Örnekleme, Sadece Sayıdan İbaret Değildir.
Bir kurum bize "kaç kişiyle görüşelim?" diye geldiğinde ilk sorumuz bu olmaz. Önce şunlara bakarız.
Örneklem büyüklüğü bundan sonra belirlenir. Çünkü n, metodolojinin sonucu olmalıdır; başlangıç noktası değil.
- Hangi evreni temsil edeceğiz?
- Hangi alt grupları ayrı analiz etmek istiyoruz?
- Coğrafi dağılım nasıl?
- Liste veya örnekleme çerçevesi ne kadar iyi?
- Yanıtsızlık riski nerede yüksek?
- Saha gerçekten bu tasarımı uygulayabilir mi?
Olasılıklı Örnekleme Yöntemleri
Olasılıklı örnekleme yaklaşımının temel fikri basittir: hedef evrendeki birimin örnekleme nasıl ve hangi olasılıkla girdiğini bilmek.
ID’nin uygulamalı deneyimi tabakalı örnekleme, küme örneklemesi, çok aşamalı örnekleme ve sistematik örnekleme tasarımlarını kapsar. Tabakalaştırma, kümelendirme, örneklem tahsisi, seçim olasılıkları, tasarım ağırlıkları ve yanıtsızlık düzeltmeleri art arda değil birlikte ele alınır.
Bir tasarım sorusu
Bir İl Haritası Her Zaman Nüfus Haritası Değildir
Türkiye çapında bir gençlik araştırması yaptığınızı düşünelim. İstanbul’da çok fazla görüşme yapıp nüfusu küçük illerde çok az görüşme yaparsanız, ulusal tahminler açısından mantıklı görünen bir dağılım elde edebilirsiniz.
Ama kurumun sorusu "bölgeler birbirinden nasıl farklılaşıyor?" ise tasarım değişmek zorundadır. Bu kez yalnızca Türkiye toplamını değil, bölgesel tahminlerin hassasiyetini de korumak gerekir; dolayısıyla bazı bölgelerde nüfus payından daha fazla örnek ayırmak gerekebilir.
Sonrasında bu farklı seçim olasılıklarını ağırlıklarla tekrar düzeltiriz. Bu, örnekleme ile analizin neden birbirinden ayrılmaması gerektiğinin en basit örneklerinden biridir.
Örneklem Büyüklüğü ve İstatistiksel Güç
Daha büyük örneklem her zaman daha iyi değildir. Örneklem büyüklüğü belirlenirken temel amaç mümkün olan en yüksek sayıya ulaşmak değildir; amaç, sorulan araştırma sorusunu yeterli hassasiyet ve istatistiksel güçle cevaplayabilecek büyüklüğü bulmaktır.
Çalışma türüne göre güven düzeyi, hata payı, beklenen oran, tasarım etkisi, alt grup ihtiyacı, beklenen yanıtsızlık ve istatistiksel güç birlikte değerlendirilir.
Güç analizi özellikle deneysel araştırmalarda ve etki değerlendirmelerinde kritiktir: örneklem çok küçükse gerçek bir etki olsa bile analiz bunu yakalayamayabilir; çok büyükse kimsenin ihtiyaç duymadığı bir hassasiyet için gereksiz maliyet, saha yükü ve zaman ortaya çıkar.
Her görüşme aynı ağırlıkta olmayabilir
Bir araştırmada iki kişinin cevapları veri tabanında yan yana durabilir ama istatistiksel olarak aynı temsil gücüne sahip olmayabilir. Birinin örnekleme seçilme olasılığı 1/100 iken diğerininki 1/1.000 olabilir.
Gerçek saha bu ilk ağırlıktan daha karmaşıktır. Bu nedenle nihai ağırlıklarda ihtiyaç halinde design weight, non-response adjustment, post-stratification, calibration ve raking düzeltmeleri uygulanabilir.
ID’nin örnekleme uzmanlığı yalnızca örneği seçmekle değil; seçim olasılıklarını hesaplamak, tasarım ağırlıkları oluşturmak, yanıtsızlık düzeltmelerini yapmak ve nihai analiz ağırlıklarını geliştirmekle de ilgilidir.
Örnekleme Ağırlığı = 1 / Örnekleme Seçilme Olasılığı
Örnekleme Tasarım Etkisi (DEFF)
Gerçek saha araştırmalarında katılımcılar çoğu zaman ülke genelinden tamamen bağımsız biçimde seçilmez. Aynı mahallede, aynı köyde veya aynı kümede yaşayan kişilerin birbirine benzeme olasılığı daha yüksektir ve bu benzerlik örneklemin etkin bilgi miktarını azaltır.
Bu nedenle karmaşık örnekleme tasarımlarında Design Effect (DEFF) dikkate alınır. Teorik olarak 1.000 kişilik basit rastgele örneklem yeterli görünürken, küme yapısı nedeniyle tasarım etkisi 1,5 ise aynı hassasiyet için daha büyük bir örneklem gerekebilir.
Buradaki amaç formülü büyütmek değil; sahanın gerçek yapısını istatistiksel hesaba katmaktır.
Yanıtsızlık da Bir Veridir
Bir saha araştırmasında yalnızca kimlerin cevap verdiğine bakmak yeterli değildir. "Kimler cevap vermedi?" sorusu bazen araştırmanın en kritik sorularından biridir.
Gençlerin, yüksek gelir grubunun, belirli sektörlerin veya belirli bölgelerin ankete katılım oranı sistematik olarak farklıysa, elde edilen veri taraflı hale gelebilir.
Bu nedenle yanıtsızlık; yalnızca "eksik görüşme" olarak değil, potansiyel bir temsil problemi olarak ele alınır. Gerekirse strata, bölge, demografi veya diğer yardımcı değişkenlere göre non-response adjustment uygulanır.
İstatistik: Betimlemeden Açıklamaya
İstatistik yalnızca yüzde üretmez. Bir araştırmanın ilk sonucu genellikle basittir; bir sonraki sorular değildir.
Bu nedenle ID’de analiz kapasitesi descriptive statistics, hypothesis testing, regression modelling, logistic regression, multivariate analysis, factor analysis, reliability & validity analysis, index construction ve impact analysis gibi yöntemleri kapsar.
- Kimlerde daha yüksek?
- Gruplar arasındaki fark anlamlı mı?
- Bu fark başka değişkenlerden kaynaklanıyor olabilir mi?
- Hangi faktörler sonucu açıklıyor?
- Bir sonuç diğerini ne ölçüde öngörüyor?
Bir veri hikâyesi
Bir Yüzde Bazen Hikâyenin Sonu Değil Başlangıcıdır
Diyelim ki bir işletme araştırmasında firmaların %40’ı finansmana erişimde zorluk yaşadığını söylüyor. Bu tek başına yararlı bir bulgudur ama karar vermek için yeterli olmayabilir.
İstatistikçi sonraki soruları sorar: mikro işletmelerde oran ne? Kadın girişimcilerde değişiyor mu? Sektör etkisi var mı? Bölgesel fark devam ediyor mu? Firma yaşı ve çalışan sayısını kontrol ettiğimizde sonuç değişiyor mu?
İşte burada basit yüzde, çok değişkenli analize dönüşür. Ve veri, betimlemeden açıklamaya geçer.
Ölçme, Güvenirlik ve Geçerlik
İstatistik yalnızca kişileri veya işletmeleri saymaz. Bazen ölçülmek istenen şey doğrudan gözlenemez: memnuniyet, güven, yaşam kalitesi, algı, tutum, kurumsal kapasite.
Bu durumda ölçeğin gerçekten neyi ölçtüğünü test etmek gerekir. İhtiyaç halinde Cronbach’s Alpha, ICC / Kappa, EFA, CFA, SEM, ROC analysis ve geçerlilik testleri kullanılır.
Buradaki amaç "ileri analiz kullanmış olmak" değildir. Amaç, ölçümün ne kadar güvenilir olduğunu göstermek ve araştırma sorusuna uygun yöntemi seçmektir.
Akademik Derinlik, Saha Gerçekliğiyle Buluşuyor
ID’nin Sampling & Statistics kapasitesinin ayırt edici tarafı, teorik örnekleme bilgisi ile gerçek saha uygulamasının aynı ekip içinde buluşmasıdır.
Teknik liderliğimiz, TÜİK’te geçen 20 yılı aşkın resmi istatistik ve örnekleme altyapısını; özel sektör ve uluslararası araştırmalardaki 15 yılı aşkın saha deneyimiyle birleştirir. Bu deneyim sanayi, bina, tarım ve turizm araştırmalarından bugünkü büyük ölçekli hanehalkı ve işletme çalışmalarına kadar uzanır.
Bu nedenle örnekleme tasarlarken yalnızca teoride en iyi modeli değil; sahada gerçekten uygulanabilecek en güçlü modeli ararız.
