Sevval
New member
Normal Dağılım İçin p Kaç Olmalı? İstatistik Dünyasının Küçük Ama Önemli Sorusu
Normal Dağılım İçin p Kaç Olmalı? Asıl Mesele 0,05'in Altında mı Üstünde mi?
İstatistikle yeni tanışanların başına gelen klasik bir olay vardır: SPSS açılır, test yapılır, ekranda bir sürü tablo belirir ve insan birkaç saniye boyunca bilgisayarın kendisine kişisel bir mesaj gönderdiğini düşünür. Sonra göz bir yere takılır: Sig. = 0,072.
İlk soru genellikle şudur: “Bu iyi mi kötü mü?”
Ardından daha meşhur soru gelir: “Normal dağılım için p kaç olmalı?”
Bu soru aslında çok mantıklı. Çünkü özellikle tez, makale, araştırma veya akademik proje hazırlarken Shapiro-Wilk ya da Kolmogorov-Smirnov testi sonuçlarında p değerine bakılır. Fakat burada küçük bir istatistik tuzağı var: p değerinin 0,05'ten büyük olması otomatik olarak verinin mükemmel biçimde normal dağıldığı anlamına gelmez.
Normal dağılım testlerinde p değerinin nasıl yorumlanacağını anlamak için önce “p neyi anlatıyor?” sorusunu çözmek gerekiyor.
Normal Dağılım Testinde H0 Ne Diyor?
Shapiro-Wilk gibi normalite testlerinde temel mantık oldukça basittir.
H0 yani sıfır hipotezi genel olarak:
“Veriler normal dağılımdan gelmektedir.”
şeklindedir.
Alternatif hipotez ise:
“Veriler normal dağılıma uymamaktadır.”
der.
NIST'in normalite testlerine ilişkin örneklerinde de Shapiro-Wilk testinin sıfır hipotezi popülasyonun normal dağıldığı şeklinde tanımlanmaktadır.
Buradan hareketle geleneksel 0,05 anlamlılık düzeyi kullanılıyorsa:
- p > 0,05: Normal dağılıma aykırılığı gösterecek yeterli kanıt yoktur.
- p < 0,05: Normal dağılım varsayımına karşı istatistiksel olarak anlamlı kanıt vardır.
- p = 0,05: Sonuç seçilen anlamlılık düzeyinin tam sınırındadır ve mekanik biçimde “normal” veya “normal değil” diye etiketlemek yerine bağlamla birlikte değerlendirilmelidir.
Yani insanların günlük dilde söylediği “normal dağılım için p 0,05'ten büyük olmalı” ifadesi, aslında daha dikkatli biçimde “normalite testinde p değeri 0,05'in üzerinde olduğunda H0 reddedilmez” şeklinde kurulmalıdır.
İki cümle birbirine benziyor ama istatistik açısından aralarında önemli fark var.
Peki p = 0,071 Çıktıysa Ne Olacak?
Diyelim ki SPSS'te Shapiro-Wilk testi yaptınız ve sonuç şöyle:
Shapiro-Wilk: p = 0,071
İlk bakışta p > 0,05.
Bu durumda geleneksel 0,05 anlamlılık düzeyinde normal dağılım varsayımını reddetmek için yeterli istatistiksel kanıt bulunmadığı söylenebilir.
Fakat “veriler kesinlikle normaldir” demek doğru olmaz.
Çünkü p değeri bir “normal dağılım sertifikası” değildir.
Amerikan İstatistik Derneği, p değerlerinin belirli bir hipotezin doğru olma olasılığını vermediğini ve tek başına bilimsel sonuçların yalnızca belirli bir eşikten geçip geçmediğine göre oluşturulmaması gerektiğini özellikle vurgulamaktadır.
Bu nedenle p = 0,071 sonucunu şöyle okumak daha sağlıklıdır:
“Normal dağılım varsayımını reddetmek için yeterli kanıt elde edilmemiştir.”
Bu cümle biraz daha uzun ama istatistiksel olarak çok daha güvenlidir.
P Değeri 0,05'in Altındaysa Her Şey Bitti mi?
Burada da ikinci bir yanlış anlaşılma ortaya çıkıyor.
Örneğin:
p = 0,018
çıktı.
Geleneksel 0,05 eşiğine göre normal dağılım varsayımına karşı istatistiksel olarak anlamlı kanıt vardır.
Ama bu sonuç, verinin “tamamen kullanılamaz” olduğu anlamına gelmez.
Örneğin 5.000 kişilik bir veri setinde çok küçük bir sapma bile normalite testinde anlamlı çıkabilir. Buna karşılık küçük örneklemde daha belirgin bir sapma test tarafından yakalanmayabilir.
Yani örneklem büyüklüğü oyunun kurallarını ciddi biçimde değiştirir.
Burada istatistikçinin işi yalnızca p değerine bakıp karar vermek değildir. Grafiklere, örneklem büyüklüğüne, çarpıklık ve basıklık ölçülerine, Q-Q grafiğine ve kullanılacak analiz yönteminin normaliteye ne kadar duyarlı olduğuna da bakmak gerekir.
Kadın Araştırmacı Başka, Erkek Araştırmacı Başka mı Düşünür?
İstatistikte bazen araştırmacının karakteri, mesleği veya çalışma biçimi sonuçları yorumlama tarzını etkileyebilir; fakat bunu doğrudan cinsiyete bağlamak bilimsel olarak doğru olmaz.
Yine de forum kültürünün mizahına uygun küçük bir sahne düşünelim.
Bir araştırmacı SPSS ekranına bakıyor:
“p = 0,048. Tamam, sorun var.”
Yanındaki meslektaşı ise:
“Bir dakika. Q-Q grafiğine baktın mı?”
İlk araştırmacı:
“Hayır.”
Diğeri:
“E o zaman daha yeni başladık.”
Burada mesele erkeklerin “çözümcü”, kadınların “ilişki odaklı” olması değil. Farklı insanların farklı araştırma alışkanlıklarına sahip olmasıdır. Bir erkek araştırmacı ayrıntılı bağlamsal analiz yapabilir; bir kadın araştırmacı son derece teknik ve hızlı karar verebilir. Aynı şekilde bunun tersi de mümkündür.
Asıl değerli olan, farklı bakışların aynı veri üzerinde buluşmasıdır.
İyi bir araştırma ekibinde biri “Bu test ne söylüyor?” diye sorarken diğerinin “Bu sonucun gerçek hayattaki anlamı ne?” diye sorması oldukça faydalıdır.
Shapiro-Wilk mi, Kolmogorov-Smirnov mu?
Normal dağılım konusunda SPSS kullanıcılarının sık karşılaştığı iki isim vardır:
Shapiro-Wilk
ve
Kolmogorov-Smirnov.
Bunların ikisini görmek, özellikle öğrencilerde “İki test çıktı, hangisine inanacağım?” paniği yaratabiliyor.
Tek bir test sonucuna körü körüne bağlanmak yerine araştırmanın örneklem büyüklüğü, veri yapısı ve kullanılacak istatistiksel yöntem dikkate alınmalıdır.
Normalite değerlendirmesinde grafiksel inceleme de önemlidir. Q-Q grafiği, histogram ve veri dağılımının kendisi araştırmacıya önemli bilgiler sağlayabilir.
APA'nın araştırma yöntemleri kaynakları da istatistiksel anlamlılığın yanı sıra etki büyüklüğü, güven aralıkları ve kullanılan testin varsayımlarının değerlendirilmesini vurgulamaktadır.
Yani sadece “p kaç?” diye sormak yerine:
“Verinin dağılımı nasıl görünüyor ve kullanacağım analiz bu sapmadan ne kadar etkileniyor?”
sorusunu sormak daha güçlü bir yaklaşımdır.
P = 0,000 Görürseniz Korkmayın
SPSS kullanıcılarının başka bir klasik sorusu da şudur:
“Hocam, SPSS p = 0,000 yazmış. Bu gerçekten sıfır mı?”
Hayır.
SPSS'in 0,000 göstermesi, p değerinin matematiksel olarak tam anlamıyla sıfır olduğu anlamına gelmez. IBM'in SPSS açıklamalarında da bu durum ele alınmaktadır.
Bu nedenle raporlama açısından genellikle p < 0,001 biçiminde ifade etmek daha uygundur.
Burada küçük bir sıfır, akademik hayatınızın tamamını değiştirecek kadar büyük bir yanlış anlaşılmaya dönüşmesin.
Normal Dağılım İçin Sadece p Değerine Bakmak Neden Riskli?
Normal Dağılım İçin p Kaç Olmalı? Asıl Mesele 0,05'in Altında mı Üstünde mi?
İstatistikle yeni tanışanların başına gelen klasik bir olay vardır: SPSS açılır, test yapılır, ekranda bir sürü tablo belirir ve insan birkaç saniye boyunca bilgisayarın kendisine kişisel bir mesaj gönderdiğini düşünür. Sonra göz bir yere takılır: Sig. = 0,072.
İlk soru genellikle şudur: “Bu iyi mi kötü mü?”
Ardından daha meşhur soru gelir: “Normal dağılım için p kaç olmalı?”
Bu soru aslında çok mantıklı. Çünkü özellikle tez, makale, araştırma veya akademik proje hazırlarken Shapiro-Wilk ya da Kolmogorov-Smirnov testi sonuçlarında p değerine bakılır. Fakat burada küçük bir istatistik tuzağı var: p değerinin 0,05'ten büyük olması otomatik olarak verinin mükemmel biçimde normal dağıldığı anlamına gelmez.
Normal dağılım testlerinde p değerinin nasıl yorumlanacağını anlamak için önce “p neyi anlatıyor?” sorusunu çözmek gerekiyor.
Normal Dağılım Testinde H0 Ne Diyor?
Shapiro-Wilk gibi normalite testlerinde temel mantık oldukça basittir.
H0 yani sıfır hipotezi genel olarak:
“Veriler normal dağılımdan gelmektedir.”
şeklindedir.
Alternatif hipotez ise:
“Veriler normal dağılıma uymamaktadır.”
der.
NIST'in normalite testlerine ilişkin örneklerinde de Shapiro-Wilk testinin sıfır hipotezi popülasyonun normal dağıldığı şeklinde tanımlanmaktadır.
Buradan hareketle geleneksel 0,05 anlamlılık düzeyi kullanılıyorsa:
- p > 0,05: Normal dağılıma aykırılığı gösterecek yeterli kanıt yoktur.
- p < 0,05: Normal dağılım varsayımına karşı istatistiksel olarak anlamlı kanıt vardır.
- p = 0,05: Sonuç seçilen anlamlılık düzeyinin tam sınırındadır ve mekanik biçimde “normal” veya “normal değil” diye etiketlemek yerine bağlamla birlikte değerlendirilmelidir.
Yani insanların günlük dilde söylediği “normal dağılım için p 0,05'ten büyük olmalı” ifadesi, aslında daha dikkatli biçimde “normalite testinde p değeri 0,05'in üzerinde olduğunda H0 reddedilmez” şeklinde kurulmalıdır.
İki cümle birbirine benziyor ama istatistik açısından aralarında önemli fark var.
Peki p = 0,071 Çıktıysa Ne Olacak?
Diyelim ki SPSS'te Shapiro-Wilk testi yaptınız ve sonuç şöyle:
Shapiro-Wilk: p = 0,071
İlk bakışta p > 0,05.
Bu durumda geleneksel 0,05 anlamlılık düzeyinde normal dağılım varsayımını reddetmek için yeterli istatistiksel kanıt bulunmadığı söylenebilir.
Fakat “veriler kesinlikle normaldir” demek doğru olmaz.
Çünkü p değeri bir “normal dağılım sertifikası” değildir.
Amerikan İstatistik Derneği, p değerlerinin belirli bir hipotezin doğru olma olasılığını vermediğini ve tek başına bilimsel sonuçların yalnızca belirli bir eşikten geçip geçmediğine göre oluşturulmaması gerektiğini özellikle vurgulamaktadır.
Bu nedenle p = 0,071 sonucunu şöyle okumak daha sağlıklıdır:
“Normal dağılım varsayımını reddetmek için yeterli kanıt elde edilmemiştir.”
Bu cümle biraz daha uzun ama istatistiksel olarak çok daha güvenlidir.
P Değeri 0,05'in Altındaysa Her Şey Bitti mi?
Burada da ikinci bir yanlış anlaşılma ortaya çıkıyor.
Örneğin:
p = 0,018
çıktı.
Geleneksel 0,05 eşiğine göre normal dağılım varsayımına karşı istatistiksel olarak anlamlı kanıt vardır.
Ama bu sonuç, verinin “tamamen kullanılamaz” olduğu anlamına gelmez.
Örneğin 5.000 kişilik bir veri setinde çok küçük bir sapma bile normalite testinde anlamlı çıkabilir. Buna karşılık küçük örneklemde daha belirgin bir sapma test tarafından yakalanmayabilir.
Yani örneklem büyüklüğü oyunun kurallarını ciddi biçimde değiştirir.
Burada istatistikçinin işi yalnızca p değerine bakıp karar vermek değildir. Grafiklere, örneklem büyüklüğüne, çarpıklık ve basıklık ölçülerine, Q-Q grafiğine ve kullanılacak analiz yönteminin normaliteye ne kadar duyarlı olduğuna da bakmak gerekir.
Kadın Araştırmacı Başka, Erkek Araştırmacı Başka mı Düşünür?
İstatistikte bazen araştırmacının karakteri, mesleği veya çalışma biçimi sonuçları yorumlama tarzını etkileyebilir; fakat bunu doğrudan cinsiyete bağlamak bilimsel olarak doğru olmaz.
Yine de forum kültürünün mizahına uygun küçük bir sahne düşünelim.
Bir araştırmacı SPSS ekranına bakıyor:
“p = 0,048. Tamam, sorun var.”
Yanındaki meslektaşı ise:
“Bir dakika. Q-Q grafiğine baktın mı?”
İlk araştırmacı:
“Hayır.”
Diğeri:
“E o zaman daha yeni başladık.”
Burada mesele erkeklerin “çözümcü”, kadınların “ilişki odaklı” olması değil. Farklı insanların farklı araştırma alışkanlıklarına sahip olmasıdır. Bir erkek araştırmacı ayrıntılı bağlamsal analiz yapabilir; bir kadın araştırmacı son derece teknik ve hızlı karar verebilir. Aynı şekilde bunun tersi de mümkündür.
Asıl değerli olan, farklı bakışların aynı veri üzerinde buluşmasıdır.
İyi bir araştırma ekibinde biri “Bu test ne söylüyor?” diye sorarken diğerinin “Bu sonucun gerçek hayattaki anlamı ne?” diye sorması oldukça faydalıdır.
Shapiro-Wilk mi, Kolmogorov-Smirnov mu?
Normal dağılım konusunda SPSS kullanıcılarının sık karşılaştığı iki isim vardır:
Shapiro-Wilk
ve
Kolmogorov-Smirnov.
Bunların ikisini görmek, özellikle öğrencilerde “İki test çıktı, hangisine inanacağım?” paniği yaratabiliyor.
Tek bir test sonucuna körü körüne bağlanmak yerine araştırmanın örneklem büyüklüğü, veri yapısı ve kullanılacak istatistiksel yöntem dikkate alınmalıdır.
Normalite değerlendirmesinde grafiksel inceleme de önemlidir. Q-Q grafiği, histogram ve veri dağılımının kendisi araştırmacıya önemli bilgiler sağlayabilir.
APA'nın araştırma yöntemleri kaynakları da istatistiksel anlamlılığın yanı sıra etki büyüklüğü, güven aralıkları ve kullanılan testin varsayımlarının değerlendirilmesini vurgulamaktadır.
Yani sadece “p kaç?” diye sormak yerine:
“Verinin dağılımı nasıl görünüyor ve kullanacağım analiz bu sapmadan ne kadar etkileniyor?”
sorusunu sormak daha güçlü bir yaklaşımdır.
P = 0,000 Görürseniz Korkmayın
SPSS kullanıcılarının başka bir klasik sorusu da şudur:
“Hocam, SPSS p = 0,000 yazmış. Bu gerçekten sıfır mı?”
Hayır.
SPSS'in 0,000 göstermesi, p değerinin matematiksel olarak tam anlamıyla sıfır olduğu anlamına gelmez. IBM'in SPSS açıklamalarında da bu durum ele alınmaktadır.
Bu nedenle raporlama açısından genellikle p < 0,001 biçiminde ifade etmek daha uygundur.
Burada küçük bir sıfır, akademik hayatınızın tamamını değiştirecek kadar büyük bir yanlış anlaşılmaya dönüşmesin.
Normal Dağılım İçin Sadece p Değerine Bakmak Neden Riskli?