MerQur'da Parametrik Testler: Tek Örneklem t-Testinden MANOVA'ya Tüm Aile
DOI:
https://doi.org/10.53463/merqur.20260445Anahtar Kelimeler:
parametrik testler- t-test- ANOVA- MANOVA- bootstrapÖzet
Parametrik testler, gözlemlerin belirli bir parametrik dağılımdan (genellikle normal) geldiği varsayımı altında, popülasyon parametrelerine ilişkin hipotezleri test eden yöntemler ailesidir. Akademik araştırmaların büyük çoğunluğunda hâlâ en sık kullanılan analiz tipi olan parametrik testler, doğru uygulandığında en yüksek istatistiksel güce sahip yöntemleri sağlar. Bu çalışmada, MerQur masaüstü yazılımının Parametrik Testler kategorisinde sunduğu 11 analiz ayrıntılı olarak tanıtılmıştır: tek örneklem t-testi, bağımsız iki örneklem t-testi, eşleştirilmiş t-testi, tek yönlü ANOVA, iki yönlü ANOVA, tekrarlı ölçümler ANOVA, MANOVA, ANCOVA, bootstrap güven aralığı, permütasyon testi ve çoklu karşılaştırma düzeltme. Her analiz için (i) test edilen hipotez ve uygulama bağlamı, (ii) gerekli varsayımlar (normallik, varyans homojenliği, bağımsızlık, küresellik), (iii) MerQur’daki form alanları ve parametre seçenekleri, (iv) raporlanan istatistikler ve etki büyüklükleri, ve (v) tipik bir araştırma sorusu için yorumlama önerisi sunulmuştur. Bootstrap CI ve permütasyon testi, klasik parametrik testlerin varsayımları sağlanmadığında yeniden örneklemeli alternatif sunması nedeniyle aynı kategoride yer almıştır. Çoklu karşılaştırma düzeltme bölümünde Bonferroni, Holm, Hochberg, Benjamini-Hochberg (FDR), Sidak gibi yöntemler ve uygun kullanım koşulları tartışılmıştır. Sonuç olarak MerQur’un Parametrik Testler kategorisi, basit grup karşılaştırmasından çok değişkenli kovaryanslı tasarımlara uzanan geniş bir araştırma yelpazesini, varsayım kontrolleri ve etki büyüklükleri ile birlikte tek bir grafik arayüzde sunmaktadır.
Referanslar
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch’s t-test instead of Student’s t-test. International Review of Social Psychology, 30(1), 92–101. https://doi.org/10.5334/irsp.82
Efron, B. (1979). Bootstrap methods: Another look at the jackknife. Annals of Statistics, 7(1), 1–26. https://doi.org/10.1214/aos/1176344552
Efron, B., & Tibshirani, R. J. (1993). An introduction to the bootstrap. Chapman & Hall.
Fisher, R. A. (1925). Statistical methods for research workers. Oliver & Boyd.
Greenhouse, S. W., & Geisser, S. (1959). On methods in the analysis of profile data. Psychometrika, 24(2), 95–112. https://doi.org/10.1007/BF02289823
Hedges, L. V., & Olkin, I. (1985). Statistical methods for meta-analysis. Academic Press.
Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70.
Huynh, H., & Feldt, L. S. (1976). Estimation of the Box correction for degrees of freedom from sample data in randomized block and split-plot designs. Journal of Educational Statistics, 1(1), 69–82. https://doi.org/10.3102/10769986001001069
Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
Mauchly, J. W. (1940). Significance test for sphericity of a normal n-variate distribution. Annals of Mathematical Statistics, 11(2), 204–209. https://doi.org/10.1214/aoms/1177731915
Nuijten, M. B., Hartgerink, C. H. J., van Assen, M. A. L. M., Epskamp, S., & Wicherts, J. M. (2016). The prevalence of statistical reporting errors in psychology (1985–2013). Behavior Research Methods, 48(4), 1205–1226. https://doi.org/10.3758/s13428-015-0664-2
Olejnik, S., & Algina, J. (2003). Generalized eta and omega squared statistics: Measures of effect size for some common research designs. Psychological Methods, 8(4), 434–447. https://doi.org/10.1037/1082-989X.8.4.434
Pernet, C. R., Wilcox, R., & Rousselet, G. A. (2013). Robust correlation analyses: False positive and power validation using a new open source matlab toolbox. Frontiers in Psychology, 3, 606. https://doi.org/10.3389/fpsyg.2012.00606
Phipson, B., & Smyth, G. K. (2010). Permutation P-values should never be zero: Calculating exact P-values when permutations are randomly drawn. Statistical Applications in Genetics and Molecular Biology, 9(1), 39. https://doi.org/10.2202/1544-6115.1585
Pituch, K. A., & Stevens, J. P. (2016). Applied multivariate statistics for the social sciences (6th ed.). Routledge.
Rice, W. R. (1989). Analyzing tables of statistical tests. Evolution, 43(1), 223–225. https://doi.org/10.1111/j.1558-5646.1989.tb04220.x
Šidák, Z. (1967). Rectangular confidence regions for the means of multivariate normal distributions. Journal of the American Statistical Association, 62(318), 626–633. https://doi.org/10.2307/2283989
Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
Tukey, J. W. (1949). Comparing individual means in the analysis of variance. Biometrics, 5(2), 99–114. https://doi.org/10.2307/3001913
Welch, B. L. (1947). The generalization of “Student’s” problem when several different population variances are involved. Biometrika, 34(1–2), 28–35. https://doi.org/10.1093/biomet/34.1-2.28
İndir
Yayınlandı
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 MerQur
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
Bu makale, Creative Commons Atıf 4.0 Uluslararası Lisansı (CC-BY 4.0) altında yayımlanmıştır. Bu lisans kapsamında:
- Paylaşma: Eseri herhangi bir ortamda ya da formatta kopyalayabilir ve yeniden dağıtabilirsiniz.
- Uyarlama: Eseri herhangi bir amaç için, ticari kullanım dahil, yeniden düzenleyebilir, dönüştürebilir ve üzerine inşa edebilirsiniz.
- Atıf koşulu: Uygun atıfı vermeli, lisansa bağlantı sağlamalı ve değişiklik yapılıp yapılmadığını belirtmelisiniz.
