Birçok tezde istatistiksel test teknik olarak doğrudur. Regresyon doğru çalışır, sonuçlar doğru hesaplanır ve korelasyon katsayısı yerli yerindedir. Yazılım hata vermez ve tablolar akademik formata uygundur. Ancak analiz doğru olsa da modelin yanlış olma olasılığı sanılandan daha çoktur. Danışmandan modelin gözden geçirilmesi gerektiğine dair geri bildirim geldiyse bu sorunun testin nereye oturduğunda olduğunu gösterir.
Analiz Doğruysa Sorun Nerede Olabilir?
İstatistiksel analiz, bir aracın kendisidir. Model ise o aracın hangi yapıyı test ettiğini belirleyen mimaridir.
Yanlış model şu durumlarda ortaya çıkar:
- Bağımlı ve bağımsız değişkenlerin kuramsal konumunun hatalı belirlenmesi
- Aracı ya da düzenleyici değişkenlerin göz ardı edilmesi
- Kontrol değişkenlerinin modele dahil edilmemesi
- Çok değişkenli yapı gerektirirken basit analizle yetinilmesi
- Nedensel iddia varken yalnızca ilişki testi yapılması
Yani problem hesaplama yerine kurgudadır.
Mesela bir araştırmada liderlik tarzının çalışan performansı üzerindeki etkisi inceleniyor diyelim.
Araştırmacı şu modeli kuruyor: Liderlik > Performans
Basit regresyon analizi yapılıyor ve sonuç anlamlı çıkıyor. Teknik olarak her şey doğru.
Ancak literatür şunu söylüyor: Liderlik, performansı doğrudan değil, çalışan motivasyonu üzerinden etkiler. Motivasyon ise aracı değişkendir. Ayrıca performans üzerinde çalışma süresi ve eğitim düzeyi gibi kontrol değişkenleri de etkilidir.
Eğer model şu şekilde kurulmuş olsaydı: Liderlik > Motivasyon > Performans (+ kontrol değişkenleri) test edilen yapı kuramsal olarak daha güçlü ve açıklayıcı olurdu.
İlk modelde hesaplama hatası yoktur. Regresyon ve p değeri doğrudur. Fakat test edilen yapı eksiktir. Sonuç olarak analiz doğru, model yetersizdir.
İşte model hatası tam olarak budur: İstatistiksel araç çalışır, fakat test edilen yapı araştırma sorusunun teorik derinliğini yansıtmaz.
Model Yanlışlığı Ne Anlama Gelir?
Model yanlışlığı genellikle üç düzeyde görülür:
Kuramsal Uyumsuzluk
Kuramsal çerçeve A değişkeninin B’yi etkilediğini söylüyor olabilir. Siz ise B’yi bağımsız değişken olarak konumlandırmış olabilirsiniz. Bu durumda analiz doğru çalışır; fakat test edilen yapı teorik iddiayla örtüşmez.
Savunma sürecinde en hızlı fark edilen problemlerden biri budur.
Yapısal Eksiklik
Modelinizde bulunması gereken:
- Aracı değişken
- Düzenleyici değişken
- Kontrol değişkeni yer almıyorsa, analiz teknik olarak doğru olsa bile eksik bir resmi test ediyorsunuz demektir.
Yapısal eksiklikler şu riskleri doğurur:
- Etkinin olduğundan zayıf görünmesi
- Yanlış anlamlılık sonuçları
- Açıklayıcılık oranının düşük kalması
- Hakem veya danışman eleştirisi
Analiz Düzeyi Hatası
Bazı araştırmalar çok değişkenli model gerektirir. Ancak öğrenciler sıklıkla:
- Çoklu regresyon yerine tekli regresyon
- Yapısal eşitlik modeli yerine basit korelasyon
- Hiyerarşik yapı varken düz analiz tercih edebilir.
Bu durumda test hatalı değildir; fakat model kapasitesi yetersizdir.
“Program Doğru Çalıştı Ama Danışman Beğenmedi” Durumu
Veri analizi programı doğru çalışsa da danışmandan olumsuz geri dönüş alınan senaryolar akademik çevrede oldukça yaygındır.
Sebebi ise yazılımın size şunları sormamasıdır:
- Bu değişken gerçekten bağımlı mı?
- Kuramsal modelin bu mu?
- Kontrol değişkeni eklemek gerekir miydi?
- Bu ilişkiyi test etmek için bu analiz yeterli mi?
Yazılım hesap yapar. Akademik tutarlılığı denetlemez. Model planlaması bu nedenle analizden önce gelir.
Model Yanlışsa Ne Olur?
Model yanlışlığı çoğu zaman sessiz ilerler. Analiz yapılır, tablolar hazırlanır ve bulgular yazılır. Sorun genellikle danışman geri bildirimi ya da savunma provasında görünür hale gelir. Çünkü model, çalışmanın mantık omurgasıdır. Omurga eğriyse tablo düzgün görünse bile yapı sorgulanır.
Yanlış model şu sonuçlara yol açabilir:
Revizyon Talebi
Danışman genellikle doğrudan analizi değil, kurguyu sorgular:
- “Bu değişken neden bağımsız?”
- “Aracı değişken düşünülmedi mi?”
- “Kontrol değişkeni eklenmeli.”
Revizyon talepleri sonrasında genellikle analiz baştan değil, model çerçevesi yeniden yapılandırılarak revize edilir.
Analizin Yeniden Yapılması
Model değiştiğinde:
- Yeni değişken rolleri tanımlanır.
- Farklı test türü gerekebilir.
- Çoklu analiz yerine yapısal modelleme tercih edilebilir.
Yeniden analiz yapmaya işaret etseler de bu gibi durumlarda veri seti çoğu zaman aynıdır.
Bulguların Yeniden Yazılması
Model değişikliği sadece tabloyu değil, metni de etkiler:
- Hipotez sıralaması değişebilir.
- Bulgular bölümü yeniden kurgulanır.
- Tartışma kısmı teorik olarak yeniden temellendirilir.
Yani sorun anlatının bütünlüğüdür.
Savunmada Yoğun Sorgulama
Savunma jürisi genellikle şu noktaya odaklanır: “Bu modeli neden bu şekilde kurdunuz?”
Eğer kuramsal gerekçe net değilse, teknik olarak doğru analiz bile zayıf görünür. Model savunulabilir değilse, sonuçlar da bir o kadar kırılgan hale gelir.
Makale Aşamasında Hakem Reddi
Makale sürecinde hakemler özellikle model tutarlılığına bakar:
- Kuramsal çerçeve ile analiz uyumlu mu?
- Değişken rolleri doğru konumlandırılmış mı?
- Model açıklayıcılığı yeterli mi?
Model eksikse sonuç ne kadar anlamlı olursa olsun çalışma metodolojik açıdan yetersiz bulunabilir ve bu da çalışmanın reddine yol açabilir.
En kritik süreçte genellikle veri seti değişmez ama model değişir. Bu oldukça önemli bir ayrımdır. Model revizyonu:
- Yeni veri toplamak anlamına gelmez.
- Tezi iptal etmek anlamına gelmez.
- Baştan yazmak anlamına gelmez.
Anlamı şudur: Aynı veriye daha doğru bir teorik bakış getirmek.
İstatistiksel çıktılar çoğu zaman yeniden üretilebilir. Ancak kuramsal tutarlılık baştan kurgulanmalıdır. Model doğru konumlandığında analiz anlam kazanır; aksi halde doğru hesaplama bile yanlış soruyu cevaplamış olur.
Model Yanlışlığının İşaretleri Nelerdir?
Aşağıdaki durumlar model sorunu ihtimalini güçlendirir:
- Hipotezleriniz analiz sonuçlarıyla sistematik eşleşmiyor.
- Bulgular bölümünü yazarken zorlanıyorsunuz.
- Danışman “Kurgu net değil” diyor.
- Anlamlılık çıktı ama teorik olarak açıklamakta zorlanıyorsunuz.
- R² düşük ve nedenini yorumlayamıyorsunuz.
Model yanlışlığının bu önemli belirtileri test hatasından çok model kurgusu sorununa işaret eder.
Model Nasıl Doğru Kurgulanır?
Sağlam bir model kısaca ve en iyi şekilde şu adımlarla oluşturulur:
- Araştırma soruları netleştirilir.
- Kuramsal çerçeve içindeki değişken rolleri belirlenir.
- Değişken türleri (sürekli, kategorik vb.) doğru sınıflandırılır.
- Uygun analiz düzeyi belirlenir.
- Varsayım kontrolleri planlanır.
- Raporlama yapısı önceden tasarlanır.
Kurgulama süreci oturtulmadan seçilen analizler, teknik olarak doğru olsalar da metodolojik olarak eksik olurlar.
Model Revizyonu Baştan Başlamak Demek Değildir
Model hatası fark edildiğinde öğrencilerin ilk tepkisi genellikle panik ve kaygıdır.
Oysa çoğu durumda şu faktörlerin olduğu unutulmamalıdır:
- Veri seti kullanılabilir durumdadır.
- Mevcut analiz çıktıları referans olarak değerlendirilebilir.
- Yeni model mevcut veriye entegre edilebilir.
- Bulgular yeniden yapılandırılabilir.
Dolayısıyla süreç tamamen sistematik bir model revizyonudur. Tüm tezin iptal edilmesi gerekmez.
Ne Zaman Uzman Değerlendirmesi Gerekir?
Modelin teknik ve kuramsal açıdan incelenmesi gerekiyorsa ve aşağıdaki durumlar da mevcutsa, çok daha fazla dikkat etmek ve profesyonel görüşleri değerlendirmek gerekir.
Eğer:
- Analizin doğru göründüğü ama eksik kısımların olduğu durumlar
- Danışmanın model üzerine yoğunlaştığı durumlar
- Savunma öncesi risk alınmasının istenmediği durumlar
- Makale yayın sürecine hazırlanılan durumlar
Model planlaması, veri analiz sürecinin en kritik aşamasıdır. Doğru test seçimi kadar, doğru yapıyı test etmek de önemlidir. Model doğruysa analiz anlam kazanır. Model yanlışsa, doğru analiz bile yanlış soruyu cevaplar.Tezinizde analiziniz doğru olsa bile model kurgusunun akademik açıdan güçlü olup olmadığını değerlendirmek için Uzman Veri Analizi ile buradan iletişime geçebilirsiniz. Bu profesyonel değerlendirme, olası revizyon risklerini azaltır ve tezinizin savunulabilirliğini artırır.
