Hangi istatistiksel testi seçmeliyim?
Değişkeniniz sürekli mi kategorik mi, kaç grup var, gruplar bağımsız mı? Üç soruyla doğru teste ulaşan karar rehberi.
İstatistiksel test seçimi, hipotezinizin türüne, değişkenlerinizin ölçme düzeyine ve verinizin varsayımları karşılayıp karşılamadığına göre yapılır. Yanlış test, doğru veriden yanlış sonuç üretir.
Bu yazı bir karar rehberi olarak kurgulandı: üç soruyu sırayla yanıtlayın, testiniz ortaya çıksın.
Soru 1 — Ne yapmak istiyorsunuz?
Üç temel amaç vardır:
- Fark aramak: Gruplar arasında bir değişkenin ortalaması farklı mı?
- İlişki aramak: İki değişken birlikte mi değişiyor?
- Yordamak: Bir ya da birkaç değişken, başka bir değişkeni ne kadar açıklıyor?
Soru 2 — Değişkenleriniz hangi türde?
- Sürekli (aralık/oran): Yaş, puan, süre, gelir. Ölçek toplam/ortalama puanları da uygulamada bu grupta ele alınır.
- Sıralı (ordinal): Eğitim düzeyi, tek bir Likert maddesi.
- Kategorik (nominal): Cinsiyet, sektör, medeni durum.
Soru 3 — Varsayımlar sağlanıyor mu?
Parametrik testler (t-testi, ANOVA, Pearson, regresyon) şunları varsayar:
- Bağımlı değişken sürekli
- Dağılım normale yakın
- Gruplar arası varyanslar homojen
- Gözlemler bağımsız
Sağlanmıyorsa parametrik olmayan karşılığı kullanılır. Normallik kontrolünü ayrı bir yazıda ele aldık.
Fark testleri
İki bağımsız grup
Örnek hipotez: "İş doyumu puanları cinsiyete göre farklılaşmaktadır."
- Parametrik: Bağımsız örneklem t-testi
- Parametrik olmayan: Mann-Whitney U testi
İki bağımlı (eşleştirilmiş) ölçüm
Örnek hipotez: "Eğitim öncesi ve sonrası puanlar arasında fark vardır." Aynı kişilerden iki ölçüm alındığında kullanılır.
- Parametrik: Bağımlı örneklem t-testi
- Parametrik olmayan: Wilcoxon işaretli sıralar testi
Üç ve daha fazla bağımsız grup
Örnek hipotez: "Örgütsel bağlılık puanları kıdem gruplarına göre farklılaşmaktadır."
- Parametrik: Tek yönlü ANOVA + anlamlı çıkarsa post-hoc test (varyanslar homojense Tukey ya da Scheffe, değilse Games-Howell)
- Parametrik olmayan: Kruskal-Wallis H testi + ikili karşılaştırmalar
Ayrıntı için ANOVA yazımıza bakın.
Üç ve daha fazla bağımlı ölçüm
Aynı kişilerden üç ya da daha fazla ölçüm (ön test – son test – kalıcılık testi gibi).
- Parametrik: Tekrarlı ölçümler ANOVA
- Parametrik olmayan: Friedman testi
İki bağımsız değişkenin birlikte etkisi
Örnek hipotez: "Puanlar cinsiyet ve sektöre göre farklılaşmaktadır; ayrıca bu iki değişkenin ortak etkisi vardır."
- İki yönlü ANOVA — etkileşim etkisini de sınar.
Kategorik değişkenler arasındaki ilişki
Örnek hipotez: "Sektör ile eğitim düzeyi arasında ilişki vardır." İki değişken de kategorik.
- Ki-kare bağımsızlık testi. Beklenen değeri 5'in altında olan hücre oranı %20'yi geçerse Fisher kesin testi ya da kategori birleştirme gerekir.
İlişki testleri
| Durum | Test |
|---|---|
| İki sürekli değişken, normal dağılım | Pearson korelasyon |
| İki sıralı değişken ya da normallik sağlanmıyor | Spearman sıra korelasyonu |
| İki ikili (dikotom) değişken | Phi katsayısı |
| Bir sürekli, bir ikili değişken | Nokta çift serili korelasyon |
Korelasyonun nedensellik göstermediğini unutmayın. İki değişken birlikte değişiyor olabilir ama biri diğerinin nedeni olmayabilir.
Yordama (kestirim) analizleri
Bir sürekli bağımlı değişken
- Tek yordayıcı: Basit doğrusal regresyon
- Birden fazla yordayıcı: Çoklu doğrusal regresyon
- Yordayıcıları sırayla eklemek: Hiyerarşik regresyon
Korelasyon ve regresyon yazımızda ayrıntılı ele aldık.
İkili bağımlı değişken (var/yok, evet/hayır)
- Lojistik regresyon
Aracı ya da düzenleyici değişken varsa
- PROCESS makrosu (Hayes) ya da yapısal eşitlik modellemesi. SPSS'e eklenen ücretsiz bir makrodur ve tezlerde yaygın kullanılır.
Ölçek analizleri
| Amaç | Yöntem |
|---|---|
| İç tutarlılık güvenilirliği | Cronbach alfa / McDonald omega |
| Boyut yapısını keşfetmek | Açımlayıcı faktör analizi |
| Bilinen yapıyı doğrulamak | Doğrulayıcı faktör analizi |
| Değerlendiriciler arası uyum | Cohen kappa / sınıf içi korelasyon |
Karar verirken sık yapılan hatalar
Likert maddesini tek başına sürekli değişken saymak. Tek bir madde sıralıdır; parametrik olmayan test kullanın. Ölçeğin toplam ya da ortalama puanı ise sürekli gibi ele alınabilir. Likert yazımızda ayrıntısı var.
Çok sayıda ikili karşılaştırma yapmak. Beş grubunuz varsa on ayrı t-testi yerine ANOVA kullanın. Tekrarlanan testler, tesadüfen anlamlı sonuç bulma olasılığını yükseltir.
Normallik testini yanlış okumak. Büyük örneklemde Shapiro-Wilk neredeyse her zaman anlamlı çıkar; bu tek başına parametrik testten vazgeçmeyi gerektirmez.
Korelasyonu etki olarak yorumlamak. "Etkilemektedir" demek için regresyon gerekir; korelasyon yalnızca birlikte değişimi gösterir. Kesitsel bir tasarımda regresyon bile nedensellik kurmaz.
Aynı veriden çok sayıda hipotez üretmek. Analizi yapıp anlamlı çıkanları hipoteze dönüştürmek yöntem etiğine aykırıdır.
Etki büyüklüğünü atlamak. p değeri farkın varlığını, etki büyüklüğü ne kadar büyük olduğunu söyler. İkisi birlikte raporlanır — p değeri ve etki büyüklüğü yazımıza bakın.
Analiz planınızı baştan yazın
Veri toplamadan önce her hipotezin karşısına hangi testi kullanacağınızı yazın. Bunun üç faydası var:
- Yöntem bölümünüzün "Verilerin Analizi" kısmı hazır olur
- Gereken örneklem büyüklüğünü doğru hesaplarsınız (regresyon ile t-testi farklı sayılar ister)
- Veri toplarken hangi değişkeni hangi ölçekte toplamanız gerektiğini bilirsiniz
Son madde kritiktir: yaşı aralık olarak topladıysanız korelasyona giremez. Analiz planı, veri toplama kararlarınızı belirler.
Analizleri hangi sırayla yapmalı?
Test seçimi kadar sıra da önemlidir. Bulgular bölümünüz zaten bu sırayı izleyecek:
- Veri temizliği — kayıp değer, aykırı değer, kalite kontrolü
- Ters kodlama ve ölçek puanlarının hesaplanması
- Güvenilirlik analizleri — Cronbach alfa, gerekiyorsa faktör analizi
- Varsayım kontrolleri — normallik, varyans homojenliği
- Betimsel istatistikler — demografik dağılımlar, değişkenlerin ortalama ve standart sapmaları
- İlişki analizleri — korelasyon matrisi
- Fark analizleri — t-testi, ANOVA
- Yordama analizleri — regresyon, aracılık/düzenleyicilik
Bu sıranın mantığı şudur: her adım bir sonrakinin ön koşuludur. Ölçek puanları hesaplanmadan korelasyon yapılamaz; varsayımlar kontrol edilmeden hangi testi kullanacağınıza karar veremezsiniz; korelasyon matrisine bakmadan regresyona hangi değişkenleri sokacağınızı bilemezsiniz.
Adımları atlayıp doğrudan hipotez testine geçmek, sonradan geri dönmek zorunda kalmanıza yol açar — ve bütün analizleri baştan yapmak gerekir.
Sık sorulan sorular
Verim normal dağılmıyor, ne yapayım? Önce örneklem büyüklüğüne bakın; 30'un üzerindeki gruplarda parametrik testler sapmaya karşı görece dayanıklıdır. Ciddi sapma varsa parametrik olmayan karşılığı kullanın ya da dönüştürme uygulayın.
Grup büyüklükleri çok farklı, sorun mu? ANOVA ve t-testi dengesiz gruplarda çalışır ama varyans homojenliği daha önemli hâle gelir. Levene testi anlamlıysa Welch düzeltmesi kullanın.
Hem parametrik hem parametrik olmayan test yapsam olur mu? İkisi de aynı sonucu veriyorsa bunu belirtmek bulgunuzu güçlendirir. Farklı sonuç veriyorsa varsayımları karşılayan testi raporlayın ve durumu açıklayın.
Analiz planınızın çıkarılması ve analizlerin yapılması için veri analizi hizmetimize bakabilirsiniz. SPSS, jamovi, JASP, R ve AMOS ile çalışıyoruz.