İstatistik Analizi Uygulamaları Öğrenilemez mi? – İSTMER

İstatistik Analizi Uygulamaları Öğrenilemez mi?

istatistik-analizi

İstatistik Analizi Uygulamaları Gerçekten Zor mu?

İstatistik analizi uygulamaları, araştırmacıların verileri üzerinden anlamlı sonuçlar elde edebilmesi için kullandıkları istatistiksel analiz tekniklerinin bütününü oluşturuyor. İstatistik kelimesi duyulduğu anda bile herkeste bir korku oluştuğunu gözlemliyoruz. Peki bu uygulamaları öğrenmek gerçekten zor mu? Uygulamalar neleri kapsıyor? Bu sorulara yanıt aramaya çalışalım.

Öncelikle şunu söyleyelim: İstatistik analizi uygulamalarını öğrenmek hiç de zor değil. Bu iş tıpkı bir sporcunun antreman yapmasına benziyor. Her gün düzenli ağırlık çalışan birisi nasıl ki zamanla kaslı bir vücuda sahip olursa; istatistik analizi için düzenli çalışan bir araştırmacı da aynı şekilde yeterli analiz bilgisine kavuşabilir.

Elbette her gün düzenli çalışmamıza gerek yok; yalnızca kendi verilerimiz üzerinde düzenli olarak kafa yormaya başlasak, istatistik sorunlarımızı bireysel olarak çözebiliriz. Uygulama alanında yetkin hale gelmenin en temel yolu, istatistiksel analiz programlarını öğrenmekten geçiyor. R-Project, SPSS, Minitab gibi bir yazılımla istatistik sürecine adım atabiliriz.

Sonrasında yapılacak iş düzenli makale okumaktan ibaret. Düzenli olarak okunan makaleler ile beraber istatistik programları eşliğinde uygulamalara devam ettiğinizde başarı olasılığınız %100!.

İstatistik Analizi Uygulamaları Ne Tür Tekniklerden Oluşuyor?

İstatistik analizi uygulamaları temel olarak aşağıda belirtilen yöntemleri kapsamaktadır:

  • Betimsel ve çıkarımsal istatistiksel yöntemler
  • İstatistiksel hipotez testleri
  • Faktör analizi yöntemleri
  • Roc analizi ve tanı testleri
  • Korelasyon-Regresyon analizi teknikleri
  • Yapısal eşitlik modellemesi

Bu analizler dışında da meta analizi, nitel veri analizi gibi sayabileceğimiz onlarca bağımsız istatistiksel uygulama da literatürde bulunuyor. Ayrıca klasik tekniklerin de çok sayıda varyasyonu (Bayesci, dayanıklı-robust, bulanık-fuzzy) var. Biz temel olarak belirli yaklaşımları öğrendiğimiz takdirde, problemlerimizin büyük bölümünü çözüyor.

Veri setlerimizi analiz ederken tanımlayıcı istatistiksel veri analizleri ve ortalama karşılaştırma testleri en temel düzeyde analiz yapabilmemizi sağlıyor. İstatistiğe başlarken bu iki konu üzerinde yeterli bilgiye sahip olmak hiç de zor değil.

Temel teknikleri öğrendikten sonra anket analizi uygulamaları için çok değişkenli istatistiksel analiz tekniklerine yoğunlaşmak akıllıca bir yol alacaktır. Alt boyutları belirlemek adına açımlayıcı-açıklayıcı faktör analizini; boyutların güvenilirlik düzeylerini tespit etmek için de güvenilirlik analizlerini öğrenmemiz gerekiyor.

Söz konusu tekniklerin yanı sıra korelasyon analizi, regresyon analizi gibi yaklaşımların da muhakkak öğrenilmesi gerekiyor. Söz konusu yaklaşımlar, araştırma hipotezlerimiz açısından inanılmaz ölçüde yarar sağlayacaktır. Elbette bunların dışında da yol almamız gereken çok uzun bir mesafe var.

Son söz olarak, bahsedilen teknikleri temel istatistik analizi uygulamalarını öğrenmenin zor olmadığını; yalnızca düzenli pratik yaparak temel düzeyde kendi uygulamalarımızı yapabilecek düzeye gelebilmenin mümkün olduğunu söyleyelim. Elbette çok okumak, çok uygulamak, her an hiçbir şey bilmiyormuşçasına mütevazı olmak kaydı ile…