MerQur'da Non-Parametrik Testler: Dağılım-Bağımsız Hipotez Sınamasının Tam Repertuarı
DOI:
https://doi.org/10.53463/merqur.20260446Anahtar Kelimeler:
Non Parametrik testler- Mann-Whitney- Wilcoxon- Kruskal-Wallis- FriedmanÖzet
Non-parametrik (dağılım-bağımsız) testler, veri parametrik bir dağılımdan gelmediğinde, küçük örneklem büyüklüklerinde, sıralı (ordinal) ölçek ile ölçülmüş değişkenlerle çalışırken ya da uç değerlerin etkisini sınırlandırmak gerektiğinde başvurulan yöntemler ailesidir. Bu çalışmada MerQur masaüstü yazılımının Non-Parametrik Testler kategorisinde sunduğu 7 analiz ayrıntılı olarak tanıtılmıştır: Mann-Whitney U testi, Wilcoxon işaretli sıra testi, Kruskal-Wallis H testi, Friedman testi, binomial test, sign (işaret) testi ve runs (dizi) testi. Her analiz için (i) test edilen hipotez ve uygulama bağlamı, (ii) parametrik karşılığı ile karşılaştırma, (iii) gerekli varsayımlar (sıralanabilirlik, simetri, bağımsızlık), (iv) MerQur’daki form alanları ve parametre seçenekleri, (v) raporlanan istatistikler ve etki büyüklükleri (rank-biserial korelasyon, ε², Cliff’s δ), ve (vi) tipik bir araştırma sorusu için yorumlama önerisi sunulmuştur. Non-parametrik testlerin parametrik karşılıklarına göre asimptotik göreceli etkinliği (ARE) tartışılmıştır: normal dağılım altında Mann-Whitney U’nun bağımsız t-test’e göre ARE’si yaklaşık 0.955’tir, ancak ağır kuyruklu dağılımlarda non-parametrik testler daha güçlü olabilir. MerQur’un çıktıları her analizde tam (exact) p-değeri seçeneği sunar ve süreklilik düzeltmesi (Yates) gibi opsiyonları içerir. Sonuç olarak MerQur’un Non-Parametrik Testler kategorisi, varsayım ihlallerinde güvenilir ve doğru çıkarımsal araç seçeneğini Türkçe arayüz ile akademik araştırmacıya sunmaktadır.
Referanslar
Cliff, N. (1993). Dominance statistics: Ordinal analyses to answer ordinal questions. Psychological Bulletin, 114(3), 494–509. https://doi.org/10.1037/0033-2909.114.3.494
Conover, W. J. (1999). Practical nonparametric statistics (3rd ed.). Wiley.
Conover, W. J., & Iman, R. L. (1979). On multiple-comparisons procedures (Tech. Rep. LA-7677-MS). Los Alamos Scientific Laboratory.
Dunn, O. J. (1964). Multiple comparisons using rank sums. Technometrics, 6(3), 241–252. https://doi.org/10.2307/1266041
Fagerland, M. W., Lydersen, S., & Laake, P. (2017). Statistical analysis of contingency tables. Chapman & Hall/CRC.
Friedman, M. (1937). The use of ranks to avoid the assumption of normality implicit in the analysis of variance. Journal of the American Statistical Association, 32(200), 675–701. https://doi.org/10.2307/2279372
Hodges, J. L., & Lehmann, E. L. (1963). Estimates of location based on rank tests. Annals of Mathematical Statistics, 34(2), 598–611. https://doi.org/10.1214/aoms/1177704172
Hollander, M., Wolfe, D. A., & Chicken, E. (2014). Nonparametric statistical methods (3rd ed.). Wiley.
Kendall, M. G. (1948). Rank correlation methods. Griffin.
Kerby, D. S. (2014). The simple difference formula: An approach to teaching nonparametric correlation. Comprehensive Psychology, 3, 1–9. https://doi.org/10.2466/11.IT.3.1
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621. https://doi.org/10.2307/2280779
Lehmann, E. L. (1975). Nonparametrics: Statistical methods based on ranks. Holden-Day.
Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60. https://doi.org/10.1214/aoms/1177730491
Nemenyi, P. (1963). Distribution-free multiple comparisons [Doctoral dissertation, Princeton University].
Pratt, J. W. (1959). Remarks on zeros and ties in the Wilcoxon signed rank procedures. Journal of the American Statistical Association, 54(287), 655–667. https://doi.org/10.2307/2282543
Sheskin, D. J. (2011). Handbook of parametric and nonparametric statistical procedures (5th ed.). Chapman & Hall/CRC.
Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
Tomczak, M., & Tomczak, E. (2014). The need to report effect size estimates revisited: An overview of some recommended measures of effect size. Trends in Sport Sciences, 1(21), 19–25.
Wald, A., & Wolfowitz, J. (1940). On a test whether two samples are from the same population. Annals of Mathematical Statistics, 11(2), 147–162. https://doi.org/10.1214/aoms/1177731909
Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968
Zimmerman, D. W. (2003). A warning about the large-sample Wilcoxon-Mann-Whitney test. Understanding Statistics, 2(4), 267–280. https://doi.org/10.1207/S15328031US0204_03
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.
