Analiz bölümü, benzersiz araştırma yeteneklerini sergilediğiniz bir tezin en önemli bölümlerinden biridir. Bu nedenle genellikle toplam notun %40’ını oluşturur. becerilerinizi geliştirmeniz önemlidir Bu bölümün önemi göz önüne alındığında, tez veri analizi .

Tipik olarak, analiz bölümü, hesaplamaların bir çıktısını, elde edilen sonuçların yorumlanmasını ve bu sonuçların teoriler ve önceki ampirik kanıtlar ışığında tartışılmasını sağlar. Çoğu zaman bu bölüm, herhangi bir hesaplama gerektirmeyen niteliksel veri analizi sağlar. Farklı araştırma tasarımı türleri olduğundan, her bir türe ayrı ayrı bakalım.

 

1. Araştırma Türleri

Seçtiğiniz tez konusu, verileri nasıl toplayacağınız ve analiz edeceğiniz konusunda önemli ölçüde bilgi verir. Bazı konular birincil verilerin toplanmasını gerektirirken, diğerleri ikincil veriler kullanılarak keşfedilebilir. Uygun bir veri türünü seçmek, yalnızca tezinizin ana amacına ve hedeflerine ulaşma beceriniz için değil, aynı zamanda tüm projenizin dayanacağı şey olduğu için tez yazma sürecinin önemli bir parçasıdır.

Teziniz için en uygun veri türünü seçmek göründüğü kadar kolay olmayabilir. Araştırmanıza dalmaya devam ettikçe, şu veya bu tür verilerle ilgili daha fazla ayrıntı ve nüans keşfedeceksiniz. Bir noktada, nitel araştırma tasarımını mı yoksa nicel araştırma tasarımını mı izleyeceğinize karar vermek önemlidir.

1.1. Niteliksel ve Niceliksel Araştırma

1.1.1. Nicel araştırma

Nicel veriler, istatistiksel analiz ve matematiksel işlemler için kullanılabilen herhangi bir sayısal veridir. Bu tür veriler ‘Ne sıklıkla?’, ‘Ne kadar?’ ve ‘Kaç tane?’ gibi araştırma sorularını yanıtlamak için kullanılabilir. Bu tür verileri kullanan araştırmalar aynı zamanda ‘Ne’ sorularını da sormaktadır (örneğin, ekonomik büyümenin belirleyicileri nelerdir? Pazarlama, satışları ne ölçüde etkiler? vb.).

Nicel verilerin bir avantajı, araştırmacılar tarafından doğrulanabilmesi ve uygun bir şekilde değerlendirilebilmesidir. Bu, araştırma sonuçlarının çoğaltılmasına izin verir. Ek olarak, nitel veriler bile ölçülebilir ve sayılara dönüştürülebilir. Örneğin, Likert ölçeğinin kullanılması, araştırmacıların yalnızca yanıt verenlerin belirli fenomenlere yönelik algılarını ve tutumlarını doğru bir şekilde değerlendirmesine değil, aynı zamanda her bir yanıta bir kod atamasına ve bunu grafiksel ve istatistiksel analiz için uygun hale getirmesine olanak tanır. Evet/hayır yanıtlarını, sayı biçiminde sunmak için kukla değişkenlere dönüştürmek de mümkündür. kullanılarak analiz edilir . Nicel veriler tipik olarak Eviews, Matlab, Stata, R ve SPSS gibi tez veri analizi yazılımları kullanınız.

Öte yandan, tamamen nicel yöntemlerin önemli bir sınırlaması, ekonomi ve davranış bilimlerinde araştırılan sosyal olguların genellikle karmaşık olmasıdır, bu nedenle nicel verilerin kullanılması, bu olguların kapsamlı bir şekilde analiz edilmesine izin vermez. Yani nicel veriler, nitel verilere kıyasla genişlik ve derinlik açısından sınırlandırılabilir ve bu da çalışmanın bağlamı hakkında daha zengin bir detaylandırmaya izin verebilir.

1.1.2. Niteliksel Veriler

Bu tür verileri kullanan araştırmalar genellikle ‘Neden’ ve ‘Nasıl’ sorularını sorarlar (örneğin, sosyal medya pazarlaması neden geleneksel pazarlamadan daha etkilidir? Tüketiciler satın alma kararlarını nasıl verirler?). Çoğunlukla ilgili kişilerin görüşlerinden oluşan sayısal olmayan birincil verilerdir.

Niteliksel veriler, araştırmacı ile insan katılımcılar arasındaki etkileşimleri içermeyen raporlardan, web sitelerinden ve diğer ikincil kaynaklardan toplanan metinsel veya görsel verileri (infografikler) de içerir. İkincil niteliksel verilerin kullanımına örnek olarak SWOT analizinde, PEST analizinde, 4P analizinde, Porter’ın Beş Kuvvet analizinde, çoğu Stratejik Analiz türünde vb. kullanabileceğiniz metinler, resimler ve diyagramlar verilebilir. Akademik makaleler, dergiler, kitaplar ve konferans raporları ayrıca çalışmanızda kullanabileceğiniz ikincil niteliksel veri örnekleridir.

Niteliksel verilerin analizi, genellikle incelenmekte olan fenomen veya konu hakkında derin içgörüler sağlar çünkü yanıtlayanların ayrıntılı yanıtlar verme becerileri sınırlı değildir. Nicel araştırmadan farklı olarak, nitel verilerin toplanması ve analizi, anekdotları, hikayeleri ve insanların ürünler, hizmetler, yaşam tarzı özellikleri veya diğer herhangi bir fenomen hakkında yaptıkları uzun açıklamaları ve değerlendirmeleri ortaya çıkarmada daha açık uçludur. Bu en iyi yönetim ve pazarlama dahil olmak üzere sosyal çalışmalarda kullanılır.

Bireylerin ifade ettiği görüşler çok yönlü olduğu için nitel verileri özetlemek her zaman mümkün olmamaktadır. bu bir dereceye kadar tez veri analizini Nitel bir şekilde temsil edilen faktörler arasında neden-sonuç bağlantıları kurmak her zaman mümkün olmadığından, sınırlar. Niteliksel analizin sonuçlarının pek genelleştirilememesinin ve genellikle çok dar bağlamları araştıran vaka incelemelerinin yürütülmesinin nedeni budur.

Niteliksel veri analizi için nVivo ve Tableau gibi araçları kullanabilirsiniz.

1.2. Birincil ve İkincil Araştırma

1.2.1. Ana bilgi

bölümü için bir anket veya görüşmeler yoluyla toplarsınız Birincil veriler, araştırmanızdan önce var olmayan verilerdir ve bunları, tez veri analizi . Mülakatlar size sektör katılımcılarından şirketleri, müşterileri veya rakipleri hakkında ayrıntılı içgörüler toplama fırsatı sunar. Anket anketleri, oldukça büyük bir popülasyondan uygun maliyetli bir şekilde büyük miktarda veri elde edilmesini sağlar. Birincil veriler genellikle kesitsel verilerdir (yani, farklı katılımcılardan belirli bir zamanda toplanan veriler). Zaman serileri, birincil verilerde çok nadiren bulunur veya neredeyse hiç bulunmaz. Bununla birlikte, araştırmanın amaçlarına ve hedeflerine bağlı olarak, veri toplama araçlarının belirli tasarımları araştırmacıların boylamsal bir çalışma yürütmesine olanak tanır.

1.2.2. İkincil veri

Bu veriler, çalışma çalışmanızın amaçları dışındaki amaçlar için zaten oluşturulmuş, rafine edilmiş, özetlenmiş ve resmi kaynaklarda yayınlanmış olduğundan, araştırmadan önce zaten mevcuttur. İkincil veriler genellikle birincil verilere kıyasla daha fazla meşruiyet taşır ve araştırmacının birincil verileri doğrulamasına yardımcı olabilir. Bu, veritabanlarından veya web sitelerinden toplanan verilerdir; insan katılımcıları içermez. Bu, hem kesitsel veriler (örneğin, belirli bir zamanda farklı ülkeler/şirketler için bir gösterge) hem de zaman serisi (örneğin, birkaç yıl için bir şirket/ülke için bir gösterge) olabilir. Yatay kesit verileri ile zaman serisi verilerinin bir kombinasyonu panel verileridir. Bu nedenle, bir araştırmacının yapması gereken tek şey, araştırma hedeflerine ulaşmak için en uygun verileri bulmaktır.

İkincil nicel verilere örnek olarak hisse fiyatları verilebilir; kazançlar, toplam varlık, gelir vb. gibi muhasebe bilgileri; GSYİH, enflasyon, işsizlik, faiz oranları gibi makroekonomik değişkenler; pazar payı, yoğunlaşma oranı vb. mikroekonomik değişkenler. Buna göre, ikincil nicel verileri kullanma olasılığı yüksek olan tez konuları, DYY tezleri, Birleşme ve Devralmalar tezleri, Olay Çalışmaları, Ekonomik Büyüme tezleri, Uluslararası Ticaret tezleri, Kurumsal Yönetim tezleridir.

İkincil verilerin iki ana sınırlaması aşağıdadır. İlk olarak, serbestçe erişilebilen ikincil veriler çalışmanızın amaçlarına tam olarak uymayabilir, bu nedenle ek olarak birincil verileri toplamanız veya araştırma hedeflerini değiştirmeniz gerekecektir. İkincisi, tüm yüksek kaliteli ikincil veriler ücretsiz olarak mevcut değildir. WRDS, Thomson Bank Banker, Compustat ve Bloomberg gibi iyi finansal veri kaynaklarının tümü, tek bir araştırmacının karşılayamayacağı ön ödemeli erişim şart koşuyor.

1.3. Niceliksel mi, Nitel Araştırma mı… yoksa Her İkisi mi?

Araştırma amacınızı ve hedeflerinizi formüle ettikten ve alanınızdaki en ilgili literatürü gözden geçirdikten sonra, nitel veya nicel verilere ihtiyacınız olup olmadığına karar vermelisiniz.

Değişkenler arasındaki ilişkiyi test etmeye veya pratikte hipotezleri ve teorileri incelemeye istekli iseniz, bunun yerine nicel veri toplamaya odaklanmalısınız. Bu verilere dayalı metodolojiler kesin sonuçlar sağlar ve uygun maliyetli bir şekilde büyük miktarda veri elde etmeniz gerektiğinde oldukça etkilidir. Alternatif olarak nitel araştırma, anlamları, deneyimleri, inançları, değerleri ve diğer sayısal olmayan ilişkileri daha iyi anlamanıza yardımcı olacaktır.

Niteliksel veya niceliksel bir metodoloji kullanmak tamamen uygun olsa da, bunları birlikte kullanmak, bir tür veriyi başka bir veri türüyle yedeklemenize ve konunuzu daha derinlemesine araştırmanıza olanak tanır. Ancak nitel ve nicel metodolojileri bir arada kullanmanın başlangıçta planladığınızdan çok daha fazla zaman ve çaba gerektirebileceğini unutmayın.

 

2. Analiz Türleri

2.1. Temel İstatistiksel Analiz

Sonuçlar ve bulgular bölümü için seçtiğiniz istatistiksel analiz türü, verileri ne ölçüde analiz etmek ve bulgularınızı özetlemek istediğinize bağlıdır. Niceliksel konularda uzmanlaşmazsanız ancak sosyal bilimler alanında tez yazarsanız, temel istatistiksel analizler yeterli olacaktır. Böyle bir analiz, ortalama, medyan, standart sapma ve varyans gibi tanımlayıcı istatistiklere dayanacaktır. Daha sonra, değişkenlerin dağılımını grafikler ve çizelgeler şeklinde göstererek istatistiksel analizi görsel bilgilerle zenginleştirebilirsiniz. Bununla birlikte, muhasebe, ekonomi veya finans gibi niceliksel bir konuda uzmanlaşıyorsanız, daha gelişmiş istatistiksel analiz kullanmanız gerekebilir.

2.2. Gelişmiş İstatistiksel Analiz

Gelişmiş bir analiz yapmak için büyük olasılıkla Matlab, R veya Stata gibi istatistiksel yazılımlara erişmeniz gerekecektir. Hangi programla devam etmeyi seçerseniz seçin, araştırmanızda uygun şekilde belgelendiğinden emin olun. Ayrıca, gelişmiş bir istatistiksel teknik kullanmak, verilerinizin tüm olası yönlerini analiz etmenizi sağlar. Örneğin, temel regresyon analizi ile ileri düzeydeki analiz arasındaki fark, modelinizle ilgili istatistiksel problemlerin daha derin araştırmalarını ve ek testleri dikkate almanız gerekmesidir. Ayrıca, araştırma sorunuza ve hedeflerinize odaklanmanız gerekir, çünkü istatistiksel ayrıntılara daha derine inmek sizi asıl amaçtan uzaklaştırabilir. Nihai olarak, tezinizin amacı, tanımladığınız araştırma sorularına cevap bulmaktır.

Burada dikkate alınması gereken bir diğer önemli husus, sonuçlar ve bulgular bölümünün tamamen rakamlardan ibaret olmamasıdır. Tablo ve grafiklerin yanı sıra, istatistiksel bulgularınızın yorumunun doğru ve kullanıcılar için ilgi çekici olmasını sağlamak da önemlidir. İkna edici bir metin tartışması ile birlikte gelişmiş istatistiksel yazılımın böyle bir kombinasyonu, tezinizin iyi karşılanmasını sağlamada uzun bir yol kat eder. Bu tür gelişmiş istatistiksel yazılımların kullanılması size çeşitli çıktılar sağlasa da, okuyucuların vardığınız sonuçları anlaması için analiz çıktılarını düzgün bir şekilde sunmanız gerekir.

 

3. Analiz Yöntemlerine Örnekler

3.1. Etkinlik Çalışması

Örneğin, belirli olayların finansal varlıkların fiyatları üzerindeki etkilerini inceliyorsanız, Olay Etüdü Metodolojisini dikkate almaya değer. Birleşme ve satın almalar, yeni ürün lansmanları, yeni pazarlara açılma, kazanç duyuruları ve halka arzlar gibi olaylar, hisse senedi fiyatları ve bir firmanın değerlemesi üzerinde büyük bir etkiye sahip olabilir. Olay çalışmaları, belirli bir olayın veya bir dizi olayın piyasa değeri üzerindeki etkisini ölçmek için kullanılan yöntemlerdir. Bunun arkasındaki kavram, ani ve anormal hisse senedi getirilerinin bir olayla ilgili piyasa bilgisine atfedilip atfedilemeyeceğini anlamaya çalışmaktır.

Olay çalışmaları etkin piyasa hipotezine dayanmaktadır. Teoriye göre, etkin bir sermaye piyasasında, tüm yeni ve ilgili bilgiler anında ilgili varlık fiyatlarına yansır. Bu teori evrensel olarak uygulanabilir olmasa da, doğru olduğu birçok örnek vardır. Bir olay çalışması, belirli bir duyurunun bir şirketin değerlemesi üzerindeki etkisinin adım adım analiz edilmesini ifade eder. Normal koşullarda, analiz edilen olayın etkisi olmaksızın, bir hisse senedinden beklenen getirilerin risksiz faiz oranı, hisse senedinin sistematik riski ve yatırımcıların talep ettiği risk primi tarafından belirleneceği varsayılır. Bu koşullar, sermaye varlığı fiyatlandırma modeli (CAPM) ile ölçülür.

Etkinlik çalışmaları oluşturabilecek başlıca üç tür duyuru olabilir. Bunlar arasında kurumsal duyurular, makroekonomik duyurular ve düzenleyici olaylar yer alır. Adından da anlaşılacağı gibi, kurumsal duyurular iflasları, varlık satışlarını, birleşme ve satın almaları, kredi notunun düşürülmesini, kazanç duyurularını ve temettü duyurularını içerebilir. Bu olaylar genellikle şirketle doğrudan bağlantılı oldukları için hisse senedi fiyatları üzerinde büyük bir etkiye sahiptir. Makroekonomik duyurular, faiz oranlarındaki değişikliklere ilişkin merkez bankası duyurularını, enflasyon tahminlerinin duyurusunu ve ekonomik büyüme tahminlerini içerebilir. Son olarak, politika değişiklikleri ve yeni kanun duyuruları gibi düzenleyici duyurular da şirketlerin hisse senedi fiyatlarını etkileyebilir ve bu nedenle olay çalışmaları yöntemi kullanılarak ölçülebilir.

Olay incelemelerinde kritik bir konu, analiz edilen duyuruların hisse fiyatları üzerinde en güçlü etkiyi yarattığının varsayıldığı doğru olay penceresini seçmektir. Etkin piyasa hipotezine göre, herhangi bir olayla bağlantılı istatistiksel olarak anlamlı anormal getiri beklenemez. Ancak gerçekte resmi duyurulardan önce söylentiler olabilir ve bazı yatırımcılar bu söylentilere göre hareket edebilir. Ayrıca yatırımcılar, bilgi işleme ve tepki verme hızlarındaki farklılıklar nedeniyle farklı zamanlarda tepki verebilirler. Tüm bu faktörleri hesaba katmak için, olay pencereleri genellikle söylentileri hesaba katmak için duyurudan kısa bir süre öncesini ve duyurudan sonraki asimetrik bir dönemi yakalar.

Olay çalışmalarını daha güçlü ve istatistiksel olarak anlamlı hale getirmek için çok sayıda benzer veya ilişkili vaka analiz edilir. Ardından, anormal getiriler toplanır ve bunların istatistiksel önemi değerlendirilir. t-istatistiği genellikle ortalama anormal getirilerin sıfırdan farklı olup olmadığını değerlendirmek için kullanılır. Bu nedenle, olay çalışmalarını kullanan araştırmacılar, yalnızca belirli olayların olumlu veya olumsuz etkileriyle değil, aynı zamanda sonuçların genelleştirilmesi ve anormal getirilerin istatistiksel öneminin ölçülmesiyle de ilgilenirler.

3.2. Regresyon analizi

Regresyon analizi, keşfedilen değişkenlerin birbiriyle nasıl bağlantılı olduğunu belirlemek için uygulanan matematiksel bir yöntemdir. Özellikle aşağıdaki sorular cevaplanabilir. En etkili faktörler hangileridir? Hangileri göz ardı edilebilir? Faktörler birbirleriyle nasıl etkileşime giriyor? Ve asıl soru, bulgular ne kadar önemli?

Tez çalışmalarında en sık uygulanan tür, keşfedilen değişkenler arasındaki doğrusal ilişkilerin parametrelerini değerlendiren sıradan en küçük kareler (OLS) regresyon analizidir. Tipik olarak, OLS analizinin üç biçimi kullanılır.

Boyuna analiz, çeşitli özelliklere sahip tek bir nesne uzun bir süre boyunca araştırıldığında uygulanır. Bu durumda, gözlemler aynı özelliklerin zaman içindeki değişikliklerini temsil eder. Boylamsal örneklem örnekleri, belirli bir ülkedeki makroekonomik parametreler, belirli kişilerin yaşamları boyunca sağlık özelliklerinde meydana gelen tercihler ve değişimlerdir. belirli bir zaman diliminde şehirler. Boylamsal ve kesitsel çalışmalar arasındaki temel benzerlik, verilerin tek bir boyut üzerinden, yani sırasıyla zaman dilimleri (günler, haftalar, yıllar) veya nesneler üzerinden olmasıdır.

Bununla birlikte, hem nesneler hem de zaman periyotları arasında iki boyutta değişen verileri keşfetmemiz gereken bir durumdur. Bu durumda panel regresyon analizi kullanmamız gerekir. Yukarıda belirtilen ikisinden temel farkı, her bir nesnenin (kişi, şirket, ülke) özelliklerinin açıklanmasıdır.

Regresyon analizinin ortak adımları şunlardır:

• Verilerin tanımlayıcı istatistikleriyle başlayın. Bu, örneğe dahil edilen veri gözlemlerinin kapsamını belirtmek ve potansiyel aykırı değerleri belirlemek için yapılır. Yaygın bir uygulama, analiz sonuçlarının bozulmasını önlemek için aykırı değerlerden kurtulmaktır.
• Potansiyel çoklu doğrusallığı tahmin edin. Bu fenomen, açıklayıcı değişkenler arasındaki güçlü korelasyon ile bağlantılıdır. Regresyon sonuçları, özellikle belirli değişkenlerin önemi bozulabileceğinden, çoklu doğrusal bağlantı örneklemin istenmeyen bir özelliğidir. Çoklu bağlantı tespit edildiğinde, onu ortadan kaldırmanın en kolay yolu, ilişkili değişkenlerden birini atlamaktır.
• Regresyonları çalıştırın. İlk olarak, modelin genel önemi F-istatistiği kullanılarak tahmin edilir. Bundan sonra, belirli değişken katsayısının önemi t-istatistikleri kullanılarak değerlendirilir.
• Teşhis testlerini unutmayın. Regresyon sonuçlarını etkileyebilecek numunenin potansiyel kusurlarını tespit etmek için yapılırlar.

Bazı nüanslardan bahsetmek gerekir. Bir zaman serisi OLS regresyon analizi yapıldığında, doğrusallık testi (bağımsız ve bağımlı değişkenler arasındaki ilişki doğrusal olmalıdır); eş varyans (gerileme artıkları aynı varyansa sahip olmalıdır); gözlemlerin bağımsızlığı; değişkenlerin normalliği; seri korelasyon (belirli bir zaman serisinde hiçbir model olmamalıdır). Boyuna regresyon modelleri için bu testler, Eviews ve Stata gibi çoğu yazılım aracında mevcuttur.

3.3. Vektör Otoregresyon

Bir vektör otoregresyon modeli (VAR), tümü içsel olarak ele alınan çeşitli değişkenler arasındaki karşılıklı ilişkileri araştıran istatistiksel analizde sıklıkla kullanılan bir modeldir. Dolayısıyla, bu modelin belirli bir özelliği, regresör olarak kullanılan değişkenlerin gecikmeli değerlerini içermesidir. Bu, sadece anlık etkileri değil, aynı zamanda n gecikmeye kadar olan ilişkilerdeki dinamik etkileri de tahmin etmeye izin verir.

Aslında, bir VAR modeli, k’nin kullanılan değişkenlerin sayısı olduğu k OLS regresyon denklemlerinden oluşur. Açıklayıcı değişkenler bu değişkenin ve diğer değişkenlerin gecikmeli değerleri olmak üzere her denklemin kendi bağımlı değişkeni vardır.

• Optimum gecikme uzunluğunun seçimi

Optimal gecikme uzunluğunu belirlemek için bilgi kriterleri (IC) kullanılır. En sık kullanılanları Akaike, Hannah-Quinn ve Schwarz kriterleridir.

• durağanlık testi

Durağanlığı tahmin etmek için yaygın olarak kullanılan bir yöntem, Augmented Dickey-Fuller testi ve Phillips-Perron testidir. Bir değişken durağan değilse aynı şekilde birinci farkı alınarak durağanlık testi yapılmalıdır.

• eş bütünleşme testi

Değişkenler durağan olmayabilir ancak aynı düzende entegre olabilir. Bu durumda VAR yerine Vektör Hata Düzeltme Modeli (VECM) ile analiz edilebilirler. Johansen eşbütünleşme testi, aynı mertebeden bütünleşik değişkenlerin ortak bir bütünleştirici vektör(ler)i paylaşıp paylaşmadığını kontrol etmek için yapılır. Değişkenler eş bütünleşik ise, bir sonraki analizde VAR modeli yerine VECM uygulanır. VECM, dönüştürülmemiş durağan olmayan serilere uygulanırken VAR, dönüştürülmüş veya durağan girdilerle çalıştırılır.

• Model Tahmini

Seçilen gecikme sayısıyla bir VAR modeli çalıştırılır ve standart hataları olan katsayılar ve ilgili t-istatistikleri, istatistiksel anlamlılığı değerlendirmek için hesaplanır.

• Teşhis testleri

Daha sonra model, Breusch-Godfrey testi kullanılarak seri korelasyon için, Breusch-Pagan testi kullanılarak değişen varyans için ve kararlılık açısından test edilir.

• Dürtü Tepki İşlevleri (IRF’ler)

IRF’ler, bir VAR modelinin sonuçlarını grafiksel olarak temsil etmek ve değişkenlerin birbiri üzerindeki etkilerini yansıtmak için kullanılır.

• Granger nedensellik testi

Değişkenler ilişkili olabilir ancak aralarında nedensel bir ilişki olmayabilir veya etki iki taraflı olabilir. Granger testi, değişkenler arasındaki nedensel ilişkileri gösterir ve VAR sistemindeki bir değişken çiftinin mevcut ve geçmiş değerlerinin etkileşimine dayalı olarak nedenselliğin yönünü gösterir.