Efin çatısı altında bugün Pearson katsayısı nedir konusunu tüm yönleriyle ele alıyoruz.
Geçmişi anlamaya çalışırken yalnızca olayların ne zaman gerçekleştiğine değil, bu olayların birbirleriyle nasıl ilişkili olduğuna da bakmak gerektiğini düşünüyorum. Tarih boyunca insanlar salgın hastalıkların nedenlerini, ekonomik değişimlerin toplumsal etkilerini ve eğitimle başarı arasındaki bağlantıları anlamaya çalıştı. Zamanla bu merak, yalnızca gözlemlere değil, matematiksel yöntemlere de dayanmaya başladı. Pearson katsayısı, değişkenler arasındaki ilişkileri sayısal olarak değerlendirmeyi sağlayan ve bu açıdan bilim tarihinin önemli dönüm noktalarından birini temsil eden istatistiksel ölçülerden biridir.
Peki Pearson korelasyon katsayısı nasıl ortaya çıktı? Bilimsel düşüncenin gelişimiyle nasıl bir bağlantısı var ve günümüzde neden hâlâ kullanılıyor?
Pearson katsayısı, iki sayısal değişken arasındaki doğrusal ilişkinin yönünü ve gücünü ölçen istatistiksel bir değerdir. Genellikle Pearson korelasyon katsayısı olarak adlandırılır ve küçük rrr harfiyle gösterilir.
Katsayı -1 ile +1 arasında değişir:
– +1: Değişkenler arasında mükemmel pozitif doğrusal ilişki vardır.
– 0: Doğrusal bir ilişki bulunmadığını gösterir; ancak başka türden ilişkilerin varlığını dışlamaz.
– -1: Değişkenler arasında mükemmel negatif doğrusal ilişki vardır.
Örneğin, bir toplumda eğitim süresi ile gelir arasındaki ilişki incelendiğinde Pearson katsayısı bu iki değişkenin birlikte nasıl değiştiğini değerlendirmeye yardımcı olabilir. Ancak sonuç, eğitimin tek başına geliri artırdığını kanıtlamaz.
Pearson katsayısının ortaya çıkışını anlayabilmek için önce istatistiğin tarihsel kökenlerine bakmak gerekir. 17. yüzyılda nüfus kayıtları, ölüm oranları ve ekonomik veriler, devlet yönetimi ve bilimsel araştırmalar açısından giderek önem kazandı.
John Graunt, 1662 yılında yayımladığı Natural and Political Observations Made upon the Bills of Mortality adlı eserinde Londra’nın ölüm kayıtlarını sistematik biçimde inceledi. Graunt’un çalışması, nüfus olaylarının sayısal veriler üzerinden değerlendirilmesinin erken örneklerinden biri kabul edilir.
Bu dönemde olasılık teorisinin gelişmesi de istatistiksel düşünceyi güçlendirdi. Blaise Pascal ve Pierre de Fermat’nın 17. yüzyıldaki çalışmaları, belirsizliklerin matematiksel olarak ele alınmasına katkı sağladı.
Böylece gözlem yapmakla yetinmeyen, gözlemler arasındaki düzenlilikleri araştıran bir bilim anlayışı gelişti.
19. yüzyıl, modern istatistiğin şekillendiği önemli bir dönemdi. Bilim insanları, farklı özelliklerin birlikte değişip değişmediğini anlamak için matematiksel yöntemler geliştirmeye başladı.
Francis Galton, kalıtım ve insan özellikleri üzerine yürüttüğü araştırmalar sırasında değişkenler arasındaki ilişkileri inceleyen yöntemlere önemli katkılar sundu. Özellikle 1880’li yıllarda yayımlanan çalışmaları, korelasyon kavramının gelişiminde etkili oldu.
Galton’un araştırmaları, insan özelliklerinin nesiller boyunca nasıl değiştiğini anlamaya yönelikti. Ancak bu çalışmaların tarihsel bağlamında dönemin kalıtım anlayışı ve öjenik düşüncesi de bulunuyordu. Bu nedenle bilimsel yöntemlerin gelişimi değerlendirilirken araştırmaların toplumsal ve etik sonuçlarını da göz önünde bulundurmak gerekir.
Karl Pearson, 19. yüzyılın sonlarında korelasyon ve istatistiksel analiz yöntemlerinin sistematikleşmesinde önemli rol oynadı. Galton’un çalışmalarından yararlanarak matematiksel istatistik alanındaki araştırmaları geliştirdi.
Pearson’ın 1896 yılında yayımladığı Mathematical Contributions to the Theory of Evolution başlıklı çalışması, korelasyon ve regresyon yöntemlerinin matematiksel temelleri açısından önemli bir kaynaktır.
Birincil kaynaklara dayalı tarihsel inceleme, Pearson katsayısının yalnızca tek bir formülün ortaya çıkışından ibaret olmadığını gösterir. Bu gelişme, biyometri adı verilen ve biyolojik olguları istatistiksel yöntemlerle inceleyen alanın yükselişiyle yakından bağlantılıydı.
Pearson katsayısı sayesinde iki değişken arasındaki doğrusal ilişkiyi ortak bir ölçekte ifade etmek mümkün hâle geldi. Bu, farklı araştırmaların sonuçlarını karşılaştırmayı kolaylaştırdı.
Dönemin bilimsel yayınları incelendiğinde matematiksel modellerin biyoloji, antropoloji ve sosyal araştırmalarda giderek daha fazla kullanıldığı görülür. Bununla birlikte, istatistiksel bir ilişkinin bulunması, iki değişken arasında doğrudan bir neden-sonuç bağlantısı bulunduğu anlamına gelmez.
20. yüzyılda istatistik, üniversitelerden kamu yönetimine, ekonomiden psikolojiye kadar pek çok alana yayıldı. Pearson korelasyon katsayısı da araştırmalarda kullanılan temel ölçülerden biri hâline geldi.
Ronald A. Fisher, istatistiksel çıkarım ve deney tasarımı alanındaki çalışmalarıyla modern istatistiğin gelişimine katkıda bulundu. Fisher’ın 1925 tarihli Statistical Methods for Research Workers adlı eseri, istatistiksel yöntemlerin bilimsel araştırmalarda sistematik kullanımının yaygınlaşmasında etkili oldu.
Bu dönemde araştırmacılar eğitim başarısı, sağlık göstergeleri, üretim miktarı ve ekonomik değişkenler arasındaki ilişkileri incelemeye başladı.
Günümüzde Pearson katsayısı, bilgisayar yazılımları ve veri analiz araçları sayesinde kolayca hesaplanabiliyor. Eğitim araştırmalarında çalışma süresi ile sınav puanı, ekonomide gelir ile tüketim, sağlık araştırmalarında ise farklı sayısal göstergeler arasındaki doğrusal ilişkiler incelenebiliyor.
Pearson korelasyon katsayısının formülü şöyledir:
r=Cov(X,Y)sXsYr=\frac{\operatorname{Cov}(X,Y)}{s_Xs_Y}r=sXsYCov(X,Y)
Burada Cov(X,Y)\operatorname{Cov}(X,Y)Cov(X,Y), iki değişkenin kovaryansını; sXs_XsX ve sYs_YsY ise değişkenlerin standart sapmalarını ifade eder.
Sonucun doğru yorumlanabilmesi için birkaç noktaya dikkat edilmelidir:
– Değişkenlerin sayısal olması gerekir.
– İlişkinin doğrusal yapısı incelenmelidir.
– Aykırı değerlerin sonuç üzerindeki etkisi değerlendirilmelidir.
– Korelasyon ile nedensellik birbirine karıştırılmamalıdır.
Örneğin, bir dönemde dondurma tüketimi ile boğulma vakalarının birlikte artması, dondurma tüketiminin boğulmaya neden olduğunu göstermez. Her iki değişken de sıcak havalarla ilişkili olabilir. Bu örnek, istatistiksel sonuçların bağlamından koparılarak yorumlanmasının neden yanıltıcı olabileceğini ortaya koyar.
Pearson katsayısının tarihsel gelişimi, bilimin yalnızca yeni formüller üretmekle ilerlemediğini gösterir. Bilimsel düşünce; gözlem, eleştiri, yöntem ve etik değerlendirmelerle birlikte gelişir.
19. yüzyılda insan özelliklerini sınıflandırmak için kullanılan istatistiksel yöntemler, dönemin toplumsal önyargılarından etkilenebiliyordu. Günümüzde de algoritmalar ve büyük veri sistemleri, hatalı veya temsil gücü düşük verilerle beslendiklerinde benzer sorunlar oluşturabilir.
Bu nedenle bir korelasyon sonucunu değerlendirirken şu soruları sormak gerekir: Veriler kimlerden toplanmıştır? Hangi değişkenler dışarıda bırakılmıştır? Gözlenen ilişki başka faktörlerden etkileniyor olabilir mi?
Bana kalırsa Pearson katsayısının en önemli tarihsel mirası, insanlara sayısal düşünmeyi öğretmesinin yanında ölçtüğümüz şeyin ne anlama geldiğini sorgulamaya da zorlamasıdır.
Pearson katsayısı, 17. yüzyılda güçlenen sayısal gözlem geleneğinden 19. yüzyıldaki korelasyon araştırmalarına, oradan da günümüzün veri odaklı dünyasına uzanan bilimsel gelişimin önemli bir parçasıdır. Karl Pearson’ın çalışmaları, değişkenler arasındaki doğrusal ilişkinin sistematik biçimde ölçülmesine katkı sağlamıştır.
Ancak tarih bize bir yöntemin yaygınlaşmasının onun her koşulda doğru yorumlandığı anlamına gelmediğini de hatırlatır. Pearson korelasyon katsayısı, ilişkileri anlamak için güçlü bir araçtır; fakat tek başına nedenleri açıklamaz.
Bugün verilerle dolu bir dünyada yaşarken geçmişin bilimsel deneyimlerinden hangi dersleri çıkarabiliriz? Sayılar arasındaki ilişkileri keşfederken toplumsal koşulları, insan deneyimlerini ve etik sorumluluklarımızı ne kadar hesaba katıyoruz? Geçmişten bugüne uzanan asıl tartışma belki de tam burada başlıyor.
Efin ekibi olarak Pearson katsayısı nedir konusunda size net ve faydalı bir içerik sunmaya çalıştık.