Bu çalışma, Mimar Sinan Güzel Sanatlar Üniversitesi İstatistik Bölümü "Kategorik Veri Analizi" dersi kapsamında bir dönem projesi olarak hazırlanmıştır. Projenin temel amacı, 100.000+ satırlık bir havayolu veri seti üzerinde kategorik değişkenler arasındaki ilişkileri bilimsel yöntemlerle incelemek ve yolcu memnuniyetini belirleyen faktörleri modellemektir.
Analiz sonuçlarının sapmasız (unbiased) ve güvenilir olması amacıyla kapsamlı bir veri ön işleme süreci yürütülmüştür:
- Eksik Veri Yönetimi (Imputation): "Arrival Delay in Minutes" değişkenindeki eksik veriler (NA), medyan değerleri ile doldurularak örneklem kaybı önlenmiştir.
- Değişken Dönüşümleri ve Kategorizasyon:
- Flight Distance: Sürekli değişken, çeyreklikler (quartiles) baz alınarak; "Çok Kısa", "Kısa", "Orta" ve "Uzun" mesafe şeklinde kategorize edilmiştir.
- Faktör Dönüşümü: Sıralı (ordinal) ölçekteki hizmet puanları (1-5), analizlerin yorumlanabilirliğini artırmak amacıyla faktör yapısına dönüştürülmüştür.
- Normalizasyon: Çoklu bağlantı (multicollinearity) riskine karşı korelasyon matrisleri incelenmiş ve model karmaşıklığı optimize edilmiştir.
Kategorik veri analizinin kritik bir parçası olarak, değişkenler arasındaki ilişkilerin üçüncü bir değişken (stratification) tarafından maskelenip maskelenmediğini kontrol etmek amacıyla uygulanmıştır. Bu sayede, "Sınıf" ve "Memnuniyet" arasındaki ilişkinin "Uçuş Amacı"na göre sabitliği istatistiksel olarak doğrulanmıştır.
Boyut indirgeme tekniği kullanılarak "Uçuş Mesafesi" ve "Kabin Eğlence Sistemi" arasındaki ilişki R üzerinden görselleştirilmiştir.
- Bulgu: İlk iki boyutun toplam eylemsizliği (total inertia) açıklama oranı %99,6 olarak saptanmıştır.
- Sonuç: Uzun mesafe uçuş yapan yolcuların, kabiniçi eğlence sistemine en yüksek puanı (5) verme eğiliminde olduğu kanıtlanmıştır.
Memnuniyet durumunu (0: Nötr/Memnun Değil, 1: Memnun) tahmin etmek amacıyla kurulan modelin sonuçları:
- Model Uyumu: Nagelkerke R Square: 0,616 (Bağımsız değişkenler, memnuniyetteki değişimin %61,6'sını açıklamaktadır).
- Katsayı Analizi (Odds Ratios):
- Uçuş Amacı (Business): İş amaçlı seyahat edenlerin memnuniyet olasılığı, kişisel seyahat edenlere göre 17,27 kat daha fazladır (Exp(B) = 17,275).
- Sınıf (Business Class): Business sınıfında uçanların memnuniyet olasılığı, Ekonomi sınıfına göre 2,34 kat daha yüksektir.
- SPSS: Lojistik Regresyon modelleri, Tanımlayıcı İstatistikler ve Hipotez Testleri.
- R: Veri manipülasyonu, Uygunluk Analizi (
capaketi) ve gelişmiş görselleştirmeler. - Excel: Veri kodlama ve ön hazırlık süreçleri.
Bu akademik çalışma, havayolu şirketinin genel memnuniyet kapasitesini artırması için özellikle "Kişisel Seyahat" eden ve "Ekonomi" sınıfını tercih eden yolcuların hizmet algısına (fiziksel konfor ve temizlik) odaklanması gerektiğini bilimsel olarak ortaya koymaktadır.