Parametrik testlerin (t-testi, ANOVA, Pearson korelasyonu gibi) çoğu, verinin normal dağılıma yakın olmasını varsayar. Bu yüzden analizden önce normallik kontrolü, doğru test seçiminin ilk adımıdır. Bu yazı, normallik testinin nasıl yapıldığını ve sonucun nasıl okunacağını açıklıyor.
Normal dağılım neden önemli?
Normal dağılım, verilerin ortalama etrafında simetrik biçimde toplandığı, çan eğrisi biçimindeki dağılımdır. Parametrik testler bu varsayıma dayandığı için, varsayım karşılanmadığında sonuçlar yanıltıcı olabilir. Karşılanmadığında ise parametrik olmayan alternatiflere geçilir.
Normalliği değerlendirmenin yolları
Normallik tek bir yönteme bağlı kalınarak değil, birkaç göstergenin birlikte değerlendirilmesiyle karara bağlanır.
1. Hipotez testleri
- Shapiro-Wilk testi: Özellikle küçük ve orta örneklemlerde (genellikle n < 50) tercih edilir; güçlü bir testtir.
- Kolmogorov-Smirnov testi: Daha büyük örneklemlerde kullanılır.
Bu testlerde sıfır hipotezi "dağılım normaldir" der. Dolayısıyla:
- p > 0,05: Sıfır hipotezi reddedilmez → dağılım normal kabul edilir.
- p < 0,05: Dağılım normalden anlamlı biçimde sapıyor demektir.
Dikkat: Bu, çoğu testin tersi bir mantıktır. Burada "anlamlı" (p < 0,05) çıkması, istemediğiniz sonuçtur.
2. Çarpıklık ve basıklık (skewness-kurtosis)
Dağılımın simetrisini (çarpıklık) ve sivriliğini (basıklık) sayısal olarak gösterir. Bu değerlerin kabaca -1 ile +1 (bazı kaynaklarda -2 ile +2) aralığında olması, normalliğe yakınlık işareti sayılır.
3. Grafikler
- Histogram: Çan eğrisine benzerlik görsel olarak değerlendirilir.
- Q-Q grafiği: Noktalar köşegen çizgiye ne kadar yakınsa dağılım o kadar normale yakındır.
Normallik göstergeleri bir bakışta
| Yöntem | Ne bakar? | Normallik işareti |
|---|---|---|
| Shapiro-Wilk | Hipotez testi (küçük n) | p > 0,05 |
| Kolmogorov-Smirnov | Hipotez testi (büyük n) | p > 0,05 |
| Çarpıklık-basıklık | Simetri ve sivrilik | Kabaca ±1 (bazı kaynaklarda ±2) |
| Histogram / Q-Q | Görsel değerlendirme | Çan eğrisi / köşegene yakınlık |
Büyük örneklem uyarısı
Örneklem büyüdükçe (örn. n > 200) Shapiro-Wilk ve Kolmogorov-Smirnov testleri çok küçük sapmaları bile "anlamlı" bulma eğilimindedir. Bu durumda yalnızca test sonucuna değil, çarpıklık-basıklık değerlerine ve grafiklere bakmak daha sağlıklıdır. Büyük örneklemlerde merkezi limit teoremi nedeniyle parametrik testler küçük sapmalara karşı dayanıklıdır.
SPSS'te normallik testi
SPSS'te normallik, Analyze > Descriptive Statistics > Explore yolundan yapılır. "Plots" seçeneğinden "Normality plots with tests" işaretlendiğinde SPSS hem Shapiro-Wilk/Kolmogorov-Smirnov sonuçlarını hem Q-Q grafiğini üretir. SPSS'e yeni başlıyorsanız SPSS nasıl kullanılır rehberine bakabilirsiniz.
Normallik sağlanmazsa ne yapılır?
- Parametrik olmayan teste geçin: Örneğin bağımsız iki grup için t-testi yerine Mann-Whitney U.
- Dönüşüm uygulayın: Bazı durumlarda logaritmik dönüşüm dağılımı normalleştirebilir (dikkatli ve gerekçeli kullanılmalıdır).
Hangi testin uygun olduğuna karar vermek için hangi istatistik testini kullanmalıyım ve t-testi mi ANOVA mı yazılarımız yol gösterir.
Sık yapılan hatalar
- Test mantığını ters okumak: p < 0,05'i "normal" sanmak; oysa burada bu sonuç sapma anlamına gelir.
- Yalnızca teste güvenmek: Özellikle büyük örneklemde test aşırı hassastır; çarpıklık-basıklık ve grafikler de değerlendirilmelidir.
- Yanlış testi seçmek: Küçük örneklemde Kolmogorov-Smirnov'a dayanmak; Shapiro-Wilk küçük n'de daha uygundur.
- Dönüşümü gerekçesiz uygulamak: Veriyi açıklamasız dönüştürmek, yorumu ve şeffaflığı zedeler.
Sık sorulan sorular
p < 0,05 çıktı, verim normal mi değil mi?
Normallik testinde sıfır hipotezi "dağılım normaldir" olduğu için p < 0,05, dağılımın normalden anlamlı biçimde saptığını gösterir. Yani burada küçük p istenmez; normalliği destekleyen sonuç p > 0,05'tir.
Shapiro-Wilk mi Kolmogorov-Smirnov mu kullanmalıyım?
Shapiro-Wilk küçük ve orta örneklemlerde (yaygın olarak n < 50) daha güçlü kabul edilir; Kolmogorov-Smirnov daha büyük örneklemlerde kullanılır. Yine de kararı tek teste değil, grafikler ve çarpıklık-basıklıkla birlikte verin.
Büyük örneklemde test hep "anlamlı" çıkıyor, ne yapmalıyım?
Büyük n'de testler çok küçük sapmaları bile anlamlı bulur. Bu durumda çarpıklık-basıklık değerlerine ve Q-Q/histogram grafiklerine ağırlık verin; merkezi limit teoremi sayesinde parametrik testler küçük sapmalara dayanıklıdır.
Her değişken için normallik kontrol etmeli miyim?
Analizde kullanacağınız sürekli değişkenler (ve gerektiğinde gruplar bazında) için kontrol edilir. Ölçüt, hangi testin varsayımı gerektirdiğidir: parametrik test planlıyorsanız ilgili değişkenlerin dağılımını denetlemeniz gerekir.
Özet
Normallik testi, analiz öncesi atlanmaması gereken bir kontroldür. Ancak tek bir p değerine değil; test sonucu, çarpıklık-basıklık ve grafiklerin birlikte değerlendirilmesine dayanır. Varsayım kontrolünde emin olamıyorsanız, iletişim sayfasından ulaşarak veri setinizi birlikte değerlendirebiliriz.
Kaynaklar
- DergiPark — Normallik kontrolünün ve varsayım denetiminin makalelerde nasıl raporlandığını görmek için açık erişim platform.
- YÖK Ulusal Tez Merkezi — Varsayım kontrollerinin tezlerde nasıl sunulduğunu incelemek için resmî tez arşivi.
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.