Blog

İstatistiki Veri ve Analize Dair Birkaç Not

Doç. Dr. Zübeyir Nişancı · 11 Kasım 2026 · 4 dk okuma

1. Çelişmezlik ilkesi: verinin mantıksal temeli

İstatistiki veri oluşturmanın temel prensibi, Aristo mantığındaki çelişmezlik (law of noncontradiction) ilkesidir. Yani bir şey aynı zamanda ve aynı kıstasa göre hem kendisi hem de kendisinden başkası olamaz.

O yüzden istatistiki veri en temelde 1 ve 0 gibi ayrışık kategoriler olarak kurgulanır ve toplanır. Örneğin bir kişi ya ilkokul mezunudur ya da değildir; hem mezun hem de mezun değil olması mümkün değildir. Bu durum ikiden (1 ve 0) çok değer alabilen sayısal değişkenler için de aynıdır.

Örneğin bir kişi ya 25 yaşındadır ya da değildir; ya 35 yaşındadır ya da değildir. O yüzden aynı kıstas üstünden veriler sadece bir kategoriye kodlanır. Böylece sayısal değişkenlerin her bir değeri, istenildiğinde kukla değişkene (1 ve 0) dönüştürülebilir. Örneğin 35 yaşında ise 1, değilse 0.

İstatistiki veri, 0 ve 1 üzerine kurulu yapısıyla, ölçtüğü şeylerin hepsinin baktığı kıstasa göre tek mahiyetli olduğunu kabul ederek ilerler. Bu da aslında çelişmezlik ilkesinin türevleri olan "üçüncü hâlin imkânsızlığı" ve "özdeşlik" prensiplerinin istatistikteki yansımalarıdır.

Bu hâliyle istatistiğin epistemolojik olarak gri alanı yoktur. Tartışmaya açtığı şey sadece sabit mahiyetlerin tespit ve ölçüm metotlarıdır.

2. İhtimal, görecelik demek değildir

İstatistik ihtimal üzerine kuruludur. Örneklem üzerinden yapılan çıkarımlar zaten ihtimal üzerinedir. Bütüne dair özet istatistikler de ihtimaller olarak ifade edilir. Bir sınıfta 20 kız, 20 erkek öğrenci varsa rastgele seçilecek bir öğrencinin kız olma ihtimali %50'dir.

İstatistiğin ihtimal üzerine kurulması, onun yöntem olarak "hakikat görecelidir" veya "tek bir doğru yoktur" fikri üzerine kurulduğu anlamına gelmez. Aksine ihtimaller, doğruların kategorik kabulüne dayanır. Çünkü tanımlanmış bir şeyin ihtimali olur; tanımsızın ihtimali olmaz.

Buradaki ihtimal, (kimliği) var olanın (ne kadar / kaç defa) gözlemlenip gözlemlenmeyeceği ve bunu bizim bilebilme veya öngörebilme kapasitemizle (veya bu iş için kullandığımız araçların kapasitesiyle) ilgilidir.

3. Mekanik nedensellik ve hipotez testi

İstatistikteki nedensellik mekaniktir (Newton fiziğine benzer). İstatistiki analiz açısından sebep olan ile sebep olunan arasında, nedensellik hiyerarşisi bakımından üst-alt ilişkisi yoktur. İlişkisi irdelenen her şey aynı varlık düzlemindedir.

Onların ötesinde, onların ilişkisini ve bu ilişkinin sonucunu belirleyen bir nihai neden (final cause) veya üst gaye (telos) yoktur. Olsa da istatistiki analizin konusu değildir; çünkü telos ve nihai gaye onun epistemolojik metodunun dışındadır.

Telos veya nihai neden üzerinden anlama çabası olmadığında, aynı düzlemdeki kuvvetlerin nedensellik ilişkisi testi (hipotez testi) anlama faaliyetinin merkezinde oluyor. Aynı şekilde sosyal istatistikte kullanılan modellerin neredeyse tamamı hipotez testi üzerine kuruludur.

4. Nedensellik anlatısı kurgusaldır

Her türlü nedensellik anlatısı, doğru ya da yanlış olmaktan bağımsız olarak kurgusaldır. Yani insanın zihninde sebep olanlar ile sebep olunan arasındaki ilişki bağlarını kurmasıyla (anlaması veya öyle zannetmesiyle) ilgilidir.

Fiziki dünyada da öyle olmakla beraber, anlamlandırmanın dâhil olmasıyla insanla ve insan ilişkileriyle ilgili nedensellik ilişkileri çok daha karmaşıktır.

İnsan, fiziki dünyadaki (telos ve nihai nedenden bağımsız) nedensellik ilişkilerini, genel olarak bilimde de olduğu gibi, basite indirgeyerek, hatta teker teker anlamaya çalışır. Fizik, kimya, biyoloji gibi disiplinlerin farklılaşması bile bununla ilgilidir.

Sonra o teker teker anlamaya çalıştığı şeyleri veya yönleri birleştirerek daha bütüncül anlama yöntemleri geliştirmeye çalışır. İşte bu anlama çabası bir kurgudur.

Teker teker test edilen ilişkilerin bütünleştirilmesinde izlenen kurgulama yoluna istatistikte model oluşturma deniyor. Çoklu regresyon modelleri bunların en güzel örneğidir.

Dolayısıyla istatistiki analiz kurgusaldır. Bir istatistik programına en anlamsız ve en alakasız şeyler arasındaki ilişkiyi test etmesini söylerseniz, veri yapısında bir sorun yoksa o analiz için sonuç alırsınız.

Bu durumda program size dur demez. Çünkü onda, istatistiki işlemin yapısındaki nedensellik ilişkisinin tabiatını test edecek bir sistem yok. Kurgu insanın zihninde olduğu için ona makinenin yapacağı bir şey bulunmuyor. Onu düzeltmek, insanın kurguyu gözden geçirmesine bağlı.

Sonuç: Yöntem bilgisi yetmez, muhayyile gerekir

(Özellikle çıkarımsal) istatistiğin ihtimallere ve karmaşık nedensellik ilişkilerini kurgusal olarak anlamaya dayalı olması, tutarlı analiz modelleri oluşturmayı zorlaştırıyor.

Bu da dolaylı olarak şu demek: İstatistiki metotların nasıl işlediğini çok iyi bilmek, doğrudan sosyal alanlarla ilgili doğru modeller kurabileceğiniz anlamına gelmez. Bunun için daha çok sosyolojik (ekonomik, psikolojik vb.) muhayyile gerekiyor.

Ancak şu var: Test etme araçlarının imkân ve sınırlılıklarını bilmek, bu muhayyileyi zenginleştirebiliyor.

Topluluk notu: derslerle bağlantısı

• Kategorik değişken ve kukla (dummy) değişken: 1. bölüm, derste gördüğümüz değişken türlerinin mantıksal zeminini anlatıyor. R'da ifelse(yas == 35, 1, 0) tam olarak bu dönüşümdür.
• Örneklem ve çıkarım: 2. bölüm, 2. dersteki popülasyon–örneklem ayrımının neden ihtimal diliyle konuşulduğunu açıklıyor.
• Korelasyon ≠ nedensellik: 3. ve 4. bölümler, programın "anlamsız" ilişkiler için de sonuç üreteceği uyarısıyla dersteki korelasyon konusunu tamamlıyor.