Açıköğretim Ders Notları

Uluslararası İlişkilerde Araştırma Yöntemleri Dersi 3. Ünite Özet

Açıköğretim ders notları öğrenciler tarafından ders çalışma esnasında hazırlanmakta olup diğer ders çalışacak öğrenciler için paylaşılmaktadır. Sizlerde hazırladığınız ders notlarını paylaşmak istiyorsanız bizlere iletebilirsiniz.

Açıköğretim derslerinden Uluslararası İlişkilerde Araştırma Yöntemleri Dersi 3. Ünite Özet için hazırlanan  ders çalışma dokümanına (ders özeti / sorularla öğrenelim) aşağıdan erişebilirsiniz. AÖF Ders Notları ile sınavlara çok daha etkili bir şekilde çalışabilirsiniz. Sınavlarınızda başarılar dileriz.

Örnekleme Yöntemleri

Giriş

Türkçede örnekleme derken; örnek seçmek, daha geniş bir kitlenin temsilcisini seçmek demektir. Örnek seçim yöntemi daha geniş bir kitle hakkında çıkarım yapma, o geniş kitleyi temsil etme sorunu üzerine inşa edilmiş bir tartışmadır. Sosyal araştırmalarda örneklem sadece bireylerden oluşan hedef kitleleri temsil amacıyla bir araya getirilmez. Temsil etmek isteyeceğimiz kitle belgeler ya da medyadaki içerik dışında farklı özelliklerde bireyler olabileceği gibi şirketler, sivil toplum kuruluşları gibi kurumlar da olabilir.

Örneklem Seçim Sürecinde Temel Terimler

Hedef kitle ya da çalışma evreni çalışmamızda üzerine eğildiğimiz ögelerin toplamıdır. Bu kitle çoğu zaman oldukça soyut bir tanımdır. Türlü belirsizlikler, görüşme yapılamayan, ulaşılamayan durumlar nedeniyle bu kitlenin hedef evrenin dışında bırakılması kaçınılmazdır. Benzer şekilde ulaşılamayacak nüfus coğrafi olarak da belli olabilir. Amaçlanan hedef kitleye ulaşılamamakla birlikte çerçevesi iyi belirlenebilirse çalışma hedef kitlesi açıklanarak kısıtlanabilir. Hedef kitle içinde yer alan ögelerin seçilecek örnek içine dahil olma olasılığı olanlarının listesine örnek listesi diyoruz. En basit şekliyle örnek listesi örneğimize dahil edebileceğimiz tüm ögeleri içeren bir listedir. Eğer bir hedeflenen evren ögesi örnek listesinde yer alıyorsa bu öge listemiz tarafından “kapsanıyor” demektir. Bazı ögeler hedef evrenimizde olabilirler ancak örnek listemize giremeyebilirler. Bu durumdaki ögelere “kapsam dışı” kalan ögeler diyoruz. Örneğimize katılım hakkı olmayan ögeler örnek listemizde olabilirler. Bir diğer kapsama sorunu da örnek listemizde birden fazla ögenin aslında hedef kitlede aynı ögeye karşılık gelmesi olarak tanımlanabilecek yinelenme sorunudur. Diğer yandan kümeleme sorunu diye nitelenebilecek bir diğer sorun kümesi de bazı örnek listelerinde tek bir ögeye tek bir hedef kitle ögesi karşılık gelirken bazı ögelerin kümelenmiş öge gruplarına karşılık gelmesi nedeniyle birden çok ögeye ulaşma olanağı vermesidir. Hedef kitleyi temsil amacıyla araştırma amaçlarımıza uygun olarak seçilmiş ögelere örneklem ya da örnek grubu diyoruz. Örneklem örnek listesinden seçilen ögelerdir ve sadece bu ögeler üzerinde gözlem ve ölçümler yapılır. Üzerinde gözlem ve ölçümlerin yapılacağı örnek ögelerini seçme sürecine örnekleme diyoruz. Gözlem ve ölçümlerin başarıyla yapıldığı ögeler örnek ögeleri ya da denekler olurlar ve başarıyla seçilip ölçümleri yerine getirilerek örneğe dahil edilirler. Kimi örneklemimize dahil edilen ögeler ya da deneklerin bazı ölçümleri eksik olabileceği gibi kimi örnekleme dahil olmak üzere seçilen ögelerden ölçüm almak mümkün olmayabilir. Her iki durumda da bir temsil sorunuyla karşı karşıya olduğumuz açıktır. Gözlem yapamama ya da deneklerden cevap alamama durumları açıktır ki örneklem seçiminde önemli bir sorundur. Bu sorunu örnekleme sürecinde alınabilecek önlemlerle en aza indirme gayretinde olmak gerekir.

Sık Kullanılan Hedef Kitleler ve Bunların Örnek Listeleri

Haneler ve Bireyler

Türkiye’de yaygın olarak kullanılan örnek listeleri arasında adrese dayalı nüfus kayıt sistemi (ADNKS) içinden seçilen hane adres listeleri, kentsel yerleşim bölgelerinden sokak isimleri, kırsal yerleşim bölgelerinden köy isimleri ve telefon listeleridir. Bu tür listelerin kişileri seçmek için kullanılması durumunda listede kayıtlı olmayan sokaklarda oturanlarla herhangi bir sokak olmaksızın şehirlerin uç bölgelerinde gecekondularda yaşayan vatandaşların kapsama dışı kalmaları söz konusudur. Bu aşamada her sokaktan gidilecek hane adresleri tespit edilmekte ve ardından her hane içinden görüşülecek bireylerin tespiti için bir yöntem takip edilerek hane içinden görüşülecek birey tespit edilmektedir. Birden çok hane sahibi olanlar için de bu tür listelerde yineleme nedeniyle örnek içine dahil olma olasılıkları daha yüksektir. Elbette bu tür bir örnekleme yönteminde kümeleme sorunu da yaşanmaktadır. Açıktır ki sokaklardan seçilecek hane adreslerinde eşit sayıda birey yaşamamaktadır. Çok kişinin yaşadığı hanelerdeki bireylerin örnek içine dahil olma şansları daha düşük olmaktadır. Telefon listeleri de benzer örneklem seçim sorunlarına yol açmaktadır.

Müşteri, Çalışan ya da Dernek, Kulüp vs. Üyelikleri

Pek çok zaman anket çalışmalarında müşteri, firma çalışanları, kulüp ya da dernek üye listeleri örnek listesi olarak kullanılmaktadır. Bu tür listelerin en büyük sorunu güncelleme sorunlarıdır. Pek çok zaman bu tür listelere bir defa giren kişiler üyelikten ayrılsalar, artık müşteri olmasalar bile listeden silinmemekte ve bu şekilde listede olmaması gereken pek çok kişi listede görünmektedir. Bu tür güncelleme ve listeye dahil olma süreçlerinin yakından takibi sağlıklı bir örnek listesi oluşturmanın en temel gereğidir.

Kurumlar

Kurumlardan oluşan hedef kitle ve bunların temel verdiği örnek listeleri farklı şekillerde ortaya çıkabilmektedir. Örneğin firma isim ya da adresleri farklı il ticaret odalarından elde edilebilir. Firma listelerinde temel sorun iflas eden ya da hâlen faaliyetine ara vermiş olan firmaların kullanılan listelerden düşülmemeleridir. Dolayısıyla listeler aktif olmayan firmayla doludur ve bu listelerde firma büyüklüklerine genelde ulaşılamamaktadır. Kurum listelerinin en sık rastlanılan sorunu da bu kurumlara ulaşılabilecek adres ve telefon numaralarının güncel olmamasıdır.

Olaylar

Pek çok zaman hedef evren evli çiftlerden ya da bir servisi almış müşterilerden, bir tür hastalığa yakalanmış ya da tedavi görenlerden, trafik cezası almış olanlar gibi belli özellikleri olan olaylara bağlıdır. Burada önemli olan açık bir “olay” tanımı bağlantısıyla mevcut arşivlere erişmek ve listeleri oluşturmaktır. Hangi tür olayların hangi zaman içinde gerçekleştiğine bağlı olarak örnek listelerinin oluşturulması gerekir. Bu tür örnek listelerinde de kümelenme ya da yinelenme gibi sorunlar gözlenebilir.

Nadir Hedef Kitleler

Kimi zaman hedef kitleleri nadir yapan doğrudan söz konusu özelliğin az bulunurluğudur. Kişilerin değişik nedenlerle söz konusu özelliklerini saklama eğilimine girmeleri de diğer bir nadir olma nedenidir. Örneğin cinsel tacizle karşı karşıya kalmak, ya da uyuşturucu kullanımı veya ilaç bağımlılığı gibi sorunlarla karşı karşıya olmak sıradan bir anket çalışması içerisinde kişilerle konuşularak bulunabilecek olgular değildir. Çoğu zaman ne derece yaygın olursa olsun kişiler bu tür tecrübelerini araştırmacıyla paylaşmayacak ve gerçek durumlarını saklama eğilimine gireceklerdir.

Neden Örneklem Seçelim Ki?

Bu soruya “zaman ve maliyet masraflarının yüksekliğinden kaçmak” diye cevap verilebilir. Kısıtlı büyüklükte bir örneklem ile görüşüldüğünde maliyetler çok daha uygun fiyatlı olmaya başlamaktadır. Yüksek sayıda saha çalışanı gereksinimi çalışmanın gerçekleştirilme süresini uzatacak ve sonuç olarak toplanan verinin hangi zamana ait bir veri olduğu belirsiz hâle gelecektir. Örneklem ile çalışırken öncelikle çalışma amaçlarına uygun hedef kitlenin belirlenmesi gerekecektir. Daha sonraki aşamada seçilecek örnek grubunun hedef kitleyi temsil edebilir özelliklere sahip olacak şekilde seçilmesi gerekir. En son olarak da seçilmiş olan örneklemin sadece örneklemden kaynaklanan hata boyutlarının belirlenmesi gerekir. Bu aşamalar sonunda elde edilen sonuçlarının tüm hedef kitleye nasıl genellenebildiği üzerinde düşünmek gerekir. Gözlem ve sorgulamalar bize temsil edilmeye çalışılan hedef kitleye dair genellemeler yapma olanağı sunabilmektedir.

Örneklemi Nasıl Seçelim?

Örneklem seçiminde iki temel farklılaşma var. Kabul gören ve istatistiki analiz için uygun örneklem seçim yöntemi rastsal örneklem seçimidir. Diğer rastsal olmayan örneklem yöntemleri türlü sorunlar içerir ve istatistiki analize de olanak tanımazlar. Rastsal olan örneklemlerin avantajlarının gözlenebilmesi de bazı özel şartlara bağlıdır. Bu şartların başında geniş örneklem ile çalışabilmek gelir. Rastsal örneklemin mantığı hedef kitlenin özelliklerinin bilinmediği sadece örneklem temelinde istatistiki olarak çıkarsama yöntemiyle tahmin edilmeye çalıştığı durumlarda işleyecektir. Seçim araştırmaları bu tür araştırmalarda özel bir yere sahiptir. Rastsal olan örneklem ile artı eksi belirlenebilen örneklem hatası varken diğer örneklem için böyle bir aralık üretilemez. Rastsal seçilmiş bir örneklemin rastsal olmayan örneklemlerden daha doğru sonuçlar üreteceği de garanti değildir.

Rastsal Olmayan Örneklem Seçimi

Rastsal olmayan yöntemlerin temel ortak özelliği uygulama kolaylığıdır ve seçilen ögelerin temsil yeteneği zedelenmiştir. Pek çok zaman bu yaklaşım bir elverişlilik örneklemesi yaklaşımıdır. Bir futbol maçında “haksız” penaltı kararını iki takım tarafları tamamen farklı değerlendirebilmektedir o hâlde tek bir tarafa ağırlık veren bir değerlendirmenin taraflı olma olasılığı yüksektir. Bir tipik mahalle ya da köy seçileceğinde hedeflenen “tipik” özelliklere sahip bir yerin seçiminde uzman değerlendirmesine başvurularak bir seçim yapılabilir. Bu yöntemin en önemli avantajı, seçilen kestirme gücü en yüksek “kilit ya da tipik” yerleşimdeki durumu en iyi şekilde sezerek ya da ölçerek daha geniş ve tahmin yapması çok daha güç bir hedef kitle için kestirmeden bir tahmin üretmektir. Kota örneklemi hedef kitledeki temel bazı özellikler temelinde grupların örnekleme kullanılan kotalar ile yansıtılmasından ibarettir. Detaylı kotalarla çalışıldığında elde edilen örneklemler seçilmiş kota değişkenlerinin özelliklerini mükemmel olarak yansıtabilirler. Ancak bu örneklemlerin yapamadığı şey elde edilen örneklemin hata düzeyinin tahminidir. Kota örneklemleri örneklem hatası tahmini yapamazlar. Kota örnekleminde unutulmaması gereken bir pratik kısıt da kota değişkenlerinin sayısı arttıkça kotaya uygun kişi bulmanın da git gide zorlaşmasıdır. Örneklem hatası hakkında bir çıkarımda bulunulamaması nedeniyle de bilimsel çalışmalarda da kota örneklemi yine kullanılmaz.

Rastsal Örneklemin Mantığı

Tüm ögelerin türdeş (homojen) bir yapıya sahip olduğu durumda ne örneklem büyüklüğünün ne de bu örneklemin seçiliş şeklinin bir önemi kalacaktır. Herhangi bir tek örnek tüm hedef kitleyi temsil edebilecektir. Şeker testi için kan örneği almak ya da beyaz peynir kalıbından bir ufak parça tatmak hep bu tür bir mantığın parçasıdır. Rastsal örnekleme “rastgele” örneklem demek değildir. Rastsal örnekleme gayet basit bir temel prensibe dayanır: rastsal örneklemde hedef kitledeki tüm ögelerin örnekleme seçilme şansları eşittir. Moser ve Kalton sınırlamasız rastsal örnekleme yöntemini hedef kitledeki tüm ögelerin örnekleme seçilme şanslarının eşit olduğu yöntem olarak tanımlar. Sınırlamasız rastsal örnekleme aynı zamanda ikameli bir örneklemedir. İkamesiz örneklemeye geçildiğinde basit rastsal örnekleme geçilmiş olur ve burada da hedef kitledeki her ögenin örnekleme seçilme şansı eşitlenmiştir. Prensip olarak hedef kitledeki ögelerin örnekleme seçilme şanslarının bilinmesi ya da hesaplanabilmesi ve bunların sıfırdan farklı olması rastsal örneklem için yeterlidir. Yani izlenilen yöntem seçilme şanslarının eşitliği prensibine dayanır. Bu temel prensibe uyan rastsal örneklem seçiminin iki temel avantajı vardır. Birincisi, her ne kadar hiçbir zaman tam olarak hedef kitleyi temsil edemese de diğer tüm yöntemlerden daha yüksek temsil gücüne sahiptirler. İkinci ve daha önemli bir avantaj rastsal örneklem ile seçilmiş örneklerde olasılık teorisi yardımı ile örneğimizin ne derece hata payı olduğu ya da doğruluk derecesi hesaplanabilir.

Birkaç İstatistiki Kavram

Herhangi bir istatistiğin standart hatası o istatistiğin örneklem dağılımının standart sapmasıdır. İstatistikte standart sapma bir dağılımın ortalama etrafında ne derece yayık bir şekilde dağıldığının bir ölçütüdür. Bir istatistiğin örneklem dağılımı o istatistiğin kuramsal olarak mümkün olan tüm değerlerinin eşit örneklem büyüklüğünde mümkün olan tüm örneklemler içindeki dağılımıdır. Merkezî limit teoremi ortalamanın örneklem dağılımının normal dağılım olduğunu ve bu dağılımın ortalamasının hedef kitle ortalamasına eşit olduğunu söyler. Ortalamanın örneklem dağılımının standart sapması da hedef kitlenin standart sapmasının gözlem sayısının kare köküne bölümüdür. Merkezî limit teoremi hedef kitlenin dağılımından bağımsız olarak buradan çekilecek bir örneklem dağılımının bu örneklemin büyüklüğü arttıkça normal dağılıma yaklaşacağını söylemektedir. Bu da örneklem dağılımlarının istatistiki kestirimlerde bulunmakta kullanılabileceğini belirtir. Örneklem büyüklüğü arttıkça ortalamanın kestirilen standart hatası düşmektedir. Standart hatayı düşürmek amacıyla örneklemenin büyüklüğünü arttırma eğilimi oldukça maliyetlidir. Kestirilen ortalamanın standart hatasını yarıya indirmek için örneklem büyüklüğünü dört katına çıkarmak gerekir.

Örneklem Büyüklüğü

Genellikle örneklem büyüklüğünün ne kadar olacağını pratikte projenin bütçesi belirler. Ana prensip olarak görece büyük örneklemler küçüklerinden daha avantajlıdırlar. Ancak elbette her zaman sorunun nihai cevabı araştırmacının amaçlarına bağlıdır. Çoğu zaman örneklem seçim yöntemi basit rastsal örneklem olmasa da sanki öyle olduğu varsayımı altında basit bir nominal evethayır cevaplı değişken ile çalışıldığı varsayımıyla oran için bir güven aralığı denklemi kullanılarak farklı varsayımlarda gerekli örneklem büyüklükleri hesaplanır. Örneklem büyüklüğü ile standart hata arasında negatif bir ilişki olduğu görülür. Güven aralığını daraltmak için git gide büyüyen örneklemlerle çalışmak gerekmektedir.

Basit Rastsal Örnekleme (Simple Random Sampling)

Basit rastsal örnekleme tüm rastsal örnekleme yöntemleri arasında bir referans noktası olarak kullanılan yöntemdir. Örnek listemizin elde edilmesini takiben yapmamız gereken bu listedeki her ögeye bir referans numarası vermektir. Örnek listemizin yinelenme ve kümelenme sorunlarından arındırılmış ve her ögenin tek bir referans numarası olmasıyla herhangi bir rastsal rakam tablosu ya da basit bir kişisel bilgisayar programı kullanarak istenilen sayıda rastsal olarak belirlenmiş rakam kullanılarak örneğimiz seçilebilir. Basit sistematik örneklem eğer örnek listemiz baştan rastsal bir şekilde oluşturulmuş bir listeyse basit rastsal örneklem seçim yöntemiyle bir farklılık göstermez. Ancak basit sistematik örneklem yönteminin bir tehlikesi vardır. Eğer örnek listesinde dönemsellik varsa ve bu dönemsellik örnek listesinde örneklem oranı ile örtüşürse o zaman basit sistematik örneklem yöntemi sistematik yanlı örnekler seçebilir.

Katmanlı Örnekleme (Stratified Sampling)

Katmanlı örnekleme yöntemi daha önce değinmiş olduğumuz temel bir gözleme dayanır. O gözlem de hedef kitlenin ne derece türdeş (homojen) ise çekilen örneklemin de o derece daha az örneklem hatası ürettiğidir. Eğer bir hedef kitlede var olan ögelerin %99’u bir görüşte ve sadece %1’i karşıt görüşte ise o zaman çekilen örneklemin bu farklılaşmayı çok ıskalama olasılığı düşüktür. Oysa hedef kitlenin yarısı bir fikirde diğeriyse bunun karşısında ise o zaman çekilen örneklemin hedefteki bu 50-50 bölünmüşlüğe uzak sonuç verme olasılığı daha yüksek olacaktır. Katmanlı örnekleme yöntemi bu gözlem temelinde işler ve hedef kitleyi türdeş alt gruplara ayırıp her birinden gerekli büyüklükte örnekleme yoluyla toplam örneklemi oluşturur. Sonuç olarak katmanlama elde hangi değişkenlerin olduğuna bağlıdır. Ancak başka pek çok değişkenle de yüksek oranda ilgileşim gösteren cinsiyet, eğitim, yaş, coğrafi bölge gibi değişkenler sık sık katmanlamada kullanılan değişkenlerdir.

Katmanlama yapılırken öncelikle seçilen değişkenler temelinde hedef kitle alt gruplara bölünür ve seçilecek örneklem içerisinde her alt grubun sahip olması gereken pay tespit edilir.

Küme Örneklemesi (Cluster Sampling)

Şimdiye kadar verilen örnekleme yöntemlerinde sonuç olarak bir liste oluşturulup bu listeden rastsal bir seçim ile örneklem seçiliyordu. Ancak pek çok sosyal araştırmada çalışılacak listeler ya bulunamaz ya da pratik olarak böyle listelerle çalışmak mümkün değildir. Küme örneklemesi iki adımdan oluşur: önce bir listeleme yapılır ardından da bu listeden bir seçim yapılır. Bu şekilde birincil örnekleme birimleri oluşturulur ve hatta gerekli şekilde katmanlanır. Sonra bu birimlerden örnekler seçilir. Bir sonraki aşamada da bu birimlerden ikinci örneklem birimleri aynı şekilde bir listeleme sonrasında örnek ikincil örnekleme birimleri seçilir ve bu şekilde bir aşamadan diğerine geçilerek nihai ölçümlerin yapılacağı birime kadar ilerlenir. Küme örneklemi etkinlik açısından tavsiye edilir. Ancak bu etkinlik bir başka maliyeti de beraberinde getirmektedir. Tek bir listeden yapılan basit rastsal seçim tek bir örneklem hatası içerirken, örneğin iki aşamalı bir küme örnekleminde iki örneklem hatası söz konusudur.

Büyüklüğe Orantılı Olasılıklı Örnekleme (BOOÖ) (Probability Proportionate to Size Sampling)

Önceki örneklemelerde listelenen kümelerin büyüklük açısından farklılıkları dikkate alınmamıştı. Yani her gidilen sınıfta farklı sayıda öğrenci varsa örneğin bu sınıflarda eşit sayıda öğrenci çekilmesi durumunda her ögenin seçilme olasılığı eşitlenmiş olmayacaktır. Az sayıda öğrencinin olduğu bir sınıfta herhangi bir öğrencinin seçilme olasılığı çok sayıda öğrenci olan bir sınıftakinden yüksek olacaktır. Oysa öncelikle sınıfları seçerken seçilme şanslarını her sınıftaki öğrenci sayısına oranlı olarak hesaplasak ve ardından da her sınıftan eşit sayıda öğrenci seçersek o zaman her öğrencinin seçilme şansını eşitleyebiliriz. Elbette eğer bütün kümeler eşit büyüklükte ise bu yönteme gerek kalmayacaktır.

Anket/kamuoyu çalışmalarında temel olarak hatalar iki ayrı kaynaktan gelir. Birinci hata kaynağımız ölçüm sorunlarımıza ilişkindir. Burada kavramlaştırmayı takiben soruların dillendirilmesi ve sahada veri toplamaya kadar değişik kaynaklarda hata yapılabilmektedir. Nihai olarak elde edilen verilerin işleme sokulması aşamasında da kodlama, bilgisayara geçirme gibi süreçlerde de hata yapılması beklenir. İkinci ana hata kaynağı ise örneklemin temsil yeteneğine dairdir. Örnekleme sürecinde karşılaşılan güçlükler, saha çalışması sırasında deneklere ulaşılamamasından kaynaklanan hatalar dikkate alınmalıdır. Ancak unutulmamalıdır ki tüm çabalara rağmen örnekleme süreci hiçbir zaman hedef kitledeki gerçek değerleri bilinen değişkenlerin tam bir yansımasını veremeyecektir.

Ağırlıklandırma

Türkiye nüfusunun illere ve kır-kent ayrımına göre nüfus bilgileri doğrultusunda örneklem seçimi yapılsa, elde edilen örneklemin bölgesel dağılımı eldeki bu verilerden farklılaşmaktadır. Bunun pek çok değişik nedeni olabilir. Örneklemde bulunması gereken görüşme sayıları bölgelere dağıtılmış olsa da her bölgede yürütülen saha çalışmasında istenilen sayıda anket belirlenen süre içinde tamamlanamayabilmektedir. Yapılan kontroller sonucu bazı anketlerin iptal edilmesi de gerekebilmekte sonuç olarak bölge dağılımını tam yansıtmayan bir sonuç elde edilmektedir. Bu sonuçları ağırlıklandırma ile amaçlanan dağılıma benzetebiliriz.

Her bölgeden aynı büyüklükte örneklemler bir araya getirildiğinde ülke genelindeki bölge dağılımından sapılmış olunacaktır. Bunu düzeltmek için verilecek ağırlıklar hesaplanır. Ağırlık değerleri bu şekilde hesaplandıktan sonra tüm işlemleri gözlemlerin farklı ağırlıkları dikkate alarak gerçekleştirmektedir.

Giriş

Türkçede örnekleme derken; örnek seçmek, daha geniş bir kitlenin temsilcisini seçmek demektir. Örnek seçim yöntemi daha geniş bir kitle hakkında çıkarım yapma, o geniş kitleyi temsil etme sorunu üzerine inşa edilmiş bir tartışmadır. Sosyal araştırmalarda örneklem sadece bireylerden oluşan hedef kitleleri temsil amacıyla bir araya getirilmez. Temsil etmek isteyeceğimiz kitle belgeler ya da medyadaki içerik dışında farklı özelliklerde bireyler olabileceği gibi şirketler, sivil toplum kuruluşları gibi kurumlar da olabilir.

Örneklem Seçim Sürecinde Temel Terimler

Hedef kitle ya da çalışma evreni çalışmamızda üzerine eğildiğimiz ögelerin toplamıdır. Bu kitle çoğu zaman oldukça soyut bir tanımdır. Türlü belirsizlikler, görüşme yapılamayan, ulaşılamayan durumlar nedeniyle bu kitlenin hedef evrenin dışında bırakılması kaçınılmazdır. Benzer şekilde ulaşılamayacak nüfus coğrafi olarak da belli olabilir. Amaçlanan hedef kitleye ulaşılamamakla birlikte çerçevesi iyi belirlenebilirse çalışma hedef kitlesi açıklanarak kısıtlanabilir. Hedef kitle içinde yer alan ögelerin seçilecek örnek içine dahil olma olasılığı olanlarının listesine örnek listesi diyoruz. En basit şekliyle örnek listesi örneğimize dahil edebileceğimiz tüm ögeleri içeren bir listedir. Eğer bir hedeflenen evren ögesi örnek listesinde yer alıyorsa bu öge listemiz tarafından “kapsanıyor” demektir. Bazı ögeler hedef evrenimizde olabilirler ancak örnek listemize giremeyebilirler. Bu durumdaki ögelere “kapsam dışı” kalan ögeler diyoruz. Örneğimize katılım hakkı olmayan ögeler örnek listemizde olabilirler. Bir diğer kapsama sorunu da örnek listemizde birden fazla ögenin aslında hedef kitlede aynı ögeye karşılık gelmesi olarak tanımlanabilecek yinelenme sorunudur. Diğer yandan kümeleme sorunu diye nitelenebilecek bir diğer sorun kümesi de bazı örnek listelerinde tek bir ögeye tek bir hedef kitle ögesi karşılık gelirken bazı ögelerin kümelenmiş öge gruplarına karşılık gelmesi nedeniyle birden çok ögeye ulaşma olanağı vermesidir. Hedef kitleyi temsil amacıyla araştırma amaçlarımıza uygun olarak seçilmiş ögelere örneklem ya da örnek grubu diyoruz. Örneklem örnek listesinden seçilen ögelerdir ve sadece bu ögeler üzerinde gözlem ve ölçümler yapılır. Üzerinde gözlem ve ölçümlerin yapılacağı örnek ögelerini seçme sürecine örnekleme diyoruz. Gözlem ve ölçümlerin başarıyla yapıldığı ögeler örnek ögeleri ya da denekler olurlar ve başarıyla seçilip ölçümleri yerine getirilerek örneğe dahil edilirler. Kimi örneklemimize dahil edilen ögeler ya da deneklerin bazı ölçümleri eksik olabileceği gibi kimi örnekleme dahil olmak üzere seçilen ögelerden ölçüm almak mümkün olmayabilir. Her iki durumda da bir temsil sorunuyla karşı karşıya olduğumuz açıktır. Gözlem yapamama ya da deneklerden cevap alamama durumları açıktır ki örneklem seçiminde önemli bir sorundur. Bu sorunu örnekleme sürecinde alınabilecek önlemlerle en aza indirme gayretinde olmak gerekir.

Sık Kullanılan Hedef Kitleler ve Bunların Örnek Listeleri

Haneler ve Bireyler

Türkiye’de yaygın olarak kullanılan örnek listeleri arasında adrese dayalı nüfus kayıt sistemi (ADNKS) içinden seçilen hane adres listeleri, kentsel yerleşim bölgelerinden sokak isimleri, kırsal yerleşim bölgelerinden köy isimleri ve telefon listeleridir. Bu tür listelerin kişileri seçmek için kullanılması durumunda listede kayıtlı olmayan sokaklarda oturanlarla herhangi bir sokak olmaksızın şehirlerin uç bölgelerinde gecekondularda yaşayan vatandaşların kapsama dışı kalmaları söz konusudur. Bu aşamada her sokaktan gidilecek hane adresleri tespit edilmekte ve ardından her hane içinden görüşülecek bireylerin tespiti için bir yöntem takip edilerek hane içinden görüşülecek birey tespit edilmektedir. Birden çok hane sahibi olanlar için de bu tür listelerde yineleme nedeniyle örnek içine dahil olma olasılıkları daha yüksektir. Elbette bu tür bir örnekleme yönteminde kümeleme sorunu da yaşanmaktadır. Açıktır ki sokaklardan seçilecek hane adreslerinde eşit sayıda birey yaşamamaktadır. Çok kişinin yaşadığı hanelerdeki bireylerin örnek içine dahil olma şansları daha düşük olmaktadır. Telefon listeleri de benzer örneklem seçim sorunlarına yol açmaktadır.

Müşteri, Çalışan ya da Dernek, Kulüp vs. Üyelikleri

Pek çok zaman anket çalışmalarında müşteri, firma çalışanları, kulüp ya da dernek üye listeleri örnek listesi olarak kullanılmaktadır. Bu tür listelerin en büyük sorunu güncelleme sorunlarıdır. Pek çok zaman bu tür listelere bir defa giren kişiler üyelikten ayrılsalar, artık müşteri olmasalar bile listeden silinmemekte ve bu şekilde listede olmaması gereken pek çok kişi listede görünmektedir. Bu tür güncelleme ve listeye dahil olma süreçlerinin yakından takibi sağlıklı bir örnek listesi oluşturmanın en temel gereğidir.

Kurumlar

Kurumlardan oluşan hedef kitle ve bunların temel verdiği örnek listeleri farklı şekillerde ortaya çıkabilmektedir. Örneğin firma isim ya da adresleri farklı il ticaret odalarından elde edilebilir. Firma listelerinde temel sorun iflas eden ya da hâlen faaliyetine ara vermiş olan firmaların kullanılan listelerden düşülmemeleridir. Dolayısıyla listeler aktif olmayan firmayla doludur ve bu listelerde firma büyüklüklerine genelde ulaşılamamaktadır. Kurum listelerinin en sık rastlanılan sorunu da bu kurumlara ulaşılabilecek adres ve telefon numaralarının güncel olmamasıdır.

Olaylar

Pek çok zaman hedef evren evli çiftlerden ya da bir servisi almış müşterilerden, bir tür hastalığa yakalanmış ya da tedavi görenlerden, trafik cezası almış olanlar gibi belli özellikleri olan olaylara bağlıdır. Burada önemli olan açık bir “olay” tanımı bağlantısıyla mevcut arşivlere erişmek ve listeleri oluşturmaktır. Hangi tür olayların hangi zaman içinde gerçekleştiğine bağlı olarak örnek listelerinin oluşturulması gerekir. Bu tür örnek listelerinde de kümelenme ya da yinelenme gibi sorunlar gözlenebilir.

Nadir Hedef Kitleler

Kimi zaman hedef kitleleri nadir yapan doğrudan söz konusu özelliğin az bulunurluğudur. Kişilerin değişik nedenlerle söz konusu özelliklerini saklama eğilimine girmeleri de diğer bir nadir olma nedenidir. Örneğin cinsel tacizle karşı karşıya kalmak, ya da uyuşturucu kullanımı veya ilaç bağımlılığı gibi sorunlarla karşı karşıya olmak sıradan bir anket çalışması içerisinde kişilerle konuşularak bulunabilecek olgular değildir. Çoğu zaman ne derece yaygın olursa olsun kişiler bu tür tecrübelerini araştırmacıyla paylaşmayacak ve gerçek durumlarını saklama eğilimine gireceklerdir.

Neden Örneklem Seçelim Ki?

Bu soruya “zaman ve maliyet masraflarının yüksekliğinden kaçmak” diye cevap verilebilir. Kısıtlı büyüklükte bir örneklem ile görüşüldüğünde maliyetler çok daha uygun fiyatlı olmaya başlamaktadır. Yüksek sayıda saha çalışanı gereksinimi çalışmanın gerçekleştirilme süresini uzatacak ve sonuç olarak toplanan verinin hangi zamana ait bir veri olduğu belirsiz hâle gelecektir. Örneklem ile çalışırken öncelikle çalışma amaçlarına uygun hedef kitlenin belirlenmesi gerekecektir. Daha sonraki aşamada seçilecek örnek grubunun hedef kitleyi temsil edebilir özelliklere sahip olacak şekilde seçilmesi gerekir. En son olarak da seçilmiş olan örneklemin sadece örneklemden kaynaklanan hata boyutlarının belirlenmesi gerekir. Bu aşamalar sonunda elde edilen sonuçlarının tüm hedef kitleye nasıl genellenebildiği üzerinde düşünmek gerekir. Gözlem ve sorgulamalar bize temsil edilmeye çalışılan hedef kitleye dair genellemeler yapma olanağı sunabilmektedir.

Örneklemi Nasıl Seçelim?

Örneklem seçiminde iki temel farklılaşma var. Kabul gören ve istatistiki analiz için uygun örneklem seçim yöntemi rastsal örneklem seçimidir. Diğer rastsal olmayan örneklem yöntemleri türlü sorunlar içerir ve istatistiki analize de olanak tanımazlar. Rastsal olan örneklemlerin avantajlarının gözlenebilmesi de bazı özel şartlara bağlıdır. Bu şartların başında geniş örneklem ile çalışabilmek gelir. Rastsal örneklemin mantığı hedef kitlenin özelliklerinin bilinmediği sadece örneklem temelinde istatistiki olarak çıkarsama yöntemiyle tahmin edilmeye çalıştığı durumlarda işleyecektir. Seçim araştırmaları bu tür araştırmalarda özel bir yere sahiptir. Rastsal olan örneklem ile artı eksi belirlenebilen örneklem hatası varken diğer örneklem için böyle bir aralık üretilemez. Rastsal seçilmiş bir örneklemin rastsal olmayan örneklemlerden daha doğru sonuçlar üreteceği de garanti değildir.

Rastsal Olmayan Örneklem Seçimi

Rastsal olmayan yöntemlerin temel ortak özelliği uygulama kolaylığıdır ve seçilen ögelerin temsil yeteneği zedelenmiştir. Pek çok zaman bu yaklaşım bir elverişlilik örneklemesi yaklaşımıdır. Bir futbol maçında “haksız” penaltı kararını iki takım tarafları tamamen farklı değerlendirebilmektedir o hâlde tek bir tarafa ağırlık veren bir değerlendirmenin taraflı olma olasılığı yüksektir. Bir tipik mahalle ya da köy seçileceğinde hedeflenen “tipik” özelliklere sahip bir yerin seçiminde uzman değerlendirmesine başvurularak bir seçim yapılabilir. Bu yöntemin en önemli avantajı, seçilen kestirme gücü en yüksek “kilit ya da tipik” yerleşimdeki durumu en iyi şekilde sezerek ya da ölçerek daha geniş ve tahmin yapması çok daha güç bir hedef kitle için kestirmeden bir tahmin üretmektir. Kota örneklemi hedef kitledeki temel bazı özellikler temelinde grupların örnekleme kullanılan kotalar ile yansıtılmasından ibarettir. Detaylı kotalarla çalışıldığında elde edilen örneklemler seçilmiş kota değişkenlerinin özelliklerini mükemmel olarak yansıtabilirler. Ancak bu örneklemlerin yapamadığı şey elde edilen örneklemin hata düzeyinin tahminidir. Kota örneklemleri örneklem hatası tahmini yapamazlar. Kota örnekleminde unutulmaması gereken bir pratik kısıt da kota değişkenlerinin sayısı arttıkça kotaya uygun kişi bulmanın da git gide zorlaşmasıdır. Örneklem hatası hakkında bir çıkarımda bulunulamaması nedeniyle de bilimsel çalışmalarda da kota örneklemi yine kullanılmaz.

Rastsal Örneklemin Mantığı

Tüm ögelerin türdeş (homojen) bir yapıya sahip olduğu durumda ne örneklem büyüklüğünün ne de bu örneklemin seçiliş şeklinin bir önemi kalacaktır. Herhangi bir tek örnek tüm hedef kitleyi temsil edebilecektir. Şeker testi için kan örneği almak ya da beyaz peynir kalıbından bir ufak parça tatmak hep bu tür bir mantığın parçasıdır. Rastsal örnekleme “rastgele” örneklem demek değildir. Rastsal örnekleme gayet basit bir temel prensibe dayanır: rastsal örneklemde hedef kitledeki tüm ögelerin örnekleme seçilme şansları eşittir. Moser ve Kalton sınırlamasız rastsal örnekleme yöntemini hedef kitledeki tüm ögelerin örnekleme seçilme şanslarının eşit olduğu yöntem olarak tanımlar. Sınırlamasız rastsal örnekleme aynı zamanda ikameli bir örneklemedir. İkamesiz örneklemeye geçildiğinde basit rastsal örnekleme geçilmiş olur ve burada da hedef kitledeki her ögenin örnekleme seçilme şansı eşitlenmiştir. Prensip olarak hedef kitledeki ögelerin örnekleme seçilme şanslarının bilinmesi ya da hesaplanabilmesi ve bunların sıfırdan farklı olması rastsal örneklem için yeterlidir. Yani izlenilen yöntem seçilme şanslarının eşitliği prensibine dayanır. Bu temel prensibe uyan rastsal örneklem seçiminin iki temel avantajı vardır. Birincisi, her ne kadar hiçbir zaman tam olarak hedef kitleyi temsil edemese de diğer tüm yöntemlerden daha yüksek temsil gücüne sahiptirler. İkinci ve daha önemli bir avantaj rastsal örneklem ile seçilmiş örneklerde olasılık teorisi yardımı ile örneğimizin ne derece hata payı olduğu ya da doğruluk derecesi hesaplanabilir.

Birkaç İstatistiki Kavram

Herhangi bir istatistiğin standart hatası o istatistiğin örneklem dağılımının standart sapmasıdır. İstatistikte standart sapma bir dağılımın ortalama etrafında ne derece yayık bir şekilde dağıldığının bir ölçütüdür. Bir istatistiğin örneklem dağılımı o istatistiğin kuramsal olarak mümkün olan tüm değerlerinin eşit örneklem büyüklüğünde mümkün olan tüm örneklemler içindeki dağılımıdır. Merkezî limit teoremi ortalamanın örneklem dağılımının normal dağılım olduğunu ve bu dağılımın ortalamasının hedef kitle ortalamasına eşit olduğunu söyler. Ortalamanın örneklem dağılımının standart sapması da hedef kitlenin standart sapmasının gözlem sayısının kare köküne bölümüdür. Merkezî limit teoremi hedef kitlenin dağılımından bağımsız olarak buradan çekilecek bir örneklem dağılımının bu örneklemin büyüklüğü arttıkça normal dağılıma yaklaşacağını söylemektedir. Bu da örneklem dağılımlarının istatistiki kestirimlerde bulunmakta kullanılabileceğini belirtir. Örneklem büyüklüğü arttıkça ortalamanın kestirilen standart hatası düşmektedir. Standart hatayı düşürmek amacıyla örneklemenin büyüklüğünü arttırma eğilimi oldukça maliyetlidir. Kestirilen ortalamanın standart hatasını yarıya indirmek için örneklem büyüklüğünü dört katına çıkarmak gerekir.

Örneklem Büyüklüğü

Genellikle örneklem büyüklüğünün ne kadar olacağını pratikte projenin bütçesi belirler. Ana prensip olarak görece büyük örneklemler küçüklerinden daha avantajlıdırlar. Ancak elbette her zaman sorunun nihai cevabı araştırmacının amaçlarına bağlıdır. Çoğu zaman örneklem seçim yöntemi basit rastsal örneklem olmasa da sanki öyle olduğu varsayımı altında basit bir nominal evethayır cevaplı değişken ile çalışıldığı varsayımıyla oran için bir güven aralığı denklemi kullanılarak farklı varsayımlarda gerekli örneklem büyüklükleri hesaplanır. Örneklem büyüklüğü ile standart hata arasında negatif bir ilişki olduğu görülür. Güven aralığını daraltmak için git gide büyüyen örneklemlerle çalışmak gerekmektedir.

Basit Rastsal Örnekleme (Simple Random Sampling)

Basit rastsal örnekleme tüm rastsal örnekleme yöntemleri arasında bir referans noktası olarak kullanılan yöntemdir. Örnek listemizin elde edilmesini takiben yapmamız gereken bu listedeki her ögeye bir referans numarası vermektir. Örnek listemizin yinelenme ve kümelenme sorunlarından arındırılmış ve her ögenin tek bir referans numarası olmasıyla herhangi bir rastsal rakam tablosu ya da basit bir kişisel bilgisayar programı kullanarak istenilen sayıda rastsal olarak belirlenmiş rakam kullanılarak örneğimiz seçilebilir. Basit sistematik örneklem eğer örnek listemiz baştan rastsal bir şekilde oluşturulmuş bir listeyse basit rastsal örneklem seçim yöntemiyle bir farklılık göstermez. Ancak basit sistematik örneklem yönteminin bir tehlikesi vardır. Eğer örnek listesinde dönemsellik varsa ve bu dönemsellik örnek listesinde örneklem oranı ile örtüşürse o zaman basit sistematik örneklem yöntemi sistematik yanlı örnekler seçebilir.

Katmanlı Örnekleme (Stratified Sampling)

Katmanlı örnekleme yöntemi daha önce değinmiş olduğumuz temel bir gözleme dayanır. O gözlem de hedef kitlenin ne derece türdeş (homojen) ise çekilen örneklemin de o derece daha az örneklem hatası ürettiğidir. Eğer bir hedef kitlede var olan ögelerin %99’u bir görüşte ve sadece %1’i karşıt görüşte ise o zaman çekilen örneklemin bu farklılaşmayı çok ıskalama olasılığı düşüktür. Oysa hedef kitlenin yarısı bir fikirde diğeriyse bunun karşısında ise o zaman çekilen örneklemin hedefteki bu 50-50 bölünmüşlüğe uzak sonuç verme olasılığı daha yüksek olacaktır. Katmanlı örnekleme yöntemi bu gözlem temelinde işler ve hedef kitleyi türdeş alt gruplara ayırıp her birinden gerekli büyüklükte örnekleme yoluyla toplam örneklemi oluşturur. Sonuç olarak katmanlama elde hangi değişkenlerin olduğuna bağlıdır. Ancak başka pek çok değişkenle de yüksek oranda ilgileşim gösteren cinsiyet, eğitim, yaş, coğrafi bölge gibi değişkenler sık sık katmanlamada kullanılan değişkenlerdir.

Katmanlama yapılırken öncelikle seçilen değişkenler temelinde hedef kitle alt gruplara bölünür ve seçilecek örneklem içerisinde her alt grubun sahip olması gereken pay tespit edilir.

Küme Örneklemesi (Cluster Sampling)

Şimdiye kadar verilen örnekleme yöntemlerinde sonuç olarak bir liste oluşturulup bu listeden rastsal bir seçim ile örneklem seçiliyordu. Ancak pek çok sosyal araştırmada çalışılacak listeler ya bulunamaz ya da pratik olarak böyle listelerle çalışmak mümkün değildir. Küme örneklemesi iki adımdan oluşur: önce bir listeleme yapılır ardından da bu listeden bir seçim yapılır. Bu şekilde birincil örnekleme birimleri oluşturulur ve hatta gerekli şekilde katmanlanır. Sonra bu birimlerden örnekler seçilir. Bir sonraki aşamada da bu birimlerden ikinci örneklem birimleri aynı şekilde bir listeleme sonrasında örnek ikincil örnekleme birimleri seçilir ve bu şekilde bir aşamadan diğerine geçilerek nihai ölçümlerin yapılacağı birime kadar ilerlenir. Küme örneklemi etkinlik açısından tavsiye edilir. Ancak bu etkinlik bir başka maliyeti de beraberinde getirmektedir. Tek bir listeden yapılan basit rastsal seçim tek bir örneklem hatası içerirken, örneğin iki aşamalı bir küme örnekleminde iki örneklem hatası söz konusudur.

Büyüklüğe Orantılı Olasılıklı Örnekleme (BOOÖ) (Probability Proportionate to Size Sampling)

Önceki örneklemelerde listelenen kümelerin büyüklük açısından farklılıkları dikkate alınmamıştı. Yani her gidilen sınıfta farklı sayıda öğrenci varsa örneğin bu sınıflarda eşit sayıda öğrenci çekilmesi durumunda her ögenin seçilme olasılığı eşitlenmiş olmayacaktır. Az sayıda öğrencinin olduğu bir sınıfta herhangi bir öğrencinin seçilme olasılığı çok sayıda öğrenci olan bir sınıftakinden yüksek olacaktır. Oysa öncelikle sınıfları seçerken seçilme şanslarını her sınıftaki öğrenci sayısına oranlı olarak hesaplasak ve ardından da her sınıftan eşit sayıda öğrenci seçersek o zaman her öğrencinin seçilme şansını eşitleyebiliriz. Elbette eğer bütün kümeler eşit büyüklükte ise bu yönteme gerek kalmayacaktır.

Anket/kamuoyu çalışmalarında temel olarak hatalar iki ayrı kaynaktan gelir. Birinci hata kaynağımız ölçüm sorunlarımıza ilişkindir. Burada kavramlaştırmayı takiben soruların dillendirilmesi ve sahada veri toplamaya kadar değişik kaynaklarda hata yapılabilmektedir. Nihai olarak elde edilen verilerin işleme sokulması aşamasında da kodlama, bilgisayara geçirme gibi süreçlerde de hata yapılması beklenir. İkinci ana hata kaynağı ise örneklemin temsil yeteneğine dairdir. Örnekleme sürecinde karşılaşılan güçlükler, saha çalışması sırasında deneklere ulaşılamamasından kaynaklanan hatalar dikkate alınmalıdır. Ancak unutulmamalıdır ki tüm çabalara rağmen örnekleme süreci hiçbir zaman hedef kitledeki gerçek değerleri bilinen değişkenlerin tam bir yansımasını veremeyecektir.

Ağırlıklandırma

Türkiye nüfusunun illere ve kır-kent ayrımına göre nüfus bilgileri doğrultusunda örneklem seçimi yapılsa, elde edilen örneklemin bölgesel dağılımı eldeki bu verilerden farklılaşmaktadır. Bunun pek çok değişik nedeni olabilir. Örneklemde bulunması gereken görüşme sayıları bölgelere dağıtılmış olsa da her bölgede yürütülen saha çalışmasında istenilen sayıda anket belirlenen süre içinde tamamlanamayabilmektedir. Yapılan kontroller sonucu bazı anketlerin iptal edilmesi de gerekebilmekte sonuç olarak bölge dağılımını tam yansıtmayan bir sonuç elde edilmektedir. Bu sonuçları ağırlıklandırma ile amaçlanan dağılıma benzetebiliriz.

Her bölgeden aynı büyüklükte örneklemler bir araya getirildiğinde ülke genelindeki bölge dağılımından sapılmış olunacaktır. Bunu düzeltmek için verilecek ağırlıklar hesaplanır. Ağırlık değerleri bu şekilde hesaplandıktan sonra tüm işlemleri gözlemlerin farklı ağırlıkları dikkate alarak gerçekleştirmektedir.

İlgili Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak.