Anket verileri nasıl analiz edilir?

Anket sonuçlarınızı topladınız ve anket veri analizi planınızı oluşturdunuz. Şimdi sıra, verilerinizi irdeleyip sıralamaya ve analiz etmeye geldi.

Anket verilerini analiz etmek artık çok kolay

Çevrimiçi anketlerinizin sonuçları geldi. İstatistiksel anket sonuçlarınızı topladığınıza ve veri analizi planınızı oluşturduğunuza göre sıra, aldığınız anket sonuçlarını hesaplama sürecine geldi. Anket Araştırması Uzmanlarımız; hesaplama yapmak ve sonuçlara ulaşmak üzere yanıtlara göre en çok kullanılan araştırma sorularına ve anket amaçlarına odaklanarak, nitel verileri değil, nicel verileri değerlendirir. Nasıl mı?

SurveyMonkey'nin sonuç analizini nasıl pürüzsüz bir hale getirdiğini öğrenin

Başlamaya hazır mısınız?

Anket sonuçlarını daha etkin bir şekilde hesaplamaya başlamak için bu 4 adımı takip edin:

  1. Başlıca araştırma sorularınıza göz atın
  2. Çapraz tablo oluşturun ve sonuçlarınızı filtreleyin
  3. Hesaplamaları gerçekleştirin
  4. Sonuçlara ulaşın

Başlıca araştırma sorularını inceleyin

Öncelikle en çok kullanılan aratırma sorularınızın sonuçlarını hesaplamak için nasıl bir yol izlemeniz gerektiğinden bahsedelim. Ampirik araştırma sorularına yer verdiniz mi? Olasılıklı örnekleme yöntemini kullanmayı düşündünüz mü? Anketiniz için bir hedef belirlerken kullanacağınız başlıca araştırma sorularını listelemiş olmanız gerekir.

Örneğin düzenlemiş olduğunuz eğitim konferansındakatılımcılara etkinlik sonrası anket uyguladığınızda, soracağınız başlıca araştırma sorularından biri şöyle olabilir: Katılımcılar konferansı genel olarak nasıl değerlendiriyor? Bu noktada söz konusu araştırma sorusuna değinen belirli bir anket sorusuna verilmiş yanıtlara bakın:

Önümüzdeki yıl bu konferansa katılmayı planlıyor musunuz?

Yanıt seçenekleri
Evet%71852
Hayır%18216
Emin değilim%11132
Toplam1200

Aldığınız yanıtlarda kimi zaman yüzdelerin (%71, %18), kimi zamansa rakamların (852, 216) kullanıldığını görüyorsunuz.

Burada yüzdeler, belirli bir yanıtı veren kişilerin yüzdesini gösterir. Diğer bir deyişle, her bir yanıtı veren kişi sayısının soruyu yanıtlayan kişi sayısına oranını temsil eder. Yani anketi yanıtlayanların %71'i (anketi yanıtlayan 1200 kişiden 852'si) gelecek yıl da gelmeyi düşünüyor.

Bu tablo aynı zamanda; %18'lik bir kısmın geri gelmeyi düşünmediğini, %11'lik kısmın ise emin olmadığını gösteriyor.

Çapraz tablolar ve sonuç filtreleme

Önceden anketiniz için bir amaç belirlemiş, analiz planınızı geliştirmiş, analiz ve karşılaştırma yapacağınız alt grupları değerlendirmiştiniz. Bu planlama süreci, işte şimdi işinize yarayacak. Diyelim ki öğretmenlerin, öğrencilerin ve yöneticilerin gelecek yıl düzenlenecek olan bir konferansla ilgili sorulara verecekleri yanıtları karşılaştırmak istiyorsunuz. Bunu belirlemek için konferans sorusunun sonuçlarını alt gruplara göre gösteren bir çapraz tablo oluşturarak yanıtlama oranlarını ayrıntılı bir şekilde incelemelisiniz:

EvetHayırEmin değilimToplam
Öğretmen%80
320
%7
28
%13
52
400
Yönetici%46
184
%40
160
%14
56
400
Öğrenci%86
344
%8
32
%6
24
400
Toplam yanıtlayan sayısı8522161321200

Bu tabloda çoğu öğrencinin (%86) ve öğretmenin (%80) gelecek yılda da konferansa katılmayı planladığını görüyorsunuz. Ancak konferansa katılan yöneticilerin yarısından daha azı (%46) geri dönmeyi planlıyor! Neyse ki anket sorularımızdan bazıları; durumun neden böyle olduğunu, yöneticilerin her yıl katılımlarını sürdürmelerini sağlamak için konferansta ne gibi değişiklikler yapabileceğinizi anlamanıza yardımcı olabilir.

Filtreler de veri modelleme için oldukça faydalı araçlardır. Filtreleme, ilginizi belirli bir alt gruba odaklayarak diğer grupları değerlendirmeden çıkarmak anlamına gelir. Yani burada bir alt grubu diğeriyle karşılaştırmak yerine, tek bir alt grubun soruyu nasıl yanıtladığını inceliyoruz. Örneğin ilginizi yalnızca kadın (veya erkek) katılımcılara odaklayıp çapraz tabloyu katılımcı türüne göre yeniden düzenleyebilir, kadın yöneticileri, kadın öğretmenleri ve kadın öğrencileri karşılaştırabilirsiniz. Sonuçlarınızı ayrıntılarıyla değerlendirirken, her çapraz tablo oluşturduğunuzda veya filtreleme yaptığınızda örnek boyutunuzun azalacağını unutmayın. Sonuçlarınızın istatistiksel anlama sahip olmasını sağlamak için örnek boyut hesaplayıcı kullanabilirsiniz.

Karşılaştırma, trendler ve karşılaştırmalı veriler

Konferans geri bildirim anketinizdeki temel sorulardan birinin “Konferanstan genel olarak ne kadar memnun kaldınız?” olduğunu farz edelim. Sonuçlara göre, katılımcıların %75'i konferanstan memnun kalmıştır. Bu sonuç, kulağa oldukça hoş gelebilir. Ancak bu konuda daha fazla bağlama sahip olmak istemez misiniz? Mesela karşılaştırma yapabileceğiniz başka bir unsur gerekmez mi? Bu sonuç önceki seneye göre daha iyi veya daha kötüdür diyebilir miyiz? Peki, diğer konferanslarla karşılaştırdığınızda durum nedir?

Diyelim ki önceki yılın konferansından sonra, bu soruyu konferans geri bildirim anketinizde sordunuz. Böylelikle bir trend karşılaştırması yapabilirsiniz. Profesyonel anketçilerin mizah ustaları olduğu pek söylenemez, ancak en sevdikleri “trend insanın en iyi dostudur” sözünün doğruyu yansıttığını söyleyebiliriz.

Önceki yılın memnuniyet oranı %60 ise, memnuniyeti %15 oranında yükseltmişsiniz demektir! Peki, memnuniyet oranındaki bu artışın nedeni ne olabilir? Anketinizdeki diğer sorulara verilen yanıtlar, bu konuya açıklık getirebilir.

Elinizde önceki yıllarda yapılan konferanslara ilişkin veri bulunmuyorsa, bu yıldan başlayarak her konferansta geri bildirim toplayın. Buna kıyaslama denir. İlk olarak bir kıstas veya referans sayısı belirleyebilir, ardından bu verinin değişip değişmediğini veya nasıl değiştiğini görebilirsiniz. Katılımcıların memnuniyeti dışında başka soruları da kıyaslayabilirsiniz. Her geçen yıl katılımcıların konferans hakkında ne düşündüğünü takip edebilirsiniz. Buna boylamsal veri analizi denir.

Farklı alt gruplara ait verileri de takip edebilirsiniz. Örneğin memnuniyet oranının öğrenci ve öğretmenlerde yıldan yıla yükseldiğini, ama aynı yükselişin yöneticilerde yaşanmadığını farz edelim. Bu durumda yöneticilerin çeşitli sorulara verdikleri yanıtlara bakarak, neden diğer katılımcılardan daha az memnun olduklarına ilişkin görüşler elde edebilirsiniz.

Hesap yapma

Kaç kişinin etkinliğe yeniden katılacağını öğrendiniz. Peki, anketinizin güvenebileceğiniz ve gelecekte alacağınız kararlarda rahatlıkla kullanabileceğiniz yanıtlar sunduğundan nasıl emin olacaksınız? Verilerinizin kalitesine dikkat etmek ve istatistiksel anlamlılık öğelerini anlamak çok önemlidir.

Günlük konuşmada “anlamlı” sözcüğü, önemli veya belirgin anlamında kullanılabilir. Anket analizinde ise “bir doğruluk değerlendirmesi” anlamına gelir. “Artı veya eksi” kavramları da işte bu noktada anket çalışmanıza dahil olur. Dolayısıyla anket sonuçlarının şansa dayalı olarak rastgele değil, belirli bir güven düzeyi dahilinde, doğru olduğu anlamına gelir. Doğru olmayan (diğer bir deyişle istatistiksel olarak anlamlı olmayan) sonuçlara dayanarak bir çıkarıma varmak riskli olabilir. İstatistiksel anlamlılığa yönelik değerlendirmelerde dikkat edilmesi gereken ilk unsur, örneğinizin temsil edilebilirlik değeridir. Başka bir deyişle, anketinize dahil edilen kişilerin, hakkında sonuca varmak istediğiniz genel popülasyona ne ölçüde “benzerlik” gösterdiğidir.

Örneğin konferans katılımcılarınızın yalnızca %15'i erkekken, anketinizi yanıtlayan konferans katılımcılarının %90'ının erkek olması büyük bir sorun teşkil eder. Üzerinde araştırma yapmak istediğiniz popülasyon hakkında ne kadar bilgiye sahip olursanız, anketinizin bu rakamları yansıttığında o kadar güvenebilirsiniz. Bu örnekte cinsiyet söz konusu olduğunda, anketi yanıtlayanların %15'inin erkeklerden oluşması daha doğru olur.

Anket örneğiniz bilinen bir popülasyondan rastgele seçilen kişilerden oluşuyorsa, istatistiksel anlamlılık, daha standart bir şekilde hesaplanabilir. Buradaki birincil faktör, örnek boyutudur. Konferansınıza katılan 1000 kişiden 50'sinin anketi yanıtladığını düşünün. Örnek boyutu için elli (50) kişi çok azdır ve çok büyük bir hata payı ile sonuçlanır. Kısacası, sonuçlarınız yeterli ağırlığa sahip olmaz.

Anketinizi yanıtlayanlara konferans boyunca sunulan 10 oturumdan kaçına katıldıklarını sorduğunuzu ve sonuçların aşağıdaki gibi olduğunu düşünelim:

12345678910ToplamOrtalama oran
katılınan oturum sayısı%10
100
%0
0
%0
0
%5
50
%10
100
%26
280
%24
240
%19
190
%5
50
%1
10
10006,1

Bu durumda ortalamayı analiz etmek isteyebilirsiniz. Hatırlayacağınız gibi, üç farklı ortalama türü bulunur: aritmetik ortalama, medyan ve mod.

Yukarıdaki tabloda, katılım gösterilen ortalama oturum sayısı 6,1'dir. Burada belirtilen değer, en yaygın duyduğunuz ortalama türü olan aritmetik ortalamadır. Aritmetik ortalamayı belirlemek için rakamların toplamını eklediğiniz rakamların sayısına bölmeniz gerekir. Bu örnekte 100 kişi bir oturuma, 50 kişi dört oturuma ve 100 kişi beş oturuma katıldığını belirtmiştir. Bu durumda kişi sayısını oturum sayısı ile çarpmanız, bunların hepsini toplamanız ve toplam kişi sayısına bölmeniz gerekir.

Bir başka ortalama türü ise medyandır. Medyan, %50 noktasını gösteren orta değerdir. Yukarıdaki tabloda, sağında ve solunda 500'er kişinin katılım gösterdiği oturum sayısı belirlenir. Bu durumda medyan, 6 oturumdur. Bu şekilde verilerinizi olumsuz etkileyebilecek uç değerlerin etkisini de ortadan kaldırabilirsiniz.

Son ortalama türü ise moddur. Mod, en sık verilen yanıtı gösterir. Bu durumda söz konusu yanıt, 6 oturumdur. 6 oturuma katılan 260 katılımcı, tüm diğer oturum sayılarındaki kişi sayısından daha fazladır.

Aritmetik ortalamalar (ve diğer ortalama türleri), sonuçlarınızın Likert ölçeklerine dayalı olması durumunda da kullanılabilir.

Sonuçlara ulaşma

Konu anket sonuçlarını raporlamak olduğunda, verilerin anlattığı hikayeye kulak vermek gerekir.

Konferansınızın genel olarak ortalama değerlendirmeler aldığını ve neler olduğunu anlamak için daha derinlemesine inceleme yaptığınızı farz edelim. Verilere göre katılımcılar konferansın; oturumlar, dersler, sosyal etkinlikler ve otel gibi birçok unsuruna oldukça yüksek puan vermiş, ancak konferans için seçilen şehirden hiç memnun kalmamıştır. (Konferans kış aylarında Şikago'da gerçekleştirilmiş, bu nedenle kimse soğuktan dışarı çıkamamış olabilir!) Verilerin anlattığı hikaye işte budur: Konferans genel olarak iyi olsa da mekan seçimi başarısızdır. Kış konferansı düzenlemek için Miami veya San Diego daha iyi bir seçim olabilir.

Veri analizi ve raporlamada, nedensellik ve korelasyonu dikkate almak gerekir.

Sıradaki anketinizi SurveyMonkey ile analiz edin

Ek

Anket verisi toplama nedir?

Anket verisi toplamak, anketleri kullanarak belirli yanıtlayanlardan bilgi toplama işlemidir. Anket verisi toplamak; görüşmeler, odak grupları ve daha birçok veri toplama yönteminin yerine veya bunları desteklemek üzere kullanılabilir. Anketlerden toplanan veriler, çalışan bağlılığını artırmak, tüketicilerin satın alma davranışlarını anlamak ve müşteri deneyimlerini iyileştirmek için kullanılabilir.

Boylamsal analiz nedir?

Boylamsal veri analizi (diğer adıyla “trend analizi”), temel olarak belirli sorulara yönelik bulguların zaman içinde nasıl değiştiğini takip eder. Kıstas belirlendikten sonra, rakamların değişip değişmediğini veya nasıl değiştiğini tespit edebilirsiniz. Konferansınızın memnuniyet oranının üç yıl önce %50, iki yıl önce %55, geçen yıl %65 ve bu yıl %75 olduğunu düşünün. Bu durumda kendinizi tebrik edebilirsiniz! Çünkü boylamsal veri analiziniz sonuç vermiş, memnuniyet oranında yükselen bir trend yakalamışsınız demektir.

Korelasyon ve nedensellik arasındaki fark nedir?

Nedensellik, bir faktörün başka biri faktöre neden olması; korelasyon ise, iki değişkenin birbirini etkilemeden veya birbirine neden olmadan hareket etmesi anlamına gelir. Örneğin sıcak çikolata içmek ve eldiven takmak, birbiriyle korelasyon ilişkisi olan iki değişkendir ve birlikte hareket ederler. Fakat biri diğerine neden olmaz. Hatta bu iki faktörün nedeni, üçüncü bir faktöre, yani soğuk havaya bağlıdır. Soğuk hava hem sıcak çikolata tüketimini hem de eldiven takma olasılığını etkiler. Soğuk hava bağımsız bir değişkendir; sıcak çikolata tüketimi ve eldiven takma olasılığı ise bağımlı değişkenlerdir. Soğuk hava, konferans geri bildirimi anketinizde katılımcıların konferans şehrine ve genel olarak konferansına yönelik memnuniyetsizliğini etkilemiştir. Son olarak anketinizdeki değişkenler arasındaki ilişkiyi daha derinlemesine incelemek için regresyon analizi gerçekleştirmeniz gerekebilir.

Regresyon analizi nedir?

Regresyon analizi, en az iki değişken arasındaki ilişkiyi incelemenizi sağlayan gelişmiş bir veri analizi yöntemidir. Birçok farklı regresyon analizi türü olmakla birlikte, anket uzmanları inceledikleri değişkenlere bağlı olarak istedikleri türü seçebilirler. Regresyon analizi türlerinin ortak noktası, hepsinin bir veya daha fazla bağımsız değişkenin bağımlı bir değişkene olan etkisini inceliyor olmasıdır. Anket verilerini analiz ederken hangi faktörlerin konferansa katılanların memnuniyetini en çok etkilediğini öğrenmeye çalışabilirsiniz. Oturum sayısı, ana konuşmacı, sosyal etkinlikler veya mekan, bu konuda etkili olabilir. Regresyon analizini kullanan bir anket uzmanı, konferansa ilişkin bu farklı özelliklerin genel memnuniyeti etkileyip etkilemediğini ve ne derece etkilediğini belirleyebilir.

Bu da bir dahaki sefere konferansta ne gibi değişiklikler yapabileceğinize ilişkin görüşler sunar. Açılış oturumunuzda konuşma yapacak olan ana konuşmacı için çok yüksek bir ücret ödediğinizi farz edelim. Katılımcılar bu konuşmacıya ve konferansa genel olarak yüksek puan vermiştir. Bu iki faktöre dayanarak, çok iyi (ve pahalı) bir konuşmacıya sahip olmanın konferansınızın başarısında temel bir rol oynadığını düşünebilirsiniz. Regresyon analizi, bu durumun gerçeği yansıtıp yansıtmadığını belirlemenize yardımcı olur. Ana konuşmacının popülerliğinin, konferansa yönelik memnuniyeti destekleyici bir unsur olup olmadığını tespit edebilirsiniz. Eğer durum buysa, yine çok iyi bir ana konuşmacıyı davet etmek isteyebilirsiniz. Ama regresyon analizi, ana konuşmacının herkes tarafından beğenilmesine rağmen katılımcıların konferansa yönelik memnuniyetini pek de etkilemediğini gösterebilir. Bu durumda konuşmacıya ödenen tutarın başka bir yerde harcanması daha doğru olabilir. Anket verilerinizin sağlamlığını dikkatli bir şekilde analiz ettiğinizde, yanıtları bilgiye dayalı kararlar almanıza yardımcı olacak şekilde kullanmaya başlayabilirsiniz.