Parametrik Analizler Nelerdir? Felsefi Bir Bakış
Bir sabah önümüzde iki farklı sonuç olduğunu düşünelim: Bir araştırma, insanların büyük çoğunluğunun belirli bir tercihi yaptığını söylüyor; başka bir çalışma ise aynı konuya farklı bir pencereden bakarak bambaşka bir tablo ortaya koyuyor. Hangisine inanırız? Daha önemlisi, bir sonucun sayısal olması onu otomatik olarak doğru yapar mı?
“Parametrik analizler nelerdir?” sorusu ilk bakışta istatistiksel bir teknik sorusu gibi görünür. Oysa biraz derine indiğimizde karşımıza epistemoloji, ontoloji ve etik çıkar. Çünkü istatistik yalnızca sayıları hesaplamaz; dünyayı nasıl temsil ettiğimiz ve hangi bilgiyi güvenilir kabul ettiğimiz konusunda da kararlar verir.
Parametrik Analiz Nedir?
Parametrik analizler, belirli istatistiksel varsayımlar altında çalışan ve verilerin ait olduğu toplumun bazı özelliklerini parametrelerle ifade eden yöntemlerdir. Özellikle ortalama, varyans ve standart sapma gibi ölçüler önemli rol oynar.
Bu analizlerde genellikle:
- Verilerin belirli bir dağılıma, çoğunlukla normal dağılıma, uygunluğu,
- Gözlemlerin bağımsızlığı,
- Varyansların homojenliği gibi varsayımlar
dikkate alınır.
Yaygın parametrik yöntemler arasında t testi, ANOVA, Pearson korelasyonu ve çeşitli regresyon analizleri bulunur.
Ancak burada önemli bir felsefi soru ortaya çıkar: Gerçeklik gerçekten kullandığımız matematiksel modele uyduğu için mi model başarılıdır, yoksa biz gerçekliği modelin sınırları içinde mi görürüz?
Epistemoloji: Sayılar Bilgiyi Nasıl Üretir?
Bilgi kuramı açısından parametrik analizler, “Neyi bilebiliriz?” sorusunu gündeme getirir.
Örneğin iki grubun ortalamalarını karşılaştıran bir t testi, gözlenen farkın tesadüfi dalgalanmayla açıklanıp açıklanamayacağı konusunda istatistiksel çıkarım yapar. ANOVA ise birden fazla grubun ortalamaları arasında anlamlı farklılık olup olmadığını araştırabilir.
Hume ve Şüphe
David Hume, gözlemlerden kesin nedensel sonuçlara ulaşma konusunda dikkatli olunması gerektiğini savunuyordu. Bu yaklaşım günümüz istatistiksel analizleri açısından hâlâ düşündürücüdür.
Bir korelasyon bulmak, mutlaka nedensellik bulunduğu anlamına gelmez. Örneğin bir toplumda iki davranış aynı anda artabilir. Fakat bu durum birinin diğerine neden olduğunu kanıtlamaz.
Dolayısıyla parametrik analiz bize güçlü bir kanıt sunabilir; fakat “kesin gerçek” ile “istatistiksel olarak desteklenen açıklama” arasında önemli bir mesafe vardır.
Popper ve Yanlışlanabilirlik
Karl Popper açısından bilimsel bilginin önemli özelliklerinden biri yanlışlanabilir olmasıdır. Parametrik analizler de hipotezleri sınamak için kullanılabilir.
Fakat burada da tartışmalı bir nokta vardır: İstatistiksel anlamlılık, bilimsel önemin garantisi değildir. Çok büyük örneklemlerde küçük ve pratik açıdan önemsiz farklar bile istatistiksel olarak anlamlı çıkabilir.
Bu nedenle “p < 0,05” gibi tek bir eşik üzerinden bilimsel gerçekliği değerlendirmek, günümüzde giderek daha fazla eleştirilmektedir.
Ontoloji: Ölçtüğümüz Şey Gerçekten Var mı?
Ontoloji, varlığın ve gerçekliğin doğasını sorgular. Parametrik analizlerle ilişkilendirildiğinde oldukça ilginç bir soru ortaya çıkar:
Bir değişkeni ölçmek, onun gerçekliğini garanti eder mi?
Örneğin “yaşam memnuniyeti” gibi soyut bir kavramı sayısal bir ölçeğe dönüştürebiliriz. Fakat ölçekte elde edilen puan, kişinin bütün deneyimini gerçekten temsil ediyor mu?
Aristoteles gerçekliği kategoriler ve nedenler üzerinden anlamaya çalışırken, Descartes kesin bilgiye ulaşmanın yollarını sorguluyordu. Kant ise deneyimlediğimiz dünyanın zihinsel kategoriler aracılığıyla biçimlendiğini savunuyordu.
Bu düşünceler günümüz veri analizlerine farklı bir ışık tutar. Çünkü istatistiksel model yalnızca veriyi açıklamaz; hangi özellikleri görünür, hangilerini görünmez kıldığımızı da etkiler.
Etik: İstatistiksel Doğruluk Yeterli midir?
Etik açısından parametrik analizlerin en önemli sorunlarından biri, sayısal doğruluğun ahlaki doğrulukla aynı şey olmamasıdır.
Bir algoritmanın belirli bir grubu istatistiksel olarak daha yüksek riskli göstermesi, o gruba farklı davranmanın etik açıdan haklı olduğu anlamına gelmez.
Günümüzde yapay zekâ, eğitim, sağlık ve işe alım sistemlerinde istatistiksel modellerin kullanılması bu problemi daha görünür hâle getiriyor. Bir model geçmişteki eşitsizlikleri öğrenmişse, matematiksel açıdan başarılı görünmesine rağmen mevcut ayrımcılıkları yeniden üretebilir.
Burada şu sorular önem kazanır:
- Veriyi kim topladı?
- Hangi gruplar araştırmaya dahil edilmedi?
- Modelin hatasının bedelini kim ödüyor?
- İstatistiksel başarı hangi etik maliyet karşılığında elde edildi?
Parametrik Analizlerin Başlıca Türleri
T Testi
İki grubun ortalamaları arasındaki farkı incelemek için kullanılır. Örneğin iki eğitim yönteminin sınav puanları üzerindeki etkisi karşılaştırılabilir.
ANOVA
Üç veya daha fazla grubun ortalamaları arasındaki farklılıkları değerlendirmek için kullanılır. Ancak anlamlı sonuç bulunduğunda hangi grupların farklı olduğunu anlamak için ek testlere ihtiyaç duyulabilir.
Pearson Korelasyonu
İki sürekli değişken arasındaki doğrusal ilişkinin yönünü ve gücünü ölçer. Fakat korelasyonun nedensellik olmadığını unutmamak gerekir.
Regresyon Analizi
Bir değişkenin diğer değişkenlerle ilişkisini modellemek ve belirli koşullarda tahmin yapmak için kullanılır. Günümüzde ekonomi, sağlık, eğitim ve yapay zekâ uygulamalarında oldukça yaygındır.
Güncel Tartışmalar: p Değeri ve Ötesi
Modern istatistikte parametrik analizlerin kendisinden çok, nasıl yorumlandıkları tartışılmaktadır. p değerinin mekanik biçimde kullanılması, araştırmacıların yalnızca “anlamlı” sonuçları öne çıkarması ve yayın yanlılığı önemli sorunlar arasındadır.
Bu nedenle güven aralıkları, etki büyüklükleri, ön kayıt uygulamaları ve Bayesçi yöntemler daha fazla önem kazanmıştır.
Bayesçi yaklaşım ayrıca epistemolojik açıdan ilginçtir. Çünkü yeni kanıt geldiğinde önceki inançların nasıl güncelleneceğini açıkça modele dahil eder. Böylece istatistik, yalnızca “sonuç nedir?” sorusundan “kanıt geldikçe inancımız nasıl değişmeli?” sorusuna doğru genişler.
Bu yazıyı sonlandırırken Parametrik analizler nelerdir hakkında sizlere değer katabildiysek memnun oluruz.
Sonuç: Sayılara Bakarken Gerçekliği Unutmamak
Parametrik analizler; t testi, ANOVA, Pearson korelasyonu ve regresyon gibi güçlü yöntemlerle veriler arasındaki ilişkileri anlamamıza yardımcı olur. Fakat onların gücü, varsayımlarını ve sınırlarını bilmekle anlam kazanır.
Felsefe bize burada önemli bir uyarı yapar: Bilgi yalnızca hesaplamak değil, neyin hesaplandığını sorgulamaktır.
Bir tabloya baktığımızda yalnızca ortalamaları değil, o ortalamaların arkasındaki insanları da görebiliyor muyuz? Bir modelin “doğru” sonucuna ulaştığımızda, bunun etik sonuçlarını düşünüyor muyuz? Ve belki de en zor soru şudur: Gerçekliği sayılarla daha iyi mi tanıyoruz, yoksa sayılara sığmayan gerçeklik parçalarını sessizce geride mi bırakıyoruz?