Hangi istatistiksel testi kullanmalıyım? Farklılık testleri için seçim rehberi
Güncelleme tarihi: 18 saat önce
Araştırma sorularınızı hazırladınız, verilerinizi topladınız ve SPSS dosyanız hazır. Sıra analizlere geldiğinde ise birçok araştırmacının karşılaştığı temel soru ortaya çıkıyor:
Hangi istatistiksel testi kullanmalıyım?
İki grubunuz varsa t testi mi, Mann-Whitney U testi mi yapılmalı? Üç grup varsa ANOVA mı, Kruskal-Wallis mi kullanılmalı? Aynı kişileri iki kez ölçtüyseniz hangi test seçilmeli?
Bu soruların cevabı yalnızca “veri normal dağılıyor mu?” sorusuna bağlı değildir. Doğru istatistiksel testin seçilebilmesi için araştırma tasarımı, grup sayısı, grupların bağımsız veya bağımlı olması, bağımlı değişkenin ölçme düzeyi ve verinin dağılım özellikleri birlikte değerlendirilmelidir.
Bu yazıda özellikle gruplar arasında farklılık olup olmadığını araştıran çalışmalarda hangi istatistiksel testin kullanılabileceğini adım adım ele alacağız.
İstatistiksel test seçimine nereden başlanır?
Farklılık analizi için test seçerken önce şu dört soruya cevap verilmelidir:
Kaç grup veya ölçüm karşılaştırılıyor?
Gruplar birbirinden bağımsız mı, yoksa aynı kişilerden tekrarlı ölçümler mi alındı?
Bağımlı değişken hangi ölçme düzeyinde?
Parametrik testlerin kullanılmasını etkileyen veri özellikleri uygun mu?
Bu dört sorunun cevabı test seçeneklerini büyük ölçüde daraltır.
En temel karar yapısı şöyledir:
Araştırma tasarımı | Parametrik yaklaşım | Parametrik olmayan yaklaşım |
İki bağımsız grup | Bağımsız örneklemler t testi | Mann-Whitney U testi |
Üç veya daha fazla bağımsız grup | Tek yönlü ANOVA | Kruskal-Wallis testi |
İki bağımlı ölçüm | Bağımlı örneklemler t testi | Wilcoxon işaretli sıralar testi |
Üç veya daha fazla bağımlı ölçüm | Tekrarlı ölçümler ANOVA | Friedman testi |
Bu tablo oldukça yararlı bir başlangıç noktasıdır. Ancak doğru testi seçmek için her satırın hangi koşullarda geçerli olduğunu da bilmek gerekir.
İki bağımsız grup varsa hangi test kullanılır?
En sık karşılaşılan araştırma tasarımlarından biri iki farklı grubun bir puan açısından karşılaştırılmasıdır.
Örneğin:
kadın ve erkek öğrencilerin kaygı puanları,
deney ve kontrol grubunun başarı puanları,
sigara kullanan ve kullanmayan bireylerin yaşam kalitesi puanları,
iki farklı tedavi grubunun ağrı düzeyleri
karşılaştırılabilir.
Bu gruplardaki kişiler birbirinden farklıysa ve bir kişi yalnızca bir grupta bulunuyorsa gruplar bağımsızdır.
Bu durumda temel seçenekler:
Bağımsız örneklemler t testi
ve
Mann-Whitney U testi
olur.
Bağımsız örneklemler t testi ne zaman kullanılır?
Bağımsız örneklemler t testi, iki bağımsız grubun ortalamalarını karşılaştırmak amacıyla kullanılan parametrik bir testtir.
Bağımlı değişkenin uygun bir sürekli ölçüm olması, gözlemlerin bağımsızlığı ve modelin gerektirdiği dağılım özellikleri değerlendirilmelidir.
Varyansların eşitliği de klasik t testi uygulamasında önemlidir. Ancak varyanslar eşit değilse doğrudan parametrik olmayan teste geçmek zorunda değilsiniz. Welch t testi gibi eşit varyans varsayımı gerektirmeyen seçenekler değerlendirilebilir.
Dolayısıyla:
Levene testi p < 0,05 → otomatik olarak Mann-Whitney U
yaklaşımı doğru değildir.
Mann-Whitney U testi ne zaman kullanılır?
Mann-Whitney U testi iki bağımsız grubun sıralara dayalı olarak karşılaştırılmasını sağlar.
Özellikle ordinal verilerde veya parametrik yöntemin uygun olmadığı sürekli verilerde kullanılabilir.
Mann-Whitney U testini yalnızca “normal dağılım yoksa t testinin yerine kullanılan test” şeklinde düşünmek eksik bir yaklaşımdır.
Testin ayrıntılı uygulaması ve SPSS çıktılarının yorumlanması için Mann-Whitney U testi nedir? yazımızı inceleyebilirsiniz.
Üç veya daha fazla bağımsız grup varsa hangi test kullanılır?
Birbirinden bağımsız üç veya daha fazla grubun karşılaştırılmasında temel seçenekler:
Tek yönlü ANOVA
ve
Kruskal-Wallis testidir.
Örneğin öğrencilerin başarı puanlarının:
birinci sınıf,
ikinci sınıf,
üçüncü sınıf,
dördüncü sınıf
öğrencileri arasında farklılaşıp farklılaşmadığını araştırdığımızı düşünelim.
Dört grup birbirinden bağımsızdır.
Bağımlı değişken ve veri özellikleri parametrik analiz için uygunsa tek yönlü ANOVA değerlendirilebilir.
Parametrik olmayan bir yaklaşım gerekiyorsa Kruskal-Wallis testi kullanılabilir.
Tek yönlü ANOVA ne zaman kullanılır?
Tek yönlü varyans analizi, üç veya daha fazla bağımsız grubun ortalamalarını karşılaştırmak amacıyla kullanılır.
Örneğin:
Üç farklı eğitim yönteminin öğrencilerin sınav puanları üzerindeki etkisi farklı mı?
sorusunda eğitim yöntemi üç gruplu bağımsız değişken, sınav puanı ise sürekli bağımlı değişken olabilir.
ANOVA sonucunun anlamlı çıkması yalnızca:
“En az iki grup arasında fark vardır.”
sonucunu verir.
Hangi gruplar arasında fark bulunduğunu belirlemek için ayrıca uygun post-hoc karşılaştırmalar yapılmalıdır.
Kruskal-Wallis testi ne zaman kullanılır?
Kruskal-Wallis testi, üç veya daha fazla bağımsız grubun parametrik olmayan karşılaştırmalarında kullanılan sıralara dayalı bir yöntemdir.
Örneğin üç farklı klinik grubun ordinal düzeyde ağrı puanlarının karşılaştırılmasında kullanılabilir.
Ancak Kruskal-Wallis de yalnızca:
“Normal dağılım yoksa ANOVA yerine yapılır.”
şeklinde değerlendirilmemelidir.
Ölçme düzeyi, dağılım yapısı ve araştırma sorusu birlikte ele alınmalıdır.
Kruskal-Wallis testi anlamlı bulunduğunda hangi grupların farklı olduğunu belirlemek için ayrıca uygun ikili karşılaştırmalar ve çoklu test düzeltmeleri gerekir.
Aynı kişileri iki kez ölçtüysem hangi test kullanılır?
Bir grubun aynı bireylerinden iki ayrı zamanda ölçüm alındığında gözlemler bağımsız değildir.
Örneğin:
tedavi öncesi ve sonrası ağrı puanı,
eğitim öncesi ve sonrası bilgi puanı,
egzersiz öncesi ve sonrası kalp hızı
karşılaştırılabilir.
Burada aynı kişilerin iki ölçümü bulunduğundan bağımlı veya ilişkili ölçümler söz konusudur.
Temel seçenekler:
Bağımlı örneklemler t testi
ve
Wilcoxon işaretli sıralar testidir.
Bağımlı örneklemler t testi ne zaman kullanılır?
Bağımlı örneklemler t testi, aynı bireylerin iki ilişkili ölçümünün ortalamalarını karşılaştırmak için kullanılan parametrik yöntemdir.
Burada önemli noktalardan biri, normallik değerlendirmesinin ayrı ayrı iki ölçümden çok iki ölçüm arasındaki farklar açısından ele alınmasıdır.
Örneğin tedavi öncesi ve sonrası puanların fark değerleri parametrik yöntemin gerektirdiği özellikler açısından incelenir.
Wilcoxon işaretli sıralar testi ne zaman kullanılır?
Wilcoxon işaretli sıralar testi iki ilişkili ölçüm için kullanılan parametrik olmayan yöntemlerden biridir.
Örneğin aynı hastaların tedavi öncesi ve sonrası ordinal ağrı puanlarını karşılaştırmak amacıyla kullanılabilir.
Mann-Whitney U testiyle karıştırılmamalıdır.
Mann-Whitney U → iki bağımsız grup
Wilcoxon → iki bağımlı ölçüm
Bu ayrım test seçiminde en sık yapılan hatalardan biridir.
Aynı kişileri üç veya daha fazla kez ölçtüysem hangi test kullanılır?
Aynı katılımcılardan üç veya daha fazla zaman veya koşulda ölçüm alınmışsa tekrarlı ölçümlü bir tasarım söz konusudur.
Örneğin bir tedavinin etkisi:
tedavi öncesi,
tedaviden 1 ay sonra,
tedaviden 3 ay sonra
ölçülmüş olabilir.
Bu durumda temel seçenekler:
Tekrarlı ölçümler ANOVA
ve
Friedman testidir.
Tekrarlı ölçümler ANOVA ne zaman kullanılır?
Tekrarlı ölçümler ANOVA, aynı bireylerin üç veya daha fazla ilişkili ölçümünün parametrik yöntemle karşılaştırılmasında kullanılabilir.
Bu analizde normal dağılımın yanı sıra özellikle üçten fazla zaman veya koşul bulunduğunda küresellik (sphericity) varsayımı da önem kazanır.
Küresellik varsayımı ihlal edildiğinde Greenhouse-Geisser veya Huynh-Feldt gibi düzeltmeler değerlendirilebilir.
Bu nedenle tekrarlı ölçümler ANOVA, yalnızca “üç zaman noktası var, ANOVA yapalım” şeklinde uygulanmamalıdır.
Friedman testi ne zaman kullanılır?
Friedman testi aynı bireylerin üç veya daha fazla ilişkili ölçümünü karşılaştırmak için kullanılan parametrik olmayan yöntemlerden biridir.
Örneğin aynı hastaların dört farklı zamandaki ordinal semptom puanları Friedman testiyle karşılaştırılabilir.
Friedman testinin anlamlı çıkması da hangi zaman noktalarının birbirinden farklı olduğunu tek başına göstermez. Gerekli durumlarda uygun ikili karşılaştırmalar ve çoklu karşılaştırma düzeltmeleri yapılmalıdır.
Parametrik ve nonparametrik test arasındaki fark nedir?
Parametrik testler belirli dağılımsal ve model varsayımlarına dayanır ve çoğu durumda ortalama gibi parametreler üzerinden çıkarım yapar.
Parametrik olmayan testlerin önemli bölümü ise gözlemlerin sıralarından veya işaretlerinden yararlanır.
Ancak:
Parametrik test = iyi test
ve
nonparametrik test = kötü test
şeklinde bir ayrım yoktur.
Önemli olan araştırma sorusuna ve veri yapısına uygun yöntemin seçilmesidir.
Benzer biçimde:
normal dağılım → parametrik
normal değil → nonparametrik
şeklindeki tek aşamalı karar mekanizması da çoğu araştırma için gereğinden fazla basittir.
Normal dağılıma göre test nasıl seçilir?
Normallik test seçiminin önemli parçalarından biri olabilir ancak tek kriter değildir.
Araştırmacılar özellikle Shapiro-Wilk veya Kolmogorov-Smirnov testindeki p değerine bakarak karar verme eğilimindedir.
Örneğin:
p < 0,05 → normal değil → nonparametrik test
biçiminde otomatik karar verilebilir.
Bu yaklaşım sakıncalıdır.
Çünkü normallik testleri örneklem büyüklüğünden etkilenir. Büyük örneklemlerde önemsiz sapmalar anlamlı olabilir; küçük örneklemlerde ise ciddi dağılım sorunları istatistiksel olarak fark edilmeyebilir.
Bu nedenle normal dağılım değerlendirilirken:
histogram,
Q-Q grafiği,
çarpıklık ve basıklık,
uç değerler,
örneklem büyüklüğü
gibi bilgiler de birlikte incelenmelidir.
Normal dağılım değerlendirmesi için Sıfırdan SPSS dersleri sayfasındaki 16. dersi de inceleyebilirsiniz. Bu dersin ardından bağımsız t testi, Mann-Whitney U, ANOVA ve Kruskal-Wallis uygulamaları da sırasıyla yer almaktadır.
Ölçme düzeyi test seçimini nasıl etkiler?
Test seçimi yapılırken değişkenlerin yalnızca sayısal görünüp görünmediğine değil, hangi ölçme düzeyinde olduğuna bakılmalıdır.
Örneğin:
kan grubu → nominal,
memnuniyet derecesi → ordinal,
sıcaklık → aralık,
ağırlık → oran
ölçeğinde olabilir.
SPSS'te bir değişkeni 1, 2, 3 şeklinde kodlamak onu otomatik olarak sürekli değişken hâline getirmez.
Örneğin:
1 = düşük
2 = orta
3 = yüksek
biçimindeki değişken ordinal yapıda olabilir.
Nominal, ordinal, aralık ve oran ölçeklerinin test seçimindeki rolünü ayrıntılı görmek için ölçme düzeyleri yazımızı inceleyebilirsiniz.
Varyanslar homojen değilse nonparametrik test mi yapılır?
Her zaman değil.
Özellikle bağımsız grupların parametrik karşılaştırmalarında varyans eşitliği önemli bir konudur. Ancak varyansların eşit olmaması otomatik olarak Mann-Whitney U veya Kruskal-Wallis testine geçilmesi gerektiği anlamına gelmez.
İki bağımsız grup için Welch t testi, üç veya daha fazla grup için ise Welch ANOVA gibi eşit varyans varsayımına daha dayanıklı yöntemler bulunur.
Dolayısıyla:
Levene p < 0,05 = parametrik test yapılamaz
şeklinde mutlak bir kural yoktur.
İki gruptan fazla olduğunda neden ayrı ayrı t testi yapılmaz?
Örneğin A, B ve C olmak üzere üç grubunuz olduğunu düşünelim.
A-B,
A-C,
B-C
şeklinde üç ayrı t testi yapmak ilk bakışta mantıklı görünebilir.
Ancak çok sayıda ayrı test yapıldığında Tip I hata, yani gerçekte fark olmadığı hâlde anlamlı fark bulma olasılığı artar.
Bu nedenle üç veya daha fazla grubun genel karşılaştırmasında önce ANOVA veya Kruskal-Wallis gibi omnibus testler kullanılır.
Genel test anlamlı bulunduğunda hangi grupların farklı olduğunu belirlemek için uygun post-hoc veya ikili karşılaştırma yöntemlerine geçilir.
ANOVA anlamlı çıktıysa sonuç tamamlanmış olur mu?
Hayır.
ANOVA sonucunda p < 0,05 elde edilmesi:
gruplardan en az ikisinin ortalamaları arasında fark bulunduğunu
gösterir.
Fakat hangi grupların farklı olduğunu söylemez.
Bu nedenle Tukey, Bonferroni, Games-Howell gibi uygun post-hoc yöntemlerin kullanılması gerekebilir.
Hangi post-hoc testin tercih edileceği grup varyansları, örneklem büyüklükleri ve araştırmanın yapısına göre değişebilir.
Kruskal-Wallis anlamlı çıkarsa ne yapılır?
Benzer durum Kruskal-Wallis testi için de geçerlidir.
Kruskal-Wallis sonucunda p < 0,05 bulunması, en az iki grubun dağılımlarının farklı olduğuna ilişkin kanıt sağlar.
Ancak hangi gruplar arasında farklılık bulunduğunu belirlemek için uygun post-hoc ikili karşılaştırmalar yapılmalıdır.
Bu karşılaştırmalarda çoklu testlerden kaynaklanan Tip I hata artışı da kontrol edilmelidir.
Sadece p değerine göre test seçilir mi?
Hayır.
İstatistiksel analizde iki farklı p değeri kavramının birbirine karıştırılması da sık görülür.
Birincisi test seçiminde kullanılan varsayım kontrollerine ilişkin p değerleridir.
Örneğin:
Shapiro-Wilk,
Levene,
Mauchly
testleri.
İkincisi ise asıl araştırma hipotezini değerlendiren t testi, ANOVA veya Mann-Whitney U gibi analizlerin p değeridir.
Varsayım testlerinden tek bir p değerine bakarak bütün analiz stratejisini otomatik biçimde değiştirmek çoğu zaman uygun değildir.
Kategorik iki değişken arasında fark varsa hangi test kullanılır?
Buraya kadar anlattığımız testlerin önemli bölümü bir puan veya sıralanabilir sonuç değişkeninin gruplar arasında karşılaştırılmasına yöneliktir.
Ancak iki değişken de kategorikse farklı testler gerekir.
Örneğin:
Cinsiyet ile sigara kullanma durumu arasında ilişki var mı?
sorusunda her iki değişken de kategoriktir.
Böyle bir durumda t testi, ANOVA veya Mann-Whitney U değil, araştırma tasarımına uygun olarak ki-kare testi gibi kategorik veri analizleri değerlendirilir.
Dolayısıyla “iki grup varsa t testi” kuralı her araştırma sorusu için geçerli değildir.
Kovaryat kontrol etmek istiyorsam hangi test kullanılır?
Araştırmacı grupları karşılaştırırken yaş, başlangıç puanı veya başka bir sürekli değişkenin etkisini istatistiksel olarak kontrol etmek isteyebilir.
Bu durumda klasik tek yönlü ANOVA yerine ANCOVA gibi yöntemler gündeme gelebilir.
Örneğin üç eğitim yönteminin final puanı üzerindeki etkisini araştırırken öğrencilerin başlangıç başarı puanları kovaryat olarak modele eklenebilir.
Ancak ANCOVA'nın da regresyon eğimlerinin homojenliği gibi kendine özgü varsayımları vardır.
Bu nedenle yalnızca “bir kontrol değişkeni ekledim, ANCOVA yapmalıyım” yaklaşımı yeterli değildir.
Birden fazla bağımsız değişken varsa hangi test kullanılır?
İki veya daha fazla kategorik bağımsız değişkenin bir sürekli bağımlı değişken üzerindeki etkisi birlikte incelenecekse faktöriyel ANOVA kullanılabilir.
Örneğin:
cinsiyet,
eğitim yöntemi
değişkenlerinin başarı puanı üzerindeki etkileri aynı modelde incelenebilir.
Bu yaklaşım yalnızca iki bağımsız değişkenin ayrı ayrı etkilerini değil, etkileşim etkisini de değerlendirmeye olanak sağlar.
Birden fazla bağımlı değişken varsa hangi test kullanılır?
Araştırmada birbirleriyle ilişkili birden fazla sürekli bağımlı değişken aynı anda değerlendirilecekse MANOVA gündeme gelebilir.
Örneğin bir eğitim yönteminin:
başarı,
motivasyon,
akademik öz yeterlik
üzerindeki etkileri birlikte incelenmek istenebilir.
MANOVA'nın kullanımı yalnızca “üç bağımlı değişkenim var” kararına indirgenmemeli; analiz amaçları ve varsayımları ayrıca değerlendirilmelidir.
Hangi testi kullanmalıyım? Hızlı karar tablosu
Aşağıdaki tablo temel farklılık testleri için pratik bir özet sunmaktadır:
Araştırma sorusu | Temel test seçeneği |
İki bağımsız grubun ortalaması | Bağımsız örneklemler t testi |
İki bağımsız grubun sıralara dayalı karşılaştırması | Mann-Whitney U |
Üç veya daha fazla bağımsız grubun ortalaması | Tek yönlü ANOVA |
Üç veya daha fazla bağımsız grubun sıralara dayalı karşılaştırması | Kruskal-Wallis |
Aynı kişilerin iki ölçümü | Bağımlı örneklemler t testi |
Aynı kişilerin iki parametrik olmayan ölçümü | Wilcoxon |
Aynı kişilerin üç veya daha fazla ölçümü | Tekrarlı ölçümler ANOVA |
Aynı kişilerin üç veya daha fazla parametrik olmayan ölçümü | Friedman |
Grupları kovaryat kontrol ederek karşılaştırma | ANCOVA |
İki kategorik değişken | Ki-kare ve ilgili kategorik veri testleri |
İki faktörün sürekli sonuç üzerindeki etkisi | İki yönlü/faktöriyel ANOVA |
Birden fazla sürekli sonuç değişkeni | MANOVA |
Bu tablo bir başlangıç rehberi olarak kullanılmalıdır. Nihai test kararı araştırmanın örnekleme tasarımı, ölçme düzeyi, dağılımı ve hipotezi dikkate alınarak verilmelidir.
En sık yapılan test seçimi hataları
İstatistiksel test seçiminde özellikle şu hatalar sık görülmektedir:
“p < 0,05 normal değil, hemen nonparametrik teste geçmeliyim.”
Tek bir normallik testi bu kararı vermek için yeterli olmayabilir.
“İki grubum var, t testi yaparım.”
Bağımlı değişken kategorik olabilir veya gruplar bağımlı olabilir.
“Varyanslar homojen değil, Mann-Whitney yapmalıyım.”
Welch t testi gibi alternatif parametrik yöntemler bulunabilir.
“Üç grubum var, üç ayrı t testi yaparım.”
Çoklu testler Tip I hata olasılığını artırır.
“Mann-Whitney medyanları karşılaştırır.”
Bu yorum belirli dağılım koşullarında yapılabilir; test her durumda basit bir medyan testi değildir.
“ANOVA anlamlıysa hangi grubun yüksek olduğuna bakıp sonucu yazarım.”
Anlamlı genel testten sonra uygun post-hoc karşılaştırmalar yapılmalıdır.
İstatistiksel test seçimi için örnekler
Örnek 1: İki bağımsız grup
Araştırma sorusu:
Kadın ve erkek öğrencilerin akademik motivasyon puanları farklı mı?
İki bağımsız grup vardır.
Sürekli sonuç değişkeni ve parametrik koşullar uygunsa:
Bağımsız örneklemler t testi
değerlendirilebilir.
Parametrik olmayan yaklaşım gerekiyorsa:
Mann-Whitney U testi
kullanılabilir.
Örnek 2: Üç bağımsız grup
Araştırma sorusu:
Üç farklı öğretim yöntemine göre başarı puanları farklı mı?
Üç bağımsız grup vardır.
Parametrik koşullar uygunsa:
Tek yönlü ANOVA
parametrik olmayan yaklaşım gerekiyorsa:
Kruskal-Wallis
kullanılabilir.
Örnek 3: Ön test-son test
Araştırma sorusu:
Eğitim programı öncesinde ve sonrasında bilgi puanları değişti mi?
Aynı bireyler iki kez ölçülmüştür.
Parametrik koşullar uygunsa:
Bağımlı örneklemler t testi
parametrik olmayan yaklaşım gerekiyorsa:
Wilcoxon işaretli sıralar testi
değerlendirilebilir.
Örnek 4: Üç zamanlı takip
Araştırma sorusu:
Hastaların ağrı puanları başlangıç, birinci ay ve üçüncü ayda değişiyor mu?
Aynı bireylerin üç ölçümü vardır.
Parametrik yaklaşım:
Tekrarlı ölçümler ANOVA
parametrik olmayan yaklaşım:
Friedman testi
olabilir.
Hangi istatistiksel testi kullanmalıyım? Sık sorulan sorular
İki grup varsa hangi test kullanılır?
Gruplar bağımsızsa ve sürekli sonuç için parametrik yaklaşım uygunsa bağımsız örneklemler t testi; uygun parametrik olmayan durumda Mann-Whitney U kullanılabilir. Aynı bireylerin iki ölçümü varsa bağımlı t testi veya Wilcoxon değerlendirilir.
Üç grup varsa hangi test kullanılır?
Üç bağımsız grubun karşılaştırılmasında parametrik koşullarda tek yönlü ANOVA, uygun parametrik olmayan durumda Kruskal-Wallis kullanılabilir.
Normal dağılım yoksa hangi test kullanılır?
Bu sorunun tek bir cevabı yoktur. Grup sayısı, bağımlılık yapısı, ölçme düzeyi ve dağılım özellikleri birlikte değerlendirilmelidir. İki bağımsız grupta Mann-Whitney U, üç veya daha fazla bağımsız grupta Kruskal-Wallis, iki ilişkili ölçümde Wilcoxon ve üç veya daha fazla ilişkili ölçümde Friedman seçenekler arasında olabilir.
Ön test-son test için hangi test kullanılır?
Aynı katılımcılardan ön test ve son test alınmışsa parametrik koşullarda bağımlı örneklemler t testi, uygun parametrik olmayan durumda Wilcoxon işaretli sıralar testi kullanılabilir.
Deney ve kontrol grubu için hangi test kullanılır?
Yalnızca son test puanları karşılaştırılıyorsa iki bağımsız grubun karşılaştırılmasına uygun yöntemler değerlendirilebilir. Ancak ön test-son test içeren deneysel tasarımlarda yalnızca iki ayrı t testi yapmak çoğu zaman yeterli değildir. Araştırma tasarımına göre karma ANOVA, ANCOVA veya başka modeller gerekebilir.
Likert ölçek puanlarında hangi test kullanılır?
Tek bir Likert maddesi ile çok maddeli bir ölçekten elde edilen toplam veya ortalama puan aynı şey değildir. Ölçme düzeyi, madde sayısı, puanın dağılımı ve araştırma alanındaki yöntemsel yaklaşım birlikte değerlendirilmelidir. Yalnızca “Likert olduğu için nonparametrik test gerekir” şeklinde otomatik karar verilmemelidir.
Sonuç
Hangi istatistiksel testi kullanmalıyım? sorusuna yalnızca “normal dağılıyorsa bunu, dağılmıyorsa şunu kullanın” şeklinde cevap vermek doğru değildir.
Test seçiminin temelinde öncelikle araştırma tasarımı bulunur.
Kaç grup karşılaştırılıyor?
Gruplar bağımsız mı?
Aynı bireylerden tekrar ölçüm mü alındı?
Bağımlı değişken hangi ölçme düzeyinde?
Verinin dağılımı ve varyans yapısı nasıl?
Bu sorular birlikte değerlendirildiğinde uygun test seçenekleri çok daha kolay belirlenebilir.
İki bağımsız grup için t testi veya Mann-Whitney U; üç veya daha fazla bağımsız grup için ANOVA veya Kruskal-Wallis; iki bağımlı ölçüm için bağımlı t testi veya Wilcoxon; üç veya daha fazla bağımlı ölçüm için tekrarlı ölçümler ANOVA veya Friedman temel seçenekler arasında yer alır.
Ancak gerçek araştırmalarda kovaryatlar, birden fazla faktör, tekrarlı ölçümler, çoklu bağımlı değişkenler ve karma tasarımlar nedeniyle daha gelişmiş analizler gerekebilir.
Araştırmanız için hangi analizin uygun olduğunun belirlenmesi, SPSS analizlerinin uygulanması ve bulguların akademik biçimde raporlanması konusunda destek almak için istatistiksel analiz danışmanlığı sayfamızı inceleyebilirsiniz.
