Veri ve Veri Kaynakları: Birincil ve İkincil Veri

Veri ve veri kaynakları, istatistiksel bir araştırmanın neyi ve nereden aldığını tanımlar. Veri, bir birimin (kişi, hane, kurum, nesne) ilgilenilen özelliklerine ait kayıtlı değerlerdir. Veri kaynağı ise bu değerlerin nereden geldiğidir: araştırmacı veriyi kendisi toplarsa birincil, başkasının topladığı veriyi kullanırsa ikincil kaynaktan söz edilir.

Hangi kaynağın kullanıldığı, verinin araştırma sorusuna ne kadar uyduğunu ve sonuçların ne kadar güvenilir olduğunu doğrudan etkiler. Bu yazı istatistik ve veri analizi yazısının devamıdır.

Veri nedir?

Bir ankete katılan kişinin yaşı, mesleği ve memnuniyet puanı birer veridir. Bir hastanenin bir aydaki başvuru sayısı da öyle. Her özellik bir değişkendir. Bir değişkenin aldığı değerler sayısal ya da kategorik olabilir; bu ayrım nicel ve nitel değişken yazısında anlatılır.

Veri tek başına bir anlam taşımaz. Bir değerin anlamı, nasıl tanımlandığı, kimden ve nasıl toplandığı biliniyorsa ortaya çıkar. Bu yüzden veriyle birlikte onun nasıl üretildiğini anlatan bilgi de saklanır: değişken tanımları, ölçüm birimleri, örnekleme yöntemi ve toplama tarihi.

Veriler nereden geldiklerine göre iki gruba ayrılır: birincil ve ikincil kaynaklar.

Birincil veri kaynakları

Birincil veri, araştırmacının kendi araştırma sorusu için doğrudan topladığı veridir. Neyin, kimden ve nasıl ölçüleceğine araştırmacı karar verir.

Birincil veri hangi yollarla elde edilir?

Anket ve ölçek: Yüz yüze, telefonla, postayla ya da çevrim içi form ile
Deney: Koşulların araştırmacı tarafından belirlendiği desenler (ör. iki öğretim yönteminin karşılaştırılması)
Gözlem: Davranışın ya da durumun yerinde kaydedilmesi
Ölçüm: Laboratuvar testi, cihazla ölçüm (kan basıncı, boy, ağırlık)
Görüşme: Yapılandırılmış ya da yarı yapılandırılmış görüşmeler

Birincil kaynakların artıları

Veri, araştırma sorusuna göre tasarlanır: gereken değişkenler gereken tanımla ölçülür.
Hedef kitle ve örnekleme yöntemi araştırmacının elindedir.
Verinin nasıl toplandığı bilinir; ölçüm hataları ve eksik veriler belgelenebilir.

Birincil kaynakların sınırlılıkları

Zaman ve maliyet ister; büyük ve temsilî bir örneklem kurmak zordur.
Yanıt vermeme: Katılımcıların bir kısmı yanıt vermez. Yanıt verenler vermeyenlerden farklıysa sonuçlar yanlı olur.
Ölçüm hatası: Soru ifadesi, görüşmecinin etkisi ya da katılımcının yanlış hatırlaması sonucu bozabilir.

Yanıt oranı tek başına yanlılığın ölçüsü değildir. Groves ve Peytcheva’nın (2008) 59 çalışmalık meta-analizi, yanıt oranı ile yanlılık arasındaki ilişkinin zayıf olduğunu gösterdi. Yanlılık aynı anketin farklı tahminleri arasında da büyük ölçüde değişiyordu. Bu bulgu, yanlılığın yanıt verme eğiliminin ölçülen değişkenle ilişkisine bağlı olduğu görüşüyle uyumludur. Bu yüzden yanıt oranını artırmak kadar, yanıt verenlerle vermeyenlerin bilinen özelliklerini karşılaştırmak da önemlidir.

İkincil veri kaynakları

İkincil veri, başka bir kişi ya da kurumun başka bir amaçla topladığı ve araştırmacının yeniden kullandığı veridir. Resmî istatistikler, kurum kayıtları ve başka araştırmaların paylaşılan verileri ikincil kaynaktır.

İkincil veri hangi yollarla elde edilir?

Resmî istatistikler: TÜİK (nüfus, işgücü, enflasyon), bakanlıkların yayımladığı istatistikler
Uluslararası kuruluşlar: Dünya Sağlık Örgütü (WHO), OECD, Eurostat, Dünya Bankası
Kurum kayıtları: Hastane kayıtları, okul ve belediye kayıtları
Araştırma verisi arşivleri: Başka araştırmaların paylaşıma açtığı veri setleri

İkincil kaynakların artıları

Toplama zamanı ve maliyeti araştırmacıya düşmez; erişim izni ya da ücreti, belgeleri okumak ve veri temizliği yine de zaman ve para alabilir.
Çoğu zaman tek bir araştırmacının toplayamayacağı kadar büyük ve uzun dönemli veri sunar.
Geçmişe dönük karşılaştırma ve yeniden analiz imkânı verir.

İkincil kaynakların sınırlılıkları

Başka bir amaçla toplandığı için gereken değişken eksik olabilir ya da farklı tanımlanmış olabilir.
Verinin nasıl toplandığı ve ne kadar eksik olduğu her zaman belgelenmez.
Güncel olmayabilir; kurumlar arasında ölçüm birimleri ve kapsam farklı olabilir.
Büyük olması yanlılığı gidermez. Seçici bir kaynaktan (yalnızca bir hastaneye başvuranlar gibi) gelen büyük bir veri seti, yanlış bir sonucu yalnızca daha kesin gösterir (Kaplan vd., 2014).

Örnek: aynı soru, iki kaynak

Bir ilçede yetişkinlerde diyabet sıklığını öğrenmek isteyen bir araştırmacının iki yolu vardır:

	Birincil kaynak	İkincil kaynak
Nasıl	İlçeden rastgele seçilen 600 yetişkine anket ve kan şekeri ölçümü	İlçedeki sağlık kuruluşlarının kayıtlarındaki diyabet tanıları
Tanım	Araştırmacı belirler (ör. açlık kan şekeri ölçütü)	Kayıttaki tanı; ölçütü bilinmeyebilir
Kapsam	Örneklem planına göre bütün yetişkinleri temsil edebilir	Yalnızca sağlık kuruluşuna başvurmuş kişiler
Zaman ve maliyet	Aylar ve bütçe gerekir	Erişim izni alındıktan sonra hızlı
Başlıca risk	Yanıt vermeme	Tanı almamış kişiler sayılmaz, sıklık çoğunlukla düşük çıkar; ilçede tanı alan başka ilçe sakinleri sayılabilir, ilçe dışında tanı alanlar dışarıda kalabilir; pay kayıtlardan, payda nüfus verisinden geldiği için ikisinin kapsamı uyuşmayabilir

İki kaynak farklı sorulara iyi yanıt verir. Kayıtlar tanı almış hastaların sayısını verir. Anket, tanı almamışları da kapsayan sıklığı tahmin eder; bu tahminin doğruluğu, yanıt verenlerin ilçeyi ne kadar temsil ettiğine (yanıt oranı tek başına bunu söylemez) ve kullanılan tanı ölçütüne bağlıdır. Örneğin tek bir açlık kan şekeri ölçümü klinik tanının yerine geçmez. Hangisinin uygun olduğuna araştırma sorusu karar verir.

Etik izin ve veri gizliliği

İnsanlardan birincil veri toplayan bir araştırma, veri toplamaya başlamadan önce etik kurul onayı alır. Katılımcılar araştırmanın amacını öğrenir ve katılmayı kabul ettiklerini bildirir (bilgilendirilmiş onam). Kişisel bilgi içeren ikincil veriler (hastane ya da okul kayıtları) kayıtları tutan kurumun izniyle ve çoğu zaman etik kurul onayıyla kullanılır. Yayımlanmış istatistiklerde ve açık veri setlerinde ise kaynağın kullanım koşulları geçerlidir.

Kişiyi tanıtan bilgiler (ad, kimlik numarası, adres) analizden önce veriden çıkarılır ya da kodlanır. Türkiye’de kişisel verilerin işlenmesi 6698 sayılı Kişisel Verilerin Korunması Kanunu’na tabidir. Sağlık verisi bu kanunda özel nitelikli kişisel veri sayılır ve daha sıkı korunur. Kimlik bilgileri çıkarılmış ya da kodlanmış veri, başka verilerle eşleştirilerek kişiye bağlanabiliyorsa hâlâ kişisel veridir; yalnızca anonim hâle getirilmiş veri kanunun kapsamı dışında kalır.

Verinin güvenilirliği nasıl değerlendirilir?

Bir istatistiği kullanmadan önce kaynağına şu sorular sorulur:

Veriyi kim, hangi amaçla topladı?
Değişkenler nasıl tanımlandı, hangi birimle ölçüldü?
Kimden ve hangi yöntemle toplandı; kimler dışarıda kaldı?
Ne zaman toplandı, ne kadarı eksik?

Bilimsel araştırmalar giderek verilerini, kodlarını ve tanımlarını paylaşıma açıyor. Paylaşılan verinin nasıl düzenleneceğini FAIR ilkeleri tanımlar: veri bulunabilir, erişilebilir, birlikte çalışabilir ve yeniden kullanılabilir olmalıdır (Wilkinson vd., 2016). FAIR verinin herkese açık olmasını şart koşmaz; erişimin koşullarının açıkça belirtilmesini ister. Paylaşılan bir veri, sonuçların başkalarınca yeniden üretilmesine imkân verir.

Basira’da veri

Basira’ya veriyi bir dosya olarak yüklersiniz: CSV ve Excel dosyalarının yanında SPSS, Stata, SAS ve R veri dosyaları da okunur. SPSS dosyalarındaki değer etiketleri ve ölçüm düzeyleri değişken türlerine aktarılır; değer etiketi taşıyan bir değişken, SPSS’te ölçek (scale) olarak işaretli olsa bile İsimsel gelir (sıralı işaretliyse Sıralı gelir). Öteki sütunların türü değerlerine bakılarak tahmin edilir. Veri Seti Gezgini’nde her değişkenin dağılımını görüp türünü kontrol edin ve gerekirse düzeltin.

Sık sorulan sorular

Veri ile bilgi arasındaki fark nedir?

Veri, kayıtlı ham değerlerdir. Bilgi, verinin özetlenip yorumlanmasıyla ortaya çıkar; örneğin bir sınıfın sınav puanları veri, sınıf ortalamasının geçen yıldan yüksek olması bilgidir.

Kendi yaptığım anketin verisi birincil mi?

Evet. Araştırma sorunuz için kendiniz topladığınız veri birincildir. Aynı veriyi yıllar sonra başka bir araştırmacı başka bir soru için kullanırsa onun için ikincil veri olur.

İkincil veri bilimsel bir araştırmada kullanılabilir mi?

Evet. Resmî istatistikler ve paylaşılan araştırma verileri bilimde yaygın olarak kullanılır. Değişkenlerin tanımı, toplama yöntemi ve eksik veri raporda açıkça belirtilmelidir.

Hangisi daha güvenilir: birincil mi, ikincil mi?

İkisi de kendiliğinden daha güvenilir değildir. Güvenilirlik, verinin nasıl toplandığına ve araştırma sorusuna ne kadar uyduğuna bağlıdır.