Ünite 7: Verilerin Analizi

Giriş

Birey ya da objelerin belli bir özelliğe sahip olma miktarlarını açıklayan değişkenler (nicel) ve birey ya da objelerin sahip oldukları belirli bir özelliği göre sınıflandırıldıkları değişkenler (nitel) üzerinde yapılan çözümlemeler bu ünitede yer almaktadır.

Nicel Verilerin Analizi

Birey ya da objelerin belli bir özelliğe sahip olma miktarlarını açıklayan değişkenler nicel değişkenlerdir.

Temel kavramlar

Nicel değişkenlerde dağılım önemli özelliklerden biridir. Dağılım, bir değişken içerisinde her bir birimin veya birim kümesinin ne sıklıkta gerçekleştiğinin yani frekanslarının bir özetini verir. Bir dağılımda değerlerin dağılımının merkezinin ölçülmesi sonucu merkezi eğilime ulaşılır. Merkezi eğilimde en çok kullanılan değerler şunlardır:

• Tepe değer (mod): Bir veri grubunda en çok tekrar eden ölçme sonucudur.
• Ortanca (medyan): Bir veri grubunu tam ortadan ikiye ayıran noktaya rastlayan ölçme sonucudur.
• Aritmetik ortalama: Bir serideki tüm değerlerin toplamının serideki birey sayısına bölünmesiyle elde edilen değerdir.

Merkezi eğilimi belirtmek için en çok kullanılan ölçüm türü aritmetik ortalamadır. Dağılımda notların büyük çoğunluğu alt ya da üst uçlarda toplanmadığı sürece ortalama, merkezi eğilim hakkında doğru bilgiler verecektir. Bir dağılımda notların yüzde 65-70’lik bir bölümü ortalamanın etrafında toplanmışsa ve artı-eksi uçlara doğru simetrik ve dereceli bir azalma varsa bu dağılım normal dağılım olarak ifade edilir.

Nicel değişkenlerdeki bir diğer özellik saçınıklıktır. Saçınıklık; değerlerin merkezi eğilim çevresindeki saçılmasıdır. Saçınıklığı ölçmek için en çok kullanılan ölçüm türleri yaygınlık (ranj, değişim aralığı) ve standart sapmadır. Yaygınlık, bir dizideki en yüksek değerle en düşük değer arasındaki farktır. Standart sapma, bir dizilimdeki tüm bireylerin ortalamaya olan uzaklıklarının tek tek hesaplanarak bir formüle konması ve bu uzaklıkların bir şekilde ortalamasının alınması ile bulunan etkin bir saçınıklık ölçüm tekniğidir. Z skoru ise, bir dizilimdeki bireylerin ortalamaya olan uzaklıklarının standart sapma cinsinden verilmesidir.

Değişkenler aldıkları değerlerin sınırlı ya da sınırsız sayıda olmasına göre sürekli ve süreksiz değişken olarak ikiye ayrılabilir. Süreksiz değişkenler sınırlı sayıda değer alabilirler (Örn: Cinsiyet, memleket, saç rengi). Sürekli değişkenler ise dağılım aralığında birçok farklı değer alabilirler (Örn: Yaş, boy, ağırlık)

Süreksiz değişkenlerin analizi

Araştırmalarda bazı değişkenler, isimsel ölçme düzeyinde olabilir. Veriyi betimleme ya da sınıflandırma amacıyla sayılar yerine sözcüklerden yararlanmaktadır. Örneğin, cinsiyet değişkeninde kadın ve erkek olmak üzere iki sınıf bulunmaktadır. Sayılarla açıklamak olanaklı değildir. İsimsel değişkenleri analiz etmek için sıklıkla yüzdelerden yararlanılmaktadır. Yüzde, bir değişken seti içerisinde her yüz kişiden kaç tanesinin belirli bir özelliğe sahip olduğunu ya da belli bir kategoriye dahil olduğunu belirtmek için kullanılır. İki isimsel değişken arasındaki ilişkiyi ifade etmek iki yönlü olasılık tablolarından yararlanabilir. Bu tablolara çapraz tablolar adını vermek de olanaklıdır. İsimsel iki değişken arasındaki ilişkinin anlamlı olup olmadığının tespit edilmesi için yapılan teste ki kare denilmektedir. Ayrıca, bir istatistiki test uygulandığında genel olarak yüzde 5 anlamlılık değerinden bahsedilir. Bu değere alfa düzeyi, anlamlılık düzeyi, olasılık düzeyi gibi farklı isimler veren kaynaklar da bulunmaktadır. Bu değerle kastedilen, elde ettiğimiz sonucun şans eseri gerçekleşme ihtimalinin yüzde 5’ten fazla olmamasıdır. Alfa düzeyi istatistik programlarında genellikle p harfiyle (probability=olasılık) veya sig. (significance=anlamlılık) ile gösterilmektedir. Bu bölümlerde .05 ve altında bir değer görülürse test sonucunun anlamlı olduğu ifade edilir. Alfa düzeyi, örneklem alınırken hata yapma ihtimaline karşı alınan bir önlemdir. Eğer evrendeki tüm bireylere erişilmişse .05’lik bir alfa düzeyinden bahsetmeye gerek yoktur.

Sürekli değişkenlerin analizi

Aralıklı ya da orantılı değişkenler, bir özelliğin bir birey ya da objede hangi düzeyde var olduğunu gösterirler. Bir özelliğin birey ya da objelerde ne düzeyde var olduğunu belirlemek amacıyla çeşitli ölçme araçları geliştirilmektedir. Tutum ölçeği ve başarı testi gibi ölçekler bunlara örnek olarak gösterilebilir. Ancak birden fazla değişken arasındaki ilişki ya da birden fazla grubun karşılaştırılması söz konusu olduğunda değişik testlere gereksinim duyulmaktadır. Bunlardan araştırmalarda en çok kullanılanlar t testi, varyans analizi (ANOVA) ve korelasyon gibi tekniklerdir.

t testi

Nicel araştırmalarda en çok kullanılan testlerden biridir. İki değer birbiriyle karşılaştırılacağı zaman t testinden yararlanılır. t testinin tek örneklem t testi, bağımsız örneklemler için t testi ve eşleştirilmiş örneklemler için t testi olmak üzere üç türü vardır.

• Tek örneklem t testi: Bir grubun ortalamasını bilinen bir değer ile karşılaştırmak amacıyla kullanılır. Bilinen değerden kastedilen genellikle evrenin ortalamasıdır. df (degree of freedom) ise, serbestlik derecesi anlamına gelir. Araştırmacının bir istatistiksel değeri hesaplamak için ne boyutta bir örneklem kullandığı hakkında bilgi verir. Özellikle elde hesaplama yaparken kullanılan istatistiksel tablolarda hangi satır ve sütuna bakılacağını belirlemekte büyük önem taşımaktadır. t testlerinde serbestlik derecesi,  toplam katılımcı/denek sayısından üzerinde çalışılan grup sayısının çıkartılması ile bulunur.
• Bağımsız örneklemler için t testi: İki grubun bir sürekli değişken üzerinden aldıkları değerlerin karşılaştırılması amacıyla kullanılmaktadır. Levene Testi; Levene Testi (Levene’s Test for Equality of Variance) kitle varyanslarının eşteş olup olmadığını test eder. Gruplar arası karşılaştırmalarda kitle varyanslarının eşteş olması bir ön şart olarak karşımıza çıkmaktadır. Levene sütununda görülen Sig. değeri .05’in altında olduğu zaman bu ön şart sağlanamamış demektir. Yani tabloda alt sıradaki değerlerin dikkate alınması daha uygundur.
• Eşleştirilmiş örneklemler için t testi: Genellikle aynı grubun iki farklı ölçümdeki skorlarını karşılaştırmak amacıyla kullanılmaktadır.

Varyans analizi (ANOVA)

ANOVA, varyans analizinin İngilizce yazılışının (ANalysis Of VAriance) kısaltmasıdır. Bir diğer ismi ise F testidir. t testinde hesaplanan t değeri gibi varyans analizinde F değeri hesaplanmaktadır. t testi, iki grubu ya da iki değeri karşılaştırırken etkin olabilmekte; ancak daha fazla grup ya da değişkeni istatistiksel hata yapmadan karşılaştırmak için varyans analizine ihtiyaç duyulmaktadır. Bu bağlamda üç ya da daha fazla grubu ya da bir grubun üç ya da daha fazla ölçümden aldığı değerleri karşılaştırmak gerektiğinde ANOVA kullanmak daha doğrudur.

Üç ya da daha fazla grubu bir sürekli değişken açısından birbiriyle karşılaştırmak için bağımsız örneklemler için tek faktörlü ANOVA yapılır. Bir grubun üç ya da daha fazla sayıda ölçümünün karşılaştırılması gerektiğinde ise ilişkili örneklemler için tek faktörlü ANOVA yapılır. Bu ANOVA türünün bir diğer ismi ise yineleyen ölçümler için tek faktörlü ANOVAdır.

Korelasyon (bağıntı)

Korelasyon, aralıklı ve orantılı düzeyde ölçülmüş iki ya da daha fazla değişken arasında ilişki olup olmadığını, varsa yönünü ve gücünü göstermek amacıyla kullanılır. Bu analizde, üzerinde çalışılan iki değişkenin de çoğunlukla sürekli olmasıdır. Ayrıca korelasyonda grupların birbirinden farkı değil, iki değişkenin birbiriyle ne kadar ilişkili olduğu irdelenmektedir. Korelasyonu göstermek için kullanılan sembol küçük r harfidir. Bu değer +1 ila -1 arasında bir sayı olabilir. Eğer aralarında ilişki aranan iki değişken, aynı anda artı yor ya da azalıyor ise r değeri artı yönde (pozitif korelasyon); eğer değerlerden biri artarken diğeri azal›yorsa r değeri eksi yönde olacaktır (negatif korelasyon).

Pearson araştırmalarda en çok kullanılan korelasyon katsayısıdır. Aralarında ilişki aranan iki değişken de ham puan olduğu zaman Pearson katsayısından yararlaılır. Ancak aralarında ilişki aranan değişkenlerin ikisi de sıralı ölçüm düzeyindeyse Spearman ya da Kendall’s tau-b gibi diğer bazı yöntemlere başvurmak gerekmektedir. Korelasyon ile ilgili bilinmesi gereken bir başka kavram ise kısmi korelasyon kavramıdır. İki değişken arasındaki ilişkinin üçüncü bir değişken tarafından açıklanması durumunda kısmi korelasyona başvurulmalıdır.

Nitel Verilerin Analizi

Nitel analiz, nicel analize göre çok daha fazla emek, sabır, zihin gücü, yaratıcılık ve çeşitlilik gerektiren bir süreçtir.

Temel kavramlar

Nitel veri analizinde ise analizlerin önemli bir kısmı veri toplama süreci ile birlikte başlamıştır ve raporlaştırmaya kadar bu çözümleme süreci devam edecektir. Veri toplanırken araştırmacının kısa notlar tutması, veri üzerinde yansıtma yapması ve veri doyumu gerçekleşene kadar veri toplamaya devam edilmesi analiz sürecinin devam ettiğini göstermektedir. Doyum noktası: Yeni katılımcıların ya da katılımcılardan gelen yeni verilerin o ana kadar toplanmış olan verilere hiçbir şey katmamaya başladığı noktadır. Nitel veri analizi kendine özgü bir takım özelliklere sahiptir ve birtakım farklı yaklaşımlar gerektirebilir.

Nitel veri analizi ile ilgili alanyazındaki çeşitli sınıflamalar dikkate alındığında, her nitel araştırmacı için önemli olan üç temel kavramın betimleme, analiz ve yorumlama olduğu görülmektedir. Betimleme, araştırmada toplanan verilerin araştırma problemi ile ilgili olarak neleri söylediğini ve hangi sonuçları ortaya koyduğunu belirleme sürecidir. Analiz, veri setinde açıkça görülemeyen temaların kavramsal kodlama ve sınıflamalar yardımıyla ortaya çıkarılması ve bu temalar arasındaki ilişkilerin açıklanması sürecidir. Yorumlama ise katılımcılar tarafından söylenenler ya da katılımcılarda gözlenenlerin ne anlama geldiğini ortaya koyma sürecidir. Yani “anlam” ön plana çıkmaktadır. Betimleme ile “ne” sorusuna, analiz ile “neden” ve “nasıl” sorularına yanıt bulunurken, yorumlama sırasında anlamlandırma gerçekleştirilir.

Nitel verilerin analiz ve yorumlanmasında kullanılan birçok teknik bulunmaktadır. Bu teknikler dokuz başlık altında toplanmaktadır. Bunlar; numaralandırma, Alıntı yapma, görüş birliği sağlama, diyagram oluşturma, uzman görüşüne başvurma, gözlemden yararlanma, katılımcı onayı, duygusal ton farklılıklarını yakalama ve çelişkili durum analizidir. Nitel verilerin analizi ile ilgili olarak alanyazında çeşitli yaklaşımlar bulunmaktadır. Bunlara örnek olarak betimsel ve içerik analizi ifade edilebilir.

• Betimsel analiz: Betimsel analizde elde edilen veriler, daha önce belirlenmiş olan temalara ya da araştırma sorularının ortaya koyduğu boyutlara göre özetlenir ve yorumlanır. Elde edilen bulguları yorumlanmış bir biçimde okuyucuya sunabilmek amacıyla betimsel analizde sık sık doğrudan alıntılardan yararlanılır. Yapılan betimlemeler açıklanır, yorumlanır, neden-sonuç ilişkileri irdelenir ve birtakım sonuçlara ulaşılır. Betimsel analiz, analiz için bir çerçeve oluşturma, tematik çerçeveye göre verileri işleme, bulguları tanımlama ve yorumlama olmak üzere dört aşamadan oluşur.
• İçerik analizi: Toplanan verileri açıklayabilecek kavram ve ilişkilere ulaşabilmek amacıyla gerçekleştirilen analiz türüdür. İçerik analizi, birbirine benzeyen verilerin belirli kavramlar ve temalar etrafında bir araya getirilmesi ve bunlar›n anlaşılır biçimde düzenlenip yorumlanması sürecidir. İçerik analizinde kodlama yardımıyla verilerin altında yatan kavramlar ve bu kavramlar arasındaki ilişkiler ortaya çıkartılır. Bu sürece aynı zamanda tümevarımcı analiz ismi de verilmektedir. İçerik analizinde veriler dört aşamada analiz edilir. Bunlar; verilerin kodlanması, temaların bulunması, kod ve temaların düzenlenmesi ve bulguların tanımlanması ve yorumlanmasıdır.

Bilgisayarla Nitel ve Nicel Verilerin Analizi

Nicel ve nitel veri analizi yapan yazılımlar yardımıyla, araştırmacının veri analizine harcayacağı zamanı azaltması ya da emeğini daha etkin biçimde kullanması olanaklıdır.

Nicel araştırmalarda en yaygın kullanılan programlar SPSS ve yapısal eşitlik modellemesi yazılımlarıdır. SPSS, temel araştırma yöntemleri hakkında bilgi sahibi olan herkesin kaynak kitaplardan yararlanarak kendi kendine öğrenebileceği ve temel nicel analizleri gerçekleştirebileceği basit bir programdır. Yapısal Eşitlik Modellemesi (Structural Equation Modeling); Gözlenen ve gözlenemeyen değişkenler arasındaki nedensel ilişkilerin sınanmasını daha az hata ile gerçekleştiren kapsamlı bir istatistik tekniğidir. Yap›sal Eşitlik Modellemesi ile ilgili programlar› kullanabilmek için her şeyden önce çok faktörlü analizlere, regresyon ve faktör analizi gibi bu ünitede bahsedilmeyen bazı ileri düzey istatistiksel tekniklere hakim olmak gerekir.

Nitel araştırmalarda kullanılan bilgisayar programları da araştırmacıların iş yükünü önemli ölçüde azaltmaktadır. Ancak günümüz şartlarında, nitel verilerin kavramsal ve tematik kodlamasının araştırmacı tarafından gerçekleştirilmesi gerekmektedir. Bu yazılımlardan en popüleri NVivo ve ATLAS.ti’dir.