Bir analiz yaptınız ve sonuç "anlamlı" çıktı. Peki bu fark gerçekten önemli mi, yoksa yalnızca istatistiksel olarak fark edilebilir küçük bir fark mı? İşte bu ayrımı etki büyüklüğü yanıtlar. p-değeri size farkın var olup olmadığını söylerken, etki büyüklüğü farkın ne kadar büyük olduğunu söyler. Modern istatistiksel raporlamanın vazgeçilmez bir parçasıdır. Bu yazı, etki büyüklüğünün ne olduğunu ve neden mutlaka raporlanması gerektiğini açıklıyor.
Anlamlılık ile önem aynı şey değildir
İstatistikteki en kritik ayrımlardan biri budur. Bir sonucun istatistiksel olarak anlamlı olması, onun pratik olarak önemli olduğu anlamına gelmez. Bunun nedeni p-değerinin örneklem büyüklüğüne çok duyarlı olmasıdır: yeterince büyük bir örneklemde, gerçekte çok küçük ve önemsiz bir fark bile "anlamlı" çıkabilir.
Örnek: İki öğretim yöntemi arasında ortalama 0,3 puanlık bir fark, binlerce kişilik bir örneklemde anlamlı çıkabilir; ama bu fark gerçek hayatta hiçbir şey değiştirmeyecek kadar küçük olabilir. p-değeri "fark var" der; etki büyüklüğü "ama fark çok küçük" der. İşte bu yüzden ikisi birlikte raporlanır. (Buradaki sayı yalnızca fikri göstermek için temsilî bir örnektir.)
Etki büyüklüğü ne yapar?
Etki büyüklüğü, bir farkın ya da ilişkinin büyüklüğünü, örneklem büyüklüğünden bağımsız, standart bir ölçüyle ifade eder. Böylece "fark var mı?" sorusunun ötesine geçip "fark ne kadar büyük?" sorusunu yanıtlar. Bu, bulgularınızın gerçek dünyadaki anlamını değerlendirmenizi ve farklı çalışmaların sonuçlarını karşılaştırmanızı (meta-analizlerin temeli) sağlar. Meta-analizin mantığını hangi istatistik testini kullanmalıyım yazısındaki çerçeveyle birlikte düşünebilirsiniz.
Yaygın etki büyüklüğü ölçüleri
Kullandığınız analize göre farklı etki büyüklüğü ölçüleri raporlanır:
- Cohen d: İki grubun ortalamaları arasındaki farkın etki büyüklüğü (t-testleriyle birlikte).
- Eta kare / kısmi eta kare: ANOVA'da bir faktörün açıkladığı varyans oranı.
- Korelasyon katsayısı (r): İlişki analizlerinde ilişkinin gücü zaten bir etki büyüklüğüdür.
- Cramér V / phi: Ki-kare gibi kategorik analizlerde ilişkinin gücü.
Hangi analiz, hangi etki büyüklüğü?
| Analiz | Yaygın etki büyüklüğü | Ne gösterir? |
|---|---|---|
| t-testi | Cohen d | İki ortalama arası farkın büyüklüğü |
| ANOVA | Eta kare / kısmi eta kare | Faktörün açıkladığı varyans oranı |
| Korelasyon | r (katsayının kendisi) | İlişkinin gücü |
| Regresyon | R² / f² | Modelin açıklama gücü |
| Ki-kare | Cramér V / phi | Kategorik ilişkinin gücü |
Eşik değerlere temkinli yaklaşın
Etki büyüklükleri için literatürde "küçük, orta, büyük" biçiminde genel yorum eşikleri önerilir (örneğin Cohen'in klasik ölçütleri). Bunlar yararlı bir başlangıç çerçevesidir; ancak katı kurallar değildir. Bir etki büyüklüğünün gerçekten "büyük" sayılıp sayılmayacağı, alanınıza ve araştırma bağlamına göre değişir. Bir alanda küçük sayılan bir etki, başka bir alanda çok önemli olabilir. Bu yüzden eşikleri mekanik biçimde değil, alanınızın literatürünü göz önünde bulundurarak yorumlayın.
Etki büyüklüğü ve güven aralığı
Etki büyüklüğü çoğu zaman bir güven aralığıyla birlikte raporlanır. Etki büyüklüğü farkın büyüklüğünü verir; güven aralığı ise bu tahminin ne kadar kesin olduğunu gösterir. Birlikte, hem "ne kadar büyük" hem "ne kadar emin olabiliriz" sorularını yanıtlarlar.
Neden artık standart?
Birçok akademik dergi ve tez kılavuzu, artık yalnızca p-değeri raporlamayı yetersiz bulmakta ve etki büyüklüğünü de zorunlu tutmaktadır. Bunun nedeni açıktır: bir bulgunun bilimsel değeri, yalnızca "istatistiksel olarak fark edilebilir" olmasına değil, "gerçekten önemli" olmasına dayanır. Etki büyüklüğü olmadan, bir sonucun önemi hakkında konuşamazsınız.
Sık yapılan hatalar
- Yalnızca p-değeri raporlamak: Farkın büyüklüğünü göz ardı etmek.
- Anlamlılığı önemle karıştırmak: "Anlamlı çıktı" deyip pratik değeri sorgulamamak.
- Eşikleri katı uygulamak: "Küçük/orta/büyük" ölçütlerini bağlamdan koparıp mutlak gerçek gibi kullanmak.
- Yanlış ölçüyü seçmek: Analizine uymayan bir etki büyüklüğü raporlamak (ör. ANOVA için Cohen d yerine eta kare gerekir).
Sık sorulan sorular
Etki büyüklüğü ile p-değeri arasındaki fark nedir?
p-değeri farkın/ilişkinin tesadüf olup olmadığına dair bir ipucu verir; etki büyüklüğü ise farkın ne kadar büyük olduğunu, örneklem büyüklüğünden bağımsız standart bir ölçüyle söyler. Biri "var mı?", diğeri "ne kadar?" sorusunu yanıtlar; bu yüzden birlikte raporlanırlar.
Sonuç anlamlı değilse etki büyüklüğü raporlamalı mıyım?
Evet, raporlamak bilgilendiricidir. Anlamsız bir sonuçta bile etki büyüklüğü, çalışmanın etkiyi saptayacak güçte olup olmadığını (ör. küçük örneklem) değerlendirmeye yardım eder ve gelecekteki meta-analizler için değerlidir.
"Küçük" bir etki büyüklüğü önemsiz mi demektir?
Hayır. Cohen'in eşikleri genel bir çerçevedir; küçük sayılan bir etki, bağlama göre çok önemli olabilir (ör. büyük kitleleri etkileyen bir müdahalede küçük bir fark bile anlamlı sonuç doğurabilir). Önemi her zaman alanınızın literatürüne göre yorumlayın.
Hangi etki büyüklüğü ölçüsünü seçmeliyim?
Yaptığınız analize göre değişir: t-testinde Cohen d, ANOVA'da eta kare, korelasyonda r, ki-karede Cramér V yaygındır. Doğru ölçü, testin doğasına ve raporlama geleneğine uygun olanıdır.
Farkın büyüklüğünü de gösterin
Güçlü bir istatistiksel raporlama, "fark var mı?" ile yetinmez; "fark ne kadar önemli?" sorusunu da yanıtlar. Etki büyüklüğü, bulgularınıza bu derinliği katar. Analizinize uygun etki büyüklüğü ölçüsünü seçmek, hesaplamak ve doğru yorumlamak için tez istatistik danışmanlığı hizmetimizden yararlanabilir, iletişim sayfasından bize ulaşabilirsiniz.
Kaynaklar
- DergiPark — Etki büyüklüğünün makalelerde nasıl raporlandığını gerçek örneklerle görmek için açık erişim platform.
- YÖK Ulusal Tez Merkezi — Bulguların (anlamlılık + etki büyüklüğü) tezlerde nasıl sunulduğunu incelemek için resmî tez arşivi.
Bu içerik Tez Pusulası editör ekibi tarafından gözden geçirilmiştir. Son güncelleme: .
Bu yazıda bir hata mı fark ettiniz? Bize bildirin.
Yorumlar
Bu yazıya henüz yorum yapılmamış.