İstatistiksel analiz yapan hemen herkes "p < 0,05" ifadesiyle karşılaşır ve çoğu zaman onu "sonucum doğru çıktı" diye okur. Oysa p değeri bundan farklı, daha ince bir şey söyler. Bu yazıda p değerinin gerçekte ne anlattığını ve en sık yapılan yorumlama hatalarını açıklıyoruz.
p değeri tam olarak nedir?
p değeri, sıfır hipotezinin (yani "gruplar arasında fark yok" ya da "ilişki yok" varsayımının) doğru olduğu durumda, elinizdeki kadar ya da daha uç bir sonucu gözlemleme olasılığıdır. Sadeleştirirsek: "Eğer gerçekte hiçbir etki yoksa, benim gördüğüm bu sonuç ne kadar şaşırtıcı?" sorusunu yanıtlar.
p değeri küçükse (örneğin 0,05'in altında), gözlemlediğiniz sonuç "etki yok" varsayımı altında oldukça olası dışıdır; bu da sıfır hipotezini reddetmek için gerekçe sağlar.
0,05 eşiği nereden geliyor?
0,05, evrensel bir doğa yasası değil, yaygın olarak benimsenmiş bir gelenektir. "Yüzde 5 hata payını göze alıyorum" anlamına gelir. Bazı alanlar daha katı eşikler (0,01) kullanır. Önemli olan, eşiği analizden önce belirlemek ve sonuca göre değiştirmemektir.
p değerinin SÖYLEMEDİĞİ şeyler
Burası en kritik kısım. p değeri şunları söylemez:
- Etkinin büyüklüğünü söylemez. p = 0,001 olması, farkın "büyük" olduğu anlamına gelmez; yalnızca "muhtemelen tesadüf değil" der. Farkın büyüklüğü için etki büyüklüğü (Cohen's d, eta kare gibi) raporlanmalıdır — ayrıntı: etki büyüklüğü nedir.
- Hipotezin doğru olma olasılığını söylemez. p değeri, "hipotezim %95 doğru" demek değildir. Bu çok yaygın ama hatalı bir okumadır.
- Pratik önemi söylemez. İstatistiksel olarak anlamlı bir fark, gerçek hayatta önemsiz olabilir. Özellikle büyük örneklemlerde çok küçük farklar bile "anlamlı" çıkar.
p değeri ne söyler, ne söylemez?
| p değeri şunu SÖYLER | p değeri şunu SÖYLEMEZ |
|---|---|
| Sonuç, "etki yok" varsayımı altında ne kadar beklenmedik | Etkinin ne kadar büyük olduğunu |
| Sıfır hipotezini reddetmek için gerekçe var mı | Hipotezin doğru olma olasılığını |
| Sonucun tesadüfle açıklanmasının zor olup olmadığı | Bulgunun pratik/alan açısından önemini |
Örnekle açıklayalım
Diyelim ki iki öğretim yönteminin sınav puanlarına etkisini karşılaştırdınız ve p = 0,03 buldunuz. Bu, "iki yöntem arasındaki farkın tesadüfle açıklanması zor" demektir. Ama farkın 100 üzerinden yalnızca 1,5 puan olduğunu görürseniz, istatistiksel anlamlılık pratik bir öneri için yeterli olmayabilir. İşte bu yüzden p değeri tek başına yorumlanmaz. (Buradaki sayılar yalnızca yorumu göstermek için temsilî örneklerdir.)
Doğru raporlama nasıl olur?
İyi bir bulgu raporu üç şeyi birlikte verir:
- Testin sonucu ve p değeri (örn. t(48) = 2,25, p = 0,03).
- Etki büyüklüğü (örn. Cohen's d = 0,45).
- Pratik yorum — bu farkın alan açısından ne anlama geldiği.
Sık yapılan hatalar
- p değerini "hipotez doğru" diye okumak: p, hipotezin doğruluk olasılığı değildir; yalnızca sıfır hipotezi altında sonucun ne kadar beklenmedik olduğunu söyler.
- Yalnızca p'ye bakıp etki büyüklüğünü atlamak: Anlamlılık, farkın büyüklüğünü göstermez; ikisi birlikte raporlanmalıdır.
- Eşiği sonuca göre değiştirmek: Eşik analizden önce belirlenir; "p = 0,051 de anlamlı sayılsın" demek dürüst değildir.
- p-hacking: Anlamlı çıkana kadar analiz deneyip yalnızca işe yarayanı raporlamak etik dışıdır.
p-hacking'den kaçının
Anlamlı bir sonuç çıkana kadar farklı analizleri deneyip yalnızca "işe yarayanı" raporlamak, p-hacking olarak bilinir ve akademik etiğe aykırıdır. Analiz planınızı baştan belirleyip ona sadık kalmak, hem dürüst hem savunulabilir bir çalışma için gereklidir. Bizim yaklaşımımız da bu yöndedir: anlamsız çıkan bir sonucu "anlamlı" göstermeye çalışmayız.
Sık sorulan sorular
p = 0,05 tam sınırda çıktı, anlamlı mı?
Eşik analizden önce 0,05 olarak belirlendiyse, kesin sınır değerini önceden koyduğunuz kurala göre değerlendirirsiniz; sonucu görünce kuralı esnetmek dürüst değildir. Sınıra yakın değerlerde etki büyüklüğü ve güven aralığını raporlamak, yorumu tek bir eşiğe hapsetmekten daha bilgilendiricidir.
p değeri ile etki büyüklüğü arasındaki fark nedir?
p değeri sonucun tesadüf olup olmadığına dair bir ipucudur; etki büyüklüğü ise farkın/ilişkinin ne kadar güçlü olduğunu söyler. Büyük örneklemlerde küçük ve önemsiz farklar bile "anlamlı" çıkabildiği için ikisi birlikte raporlanır.
p değeri büyük çıktı; hipotezim yanlış mı?
Hayır. p'nin büyük olması "sıfır hipotezi reddedilemez" demektir, "etki kesin yok" ya da "hipotez yanlış" demek değildir. Etkiyi saptayacak kadar güçlü (yeterli örneklemli) bir çalışma olmayabilir; sonuç kanıt yokluğu olarak değil, mevcut veriyle reddedilememe olarak yorumlanır.
p-hacking nedir ve nasıl kaçınılır?
Anlamlı sonuç çıkana kadar analizleri deneyip yalnızca işe yarayanı raporlamaktır. Kaçınmanın yolu, analiz planını (test, değişkenler, eşik) veri toplamadan önce belirlemek ve tüm yapılan analizleri şeffaf biçimde raporlamaktır.
Özet
p değeri, sonucunuzun tesadüf olup olmadığına dair bir ipucudur — ama etkinin büyüklüğünü, önemini ya da hipotezinizin doğruluğunu kanıtlamaz. Doğru yorumlamak için onu her zaman etki büyüklüğü ve bağlamla birlikte okuyun. Analiz çıktılarınızı yorumlamakta zorlanıyorsanız SPSS nasıl kullanılır ve hangi istatistik testini kullanmalıyım yazılarımıza bakabilir, birebir destek için veri analizi ve iletişim sayfalarımızdan ulaşabilirsiniz.
Kaynaklar
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.