel olarak çocukları sevme denilince akıllarına neler geldiğine iliĢkin yanıtlarla ilgilidir. Ġkinci kategori olan çocuk sevme ile ilgili gözlenebilir ipuçları ise, ana babaların, bir kiĢinin çocukları sevdiğini nasıl anlarsınız sorusuna verdikleri yanıtları içeren ayrıntılı betimlemelerle ilgilidir. Bu iki genel kategoriye ek olarak ana babaların, fiziksel geliĢim, özbakım becerileri, biliĢsel geliĢim, toplumsal geliĢim, dil geliĢimi, cinsel geliĢim alanlarındaki destekleyici davranıĢları ile ilgili de ayrı kategoriler oluĢturulmuĢtur. Bu kategoriler; çocuğunu seven bir ana babanın, çocuğunun belirtilen alanlarındaki geliĢimini desteklemek için neler yaptığını tanımlamaya yönelik alt kategorilerden oluĢmaktadır. Bu genel kategorilerin belirlenmesinden sonra görüĢme kayıtlarındaki ifadelerden hareketle alt kategoriler oluĢturulmuĢtur. Bu kategoriler, katılımcı ifadelerine bağlı kalınarak adlandırılmıĢtır. Analizler devam ederken, bazı kategoriler, içeriğine bağlı olarak benzer içerikteki diğer alt kategorilerle birleĢtirilmiĢtir. Sonuçta toplam 9 genel kategori ve 45 alt kategoriye ulaĢılmıĢtır. Analizler sırasında katılımcılara ayrı bir soru olarak sorulmamasına karĢın; nitel analizlerdeki derinliğine ve detaylı inceleme anlayıĢına paralel olarak, çocuğunu seven bir ana babanın çocuklarının geliĢimlerini desteklemek için neler yapabileceklerine iliĢkin soruda, verilen yanıtların içeriği kadar belirtilen geliĢim alanlarının sırası da analizlere dahil edilmiĢtir. Buna göre, ilgili soru ile ilgili yanıtlarında belirttikleri ilk geliĢim alanları ayrıca kodlanmıĢtır. Bu yolla, ana babaların çocuklarının geliĢimleri ile ilgili önceliklerine yönelik genel bir değerlendirme yapılabilmesi amaçlanmıĢtır. Katılımcıların aynı soru ile ilgili verdikleri tüm yanıtlar analizlere dahil edilmiĢtir. Bu nedenle analizler sonrasında elde edilen frekanslar, katılımcı sayısından fazladır.