İstatistiksel Testlerin Sağlamlığı – Tez Hazırlatma – Tez Yaptırma – Tez Yaptırma Fiyatları – Tez Örnekleri – Ücretli Tez Yazdırma – Tez Yaptırma Ücreti

VERİLERİ YORUMLAMA VE ÇİZİMLER

Çalışmalarını dikkatli bir şekilde planlayan ve verilerini en yüksek bütünlükle toplayan, yöneten ve analiz eden araştırmacılar bile verilerini yorumlarken hata yapabilirler.

Ne yazık ki, önceki adımların tümü gerekli olmasına rağmen, hikayenin ahlaki değerinin doğru bir şekilde anlaşılmasını ve yayılmasını sağlamak için yeterli olmaktan uzaktır. Bu bölüm, verileri yorumlarken ve bulgularınızdan çıkarımlar yaparken göz önünde bulundurulması gereken en kritik konulardan bazılarını vurgulayacaktır.

Çalışma bulgularının yanlış yorumlanabilmesinin yollarından biri yetersiz istatistiksel güçtür. Oldukça yakın zamana kadar, çoğu araştırma çalışması bu kavram dikkate alınmadan yürütülmüştür.

Basit bir ifadeyle, istatistiksel güç, istatistiksel bir testin yanlış bir sıfır hipotezini reddetme olasılığının veya başka bir deyişle, gerçekten varken önemli bir sonuç bulma olasılığının bir ölçüsüdür. Bir istatistiksel testin gücü ne kadar yüksekse, sıfır hipotezi gerçekten yanlışsa (yani gerçekten bir etki varsa) istatistiksel anlamlılık bulma olasılığı o kadar yüksektir.

Örneğin, Cumhuriyetçilerin Demokratlar kadar zeki olduğu sıfır hipotezini test etmek için, bir araştırmacı rastgele iki partili bir örneklem alabilir, onların belirli zeka ölçümlerini tamamlamalarını sağlayabilir ve bir t-testi veya ANOVA kullanarak ortalama puanlarını karşılaştırabilir.

Cumhuriyetçiler ve Demokratlar, nüfustaki zeka konusunda gerçekten de farklılık gösteriyorlarsa, ancak örnek veriler öyle olmadığını gösteriyorsa, II. Tip bir hata yapılmıştır. Çalışmanın bu kadar hatalı bir sonuca varmasının olası bir nedeni, Cumhuriyetçiler ve Demokratlar arasındaki gerçek farklılıkları tespit etmek için yeterli istatistiksel güce sahip olmaması olabilir.

Çalışmalara göre, Tip II hatalardan kaçınmak için .80 veya daha büyük istatistiksel güç için çaba gösterilmelidir. İstatistiksel güç büyük ölçüde üç faktör tarafından belirlenir: (1) önem kriteri (örn., .05, .01); (2) etki büyüklüğü (yani, grup ortalamaları veya diğer test istatistikleri arasındaki farkların büyüklüğü); ve (3) numunenin boyutu. Araştırmacılar bir çalışmaya başlamadan önce planladıkları analizlerin her birinin istatistiksel gücünü hesaplamalıdır.

Bu, belirlenen anlamlılık kriterine ve beklenen etki büyüklüğüne dayalı olarak yeterli gücü elde etmek için gerekli örnek büyüklüğünü belirlemelerine olanak sağlayacaktır.

Ne yazık ki, bir çalışmanın başlangıcında yeterli gücün olduğunu belirlemek, analiz sırasında her zaman yeterli gücün mevcut olacağını garanti etmez. Ara dönemde birçok değişiklik olabilir. Örneğin, beklenenden daha düşük işe alım oranları veya yıpranma nedeniyle örneklem büyüklüğü azaltılabilir; veya efekt boyutları beklenenden farklı olabilir.

Her halükarda, araştırmacılar için ana mesaj, gruplar arasındaki farklılıkları tespit etmek için her zaman ne kadar gücün mevcut olduğunu düşünmeleri gerektiğidir. Bu, anlamlı farklılıkların bulunmadığı bir çalışmanın sonuçlarını yorumlarken özellikle önemlidir, çünkü önemli farklılıklar mevcut olabilir, ancak bunları tespit etmek için yeterli güç yoktur.

Dağıtımlarınız İyi Durumda Mı?

İstatistiksel bulguların hatalı yorumlanmasına yol açabilecek bir diğer faktör de dağılımın özelliklerinin dikkate alınmamasıdır. Hemen hemen tüm istatistiksel testlerin belirli temel varsayımları vardır. Örneğin, parametrik testler (ör. t testleri, ANOVA, lineer regresyon) veri dağılımının belirli şartları karşılamasını gerektirir.

Bu varsayımların karşılanmaması, analiz sonuçlarının hatalı olmasına neden olabilir. t-testi ve ANOVA gibi istatistiklerin normalliğe duyarlılıkları açısından nispeten sağlam olduğu düşünülse de, bu bağımsızlık varsayımı için daha az doğrudur.

Örneğin, bir araştırmacı iki farklı öğretmenin yönteminin öğrencilerin final notları üzerindeki etkisini karşılaştırıyorsa, araştırmacının hiçbir öğrencinin her iki öğretmenle de dersi olmadığından emin olması gerekir.

Bazı öğrencilerin her iki öğretmenle de sınıfları olsaydı ve bu nedenle her iki öğretim yöntemine de maruz kalsaydı, bağımsızlık varsayımı ihlal edilmiş olurdu. Bu nedenle, Tip I ve Tip II hatalara ilişkin olasılık ifadeleri ciddi şekilde etkilenebilir.

Hangi istatistiksel analiz nerede kullanılır
Temel istatistik testleri
Parametrik testler
T testi örnekleri
T testi örnek soru çözümü
T testi tablosu
İstatistik testleri
T testi çeşitleri

Çalışma bulgularını yorumlarken göz önünde bulundurulması gereken dağılımın bir başka yönü de veri aykırı değerleridir. Daha önce tartışıldığı gibi, dağılımdaki uç değerler, dağılımın şeklini büyük ölçüde çarpıtabilir ve örnek ortalamasını değiştirebilir. Araştırmacılar, potansiyel aykırı değerleri belirlemek için verilerinin dağılımlarını dikkatlice incelemelidir. Bir kez tanımlandığında, aykırı değerler ya eksik değerlerle değiştirilebilir ya da birkaç mevcut prosedürden biri yoluyla dönüştürülebilir.

Verileri analiz ederken ve yorumlarken göz önünde bulundurulması gereken dağılımın bir başka yönü de değer aralığıdır. Araştırmacılar, bağımlı bir değişkenin sınırlı aralığı veya varyansı nedeniyle genellikle anlamlı ilişkiler bulamazlar.

Örneğin, IQ ve SAT puanları arasındaki ilişkiyi incelediğinizi, ancak örneklemdeki herkesin SAT’larında 1100 ile 1200 arasında puan aldığını varsayalım. Bu durumda, sınırlı aralık nedeniyle, popülasyonda var olsa bile, önemli bir ilişki bulmanız pek olası değildir.

İstatistiksel Testlerin Sağlamlığı

Bir istatistiksel testin sağlamlığı, belirli varsayımların ihlaline karşı direnç derecesini ifade eder. Belirli istatistiksel tekniklerin sağlamlığı, bu tür ihlallere karşı tamamen bağışık oldukları anlamına gelmez, sadece bunlara karşı daha az duyarlı oldukları anlamına gelir.

Bu bölümde daha önce çoklu karşılaştırmalar ve deneye dayalı hata konusunu ele almış olsak da, bulgularınızın yorumlanmasını ciddi şekilde etkileyebileceğinden burada ayrıca değinilmeyi hak ediyor. Genel olarak, deney bazında hata, aynı deneyde bir dizi istatistiksel test için Tip I hata yapma olasılığını ifade eder.

Aynı verileri içeren çok sayıda karşılaştırma yaptığınızda, karşılaştırmalardan birinin istatistiksel olarak anlamlı olma olasılığı artar. Bu nedenle, deney bazında hata, seçilen bir anlamlılık düzeyini aşabilir. Yeterince karşılaştırma yaparsanız, sonuçlardan biri veya birkaçı şüphesiz önemli olacaktır.

Halk arasında buna genellikle “balık avı” denir, çünkü oltanızı yeterince sık atarsanız bir şeyler yakalamanız kaçınılmazdır. Bu, olta balıkçıları için iyi bir strateji olsa da, araştırmalarda sadece kötü bilimdir. Bu sorun büyük olasılıkla birçok farklı karşılaştırma gerektiren karmaşık hipotezleri incelerken ortaya çıkar. Bu çoklu karşılaştırmaları düzeltmemek, önemli Tip I hataya ve bulgularınızın hatalı yorumlanmasına yol açabilir.