Veri toplandıktan sonra en çok takılınan soru şudur: "Şimdi hangi testi yapacağım?" Doğru test, rastgele seçilmez; üç şeye bağlıdır: araştırma sorunuzun türü, değişkenlerinizin ölçüm düzeyi ve verinin varsayımları karşılayıp karşılamadığı. Bu rehberde bu üç ölçütü adım adım kullanarak testinizi kendiniz belirleyebileceksiniz.
Önce sorunuzun türünü belirleyin
İstatistiksel testler kabaca üç amaca hizmet eder:
- Karşılaştırma: Gruplar arasında bir fark var mı? (Örn. deney ve kontrol grubunun puan ortalaması farklı mı?)
- İlişki: İki değişken birlikte mi değişiyor? (Örn. çalışma süresi arttıkça başarı artıyor mu?)
- Yordama (tahmin): Bir değişken diğerini ne ölçüde açıklıyor? (Örn. motivasyon, başarıyı yorduyor mu?)
Sorunuzun hangi gruba girdiğini netleştirmek, test havuzunu daha baştan daraltır.
Sonra değişkenlerinizin ölçüm düzeyini belirleyin
- Kategorik (nominal/sıralı): Cinsiyet, bölüm, "evet/hayır", memnuniyet düzeyi gibi.
- Sürekli (aralık/oran): Puan, yaş, süre, ölçek toplamı gibi.
Bağımlı değişkeniniz kategorik mi yoksa sürekli mi? Bu ayrım, testin türünü doğrudan belirler. Kararsız kalırsanız betimsel istatistik nedir yazısı ölçüm düzeylerini örneklerle açıklar.
Varsayımları kontrol edin
Sürekli değişkenlerle çalışılan parametrik testler (t-testi, ANOVA gibi) bazı varsayımlar ister: verinin normal dağılıma yakın olması, grup varyanslarının benzer olması ve yeterli örneklem. Bu varsayımlar karşılanmıyorsa, aynı soruyu yanıtlayan parametrik olmayan karşılıklara geçilir (Mann-Whitney U, Kruskal-Wallis gibi). Normallik kontrolünün nasıl yapıldığı için normallik testi nasıl yapılır ve iki test ailesinin farkı için parametrik ve parametrik olmayan testler yazılarına bakabilirsiniz.
Karar tablosu
Aşağıdaki tablo, en sık kullanılan testleri amaç ve değişken tipine göre özetler:
| Amaç | Durum | Parametrik test | Parametrik olmayan karşılığı |
|---|---|---|---|
| İki grubu karşılaştırma (bağımsız) | Sürekli bağımlı değişken, 2 ayrı grup | Bağımsız örneklem t-testi | Mann-Whitney U |
| İki ölçümü karşılaştırma (eşleştirilmiş) | Aynı kişilerde ön test-son test | Bağımlı örneklem t-testi | Wilcoxon işaretli sıralar |
| Üç+ grubu karşılaştırma | Sürekli bağımlı değişken, 3+ grup | Tek yönlü ANOVA | Kruskal-Wallis H |
| İlişki | İki sürekli değişken | Pearson korelasyonu | Spearman korelasyonu |
| Yordama | Sürekli bağımlı, bir/çok yordayıcı | Doğrusal regresyon | — |
| Kategorik ilişki | İki kategorik değişken | — | Ki-kare bağımsızlık testi |
İki grup mu üç grup mu karşılaştıracağınıza karar veremiyorsanız t-testi mi ANOVA mı yazısı bu seçimi netleştirir.
Sık yapılan hatalar
- Varsayımları atlamak: t-testi ya da ANOVA yapmadan önce normallik ve varyans homojenliği kontrol edilmelidir. Aksi halde sonuç yanıltıcı olur.
- Sadece p değerine bakmak: Bir sonucun "anlamlı" (p < 0,05) çıkması, farkın büyük ya da önemli olduğu anlamına gelmez. Etki büyüklüğü de raporlanmalıdır.
- Yanlış testi eşleştirilmiş veriye uygulamak: Aynı kişilerin ön test-son test puanları bağımsız değil, eşleştirilmiş kabul edilir; test de buna göre seçilmelidir.
- Likert maddesini tek başına sürekli saymak: Tek bir Likert maddesi sıralı veridir; sürekli değişken muamelesi ölçek toplam puanı için daha uygundur.
Sık sorulan sorular
Verim normal dağılmıyorsa ne yapmalıyım?
Normallik varsayımı karşılanmıyorsa, planladığınız parametrik testin parametrik olmayan karşılığına geçersiniz: t-testi yerine Mann-Whitney U, ANOVA yerine Kruskal-Wallis, Pearson yerine Spearman. Bu testler sıra (rank) temelli çalıştığı için normallik gerektirmez.
İki gruptan fazlasını karşılaştırırken neden t-testi yapmamalıyım?
Üç ve daha fazla grubu ikişerli t-testleriyle karşılaştırmak, birinci tip hata olasılığını (yanlışlıkla fark bulma) artırır. Bu durumda ANOVA kullanılır; ANOVA anlamlı çıkarsa hangi grupların farklı olduğunu post-hoc testler gösterir.
Bağımlı ve bağımsız örneklem farkı nedir?
Bağımsız örneklemde gruplar farklı kişilerden oluşur (ör. kadınlar–erkekler). Bağımlı (eşleştirilmiş) örneklemde ise aynı kişiler iki kez ölçülür (ön test–son test) ya da eşleştirilmiş çiftler vardır. Test seçimi bu ayrıma göre değişir.
p değeri 0,05'ten küçük çıkınca hipotezim kanıtlanmış olur mu?
Hayır. p < 0,05, gözlenen farkın şans eseri olma olasılığının düşük olduğunu söyler; büyüklüğünü ya da pratik önemini söylemez. Bulguyu etki büyüklüğü ve güven aralığıyla birlikte yorumlamak gerekir.
Kararsız kaldığınızda
Test seçimi, verinin yapısına bağlı olarak beklenenden karmaşık olabilir; karma desenler, çok değişkenli analizler veya ölçek çalışmaları ek adımlar gerektirir. Böyle durumlarda veri analizi desteği sayfamızdaki kapsama göz atabilir, veri setinizi ve sorunuzu paylaşmak için iletişim sayfasından ulaşabilirsiniz. Çalışma adımlarımızı nasıl çalışıyoruz sayfasında bulabilirsiniz. Doğru test, doğru soruyla başlar; sorunuzu net kurduğunuzda, geri kalanı çoğu zaman bu üç adımlık mantıkla çözülür.
Kaynaklar
- YÖK Ulusal Tez Merkezi — Benzer tezlerin hangi analiz yöntemlerini nasıl raporladığını incelemek için resmî tez arşivi.
- DergiPark — Alanınızdaki makalelerde kullanılan istatistiksel testleri görmek için açık erişim dergi platformu.
Ücretsiz araç
Hangi istatistik testini kullanmalıyım? →
Amacını, değişken türünü ve dağılımını seç; sana uygun testi önersin.
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.