MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Bağımsız Örneklem t-Testi

Bağımsız Örneklem t-Testianaliz

Birbirinden bağımsız iki grubun ortalamalarının gerçekten farklı olup olmadığını, gözlenen farkın şansla açıklanıp açıklanamayacağına bakarak sınayan test.

Kavram

İki grubun ortalaması örneklemde hemen hiçbir zaman tam olarak eşit çıkmaz; asıl soru, gözlenen farkın grupların gerçekten farklı olmasından mı yoksa örneklemenin rastlantısallığından mı kaynaklandığıdır. t-testi bu soruyu, ortalama farkını bu farkın standart hatasına bölerek yanıtlar: t = (ortalama₁ − ortalama₂) / SE. Fark, standart hatasına göre büyükse t büyür ve p-değeri küçülür.

Testin dayandığı varsayımlar: gözlemler bağımsızdır (bir kişi yalnız bir grupta yer alır), ölçüm sürekli bir değişkendir ve her gruptaki dağılım yaklaşık normaldir. Grup büyüklükleri yeterliyse (her grupta yaklaşık 30 ve üzeri) normallikten sapmalar sonucu pek etkilemez. Varyansların eşit olmadığı durumda klasik (Student) t-testi yerine Welch düzeltmesi kullanılır.

Sonuç yalnız 'fark var / yok' kararıyla bitmez: farkın büyüklüğü (Cohen d gibi etki büyüklükleri) ve farkın güven aralığı, bulgunun pratik önemini gösterir.

Ne zaman kullanılır?

  • İki ayrı grubu tek bir sürekli ölçümde karşılaştırırken (ör. iki tedavi grubu, iki okul, kadın ve erkek katılımcılar).
  • Aynı kişiler iki kez ölçüldüyse bu test değil, eşleştirilmiş t-testi kullanılır.
  • Üç ya da daha fazla grup varsa tek yönlü ANOVA; dağılım çok çarpık ve örneklem küçükse Mann-Whitney U testi tercih edilir.

Gündelik bir örnek

Bir ilkokulda iki sınıfa farklı okuma yöntemleri uygulanmış olsun. Dönem sonunda A sınıfının okuma testi ortalaması 72, B sınıfınınki 68 çıkıyor. Bu 4 puanlık fark yöntemlerin gerçekten farklı etkisinden mi geliyor, yoksa iki sınıfta tesadüfen farklı öğrenciler bulunduğu için mi ortaya çıktı? Bağımsız örneklem t-testi, sınıflardaki puanların dağınıklığını hesaba katarak bu farkın şansla açıklanma olasılığını (p-değeri) verir.

MerQur'da parametreler

Varyans (Otomatik (Levene), Eşit (klasik t), Welch)

Kavram: Ortalama farkının belirsizliği hesaplanırken iki grubun dağınıklığının eşit kabul edilip edilmeyeceğini belirler. Eşitse iki grubun varyansı birleştirilir (Student), değilse ayrı ayrı kullanılır (Welch).

Gündelik örnek: A sınıfında puanlar 65 ile 80 arasında toplanmış, B sınıfında ise 40 ile 95 arasına yayılmış olsun. Böyle farklı dağınıklıktaki iki sınıfı karşılaştırırken Welch seçeneği her sınıfın kendi dağınıklığını dikkate alır.

Ne işe yarar: Ortalama farkının standart hatasını havuzlanmış varyansla (Student, sd = n1 + n2 - 2) ya da ayrı varyanslarla (Welch-Satterthwaite sd) hesaplatır. Otomatik seçimde ortalama merkezli Levene p > α ise Student, değilse Welch kullanılır.

Sonuca etkisi: t, sd, p, fark GA'sı ve TOST'un SE/sd değerleri değişir; Cohen d, betimsel ve varsayım satırları değişmez.

Doğrulama verisinde: hsb2'de Levene F = 11.1333, p = 0.001013 olduğundan otomatik seçim Welch'tir: t = -3.6564, sd = 169.71, p = 0.000341. Eşit varyans: t = -3.7341, sd = 198, p = 0.000246.

→ Welch düzeltmesi

Güven düzeyi (%90, %95, %99, Diğer/özel 80.0-99.9)

Kavram: Sonuçlardaki aralık tahminlerinin ne kadar 'emin' olacağını ve fark var kararının eşiğini (α) belirler.

Gündelik örnek: Okul müdürü 'B sınıfı A'dan ne kadar geride?' diye soruyor. %95 güvenle '2 ile 7 puan arası' yanıtını verirsiniz; %99 güven isterse aralık '1 ile 8 puan' gibi genişler.

Ne işe yarar: α = 1 - güven düzeyi; tüm GA'ların genişliğini, H0 karar eşiğini ve otomatik Student/Welch kararının eşiğini belirler. Özel değer yalnız "Diğer" seçiliyken etkindir.

Sonuca etkisi: t ve p değişmez (otomatik karar değişmedikçe); fark GA'sı, d GA'ları, bootstrap GA, TOST'un (1 - 2α) GA'sı, grafik GA'sı ve varsayım satırlarındaki "karşılanıyor / İHLAL" ifadesi değişir.

Doğrulama verisinde: Welch fark GA'sı %90 [-7.0727, -2.6672], %95 [-7.4992, -2.2407], %99 [-8.3397, -1.4002]. %99.9'da α = 0.001 ve Levene p = 0.001013 > 0.001 olduğundan otomatik karar Student'a geçer (t = -3.7341, sd = 198).

→ Güven düzeyi ve güven aralığı

Hipotez yönü (Çift yönlü, Sağ yönlü (>), Sol yönlü (<))

Kavram: Araştırma sorusunun 'fark var mı?' (çift yönlü) mi yoksa önceden belirlenmiş tek bir yönde mi ('A, B'den yüksek mi?') sorulduğunu belirtir.

Gündelik örnek: Yeni okuma yöntemi ancak eski yöntemden daha iyi sonuç verirse benimsenecekse soru tek yönlüdür: 'Yeni yöntemle okuyan sınıfın ortalaması daha yüksek mi?'. Yöntemin iyi mi kötü mü olduğu bilinmiyorsa çift yönlü soru sorulur. Yön veriye bakılmadan, önceden seçilmelidir.

Ne işe yarar: H1: μ1 ≠ μ2, μ1 > μ2 veya μ1 < μ2. Birinci grup dosyada ilk görülen gruptur; metinde grup adlarıyla yazılır ("H₁: μ(0) > μ(1)").

Sonuca etkisi: p tek kuyruklu olur; tek yönlü (1 - α) GA satırı eklenir; t ve iki yönlü GA değişmez.

Doğrulama verisinde: hsb2'de Welch sağ yönlü p = 0.99983, sol yönlü p = 0.00017; sol için tek yönlü %95 GA (-∞, -2.6672].

→ Tek yönlü ve çift yönlü test (hipotez yönü)

Hedges g (onay kutusu)

Kavram: Cohen d'nin küçük örneklemlerde etkiyi biraz büyük gösterme eğilimini düzelten sürümüdür.

Gündelik örnek: Her sınıfta yalnız 8 öğrenci varsa hesaplanan etki büyüklüğü gerçeğinden biraz şişkin çıkar; Hedges g bu şişkinliği törpüler. 100'er öğrencili sınıflarda d ile g neredeyse aynıdır.

Ne işe yarar: Cohen d'nin küçük örneklem yanlılığını J çarpanıyla düzeltir (Hedges ve Olkin, 1985); J kesin gamma formülüyle hesaplanır.

Sonuca etkisi: Etki büyüklükleri bölümüne "Hedges g" satırı eklenir.

Doğrulama verisinde: hsb2 g = -0.5282 (d = -0.5302). Küçük örneklemde golf (7 + 7) -1.915491, rice 1.497732.

→ Hedges g

Glass Δ (onay kutusu)

Kavram: Farkı iki grubun ortak dağınıklığıyla değil, yalnızca kontrol (karşılaştırma) grubunun dağınıklığıyla ölçen etki büyüklüğüdür.

Gündelik örnek: Eski yöntemle okuyan sınıf kontrol grubu olsun. Yeni yöntem puanların dağınıklığını da değiştirdiyse, farkı 'eski sınıfın olağan dalgalanmasının kaç katı' diye ifade etmek daha anlamlıdır; Glass Δ tam olarak bunu verir.

Ne işe yarar: Farkı yalnız ikinci grubun (kontrol kabul edilen) SD'sine böler.

Sonuca etkisi: Etki büyüklükleri bölümüne satır ekler.

Doğrulama verisinde: hsb2 Δ = -0.5987 (payda kızların SD'si 8.1337); golf -1.8611.

→ Glass Δ

CLES (onay kutusu)

Kavram: Ortak dil etki büyüklüğü: birinci gruptan rastgele seçilen birinin ikinci gruptan rastgele seçilen birinden yüksek puan alma olasılığıdır. %50 fark olmadığını gösterir.

Gündelik örnek: A sınıfından rastgele bir öğrenci ile B sınıfından rastgele bir öğrenci seçip okuma puanlarını karşılaştırıyorsunuz. CLES = 0,65 ise bu karşılaştırmaların yaklaşık %65'inde A'lı öğrenci önde çıkar. İstatistik bilmeyen birine farkı anlatmanın en kolay yoludur.

Ne işe yarar: Ortak dil etki büyüklüğü Φ(d/√2) = P(X1 > X2) (normal dağılım ve eşit varyans varsayımıyla; McGraw ve Wong, 1992).

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 0.3539 (rastgele bir erkeğin yazma puanının rastgele bir kızınkinden yüksek olma olasılığı); golf 0.0739.

→ Ortak dil etki büyüklüğü (CLES)

Cohen d için %GA, normal yaklaşım (onay kutusu)

Kavram: Cohen d'nin kendisi de örneklemden hesaplanan bir tahmindir; bu seçenek d için normal dağılım yaklaşımıyla bir güven aralığı verir.

Gündelik örnek: Etkiyi d = 0,5 bulduğunuzda bu 'orta düzey' etkinin ne kadar kesin olduğunu bilmek istersiniz. Güven aralığı [0,2; 0,8] çıkarsa gerçek etki küçük de olabilir büyük de; 30'ar öğrencilik sınıflarda aralık geniştir, 300'erlik okullarda daralır.

Ne işe yarar: d ± z·SE, SE = √((n1 + n2)/(n1n2) + d²/(2(n1 + n2))) aralığını verir (Hedges ve Olkin, 1985).

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 %95 [-0.8133, -0.2471]. Küçük örneklemde merkezî olmayan t aralığı tercih edilir.

→ Cohen d (etki büyüklüğü)

d GA, merkezî olmayan t (onay kutusu)

Kavram: d'nin güven aralığını yaklaşık formül yerine t dağılımının 'merkezî olmayan' biçiminden kesin olarak hesaplar; özellikle küçük örneklemlerde daha doğrudur.

Gündelik örnek: Her sınıfta 10 öğrenci varken normal yaklaşım aralığı olduğundan dar gösterebilir. Merkezî olmayan t yöntemi, bir çantadaki gerçek ağırlığı tartıyla ölçmek gibidir; yaklaşık formül ise göz kararıyla tahmin etmeye benzer. Örneklem büyüdükçe ikisi birbirine yaklaşır.

Ne işe yarar: Student t'nin merkezî olmayan dağılımı üzerinden ncp GA'sını bulup √(1/n1 + 1/n2) ile ölçekler (Steiger ve Fouladi, 1997). Welch seçili olsa da Student t'den hesaplanır.

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 %95 [-0.8127, -0.2464]. Rice %99 üst sınırı 2.875525 (merkezî olmayan t dağılımının kesin tersinden).

→ Merkezi olmayan t dağılımına dayalı güven aralığı

Shapiro-Wilk (onay kutusu)

Kavram: Her gruptaki puanların normal (çan eğrisi biçiminde) dağılıp dağılmadığını sınar. p < α ise dağılım normalden belirgin biçimde sapmaktadır.

Gündelik örnek: Okuma testi çok kolay hazırlandıysa öğrencilerin çoğu tam puana yakın alır ve dağılım bir tarafa yığılır; Shapiro-Wilk bunu yakalar. Her sınıfta 30'dan fazla öğrenci varsa t-testi bu sapmadan pek etkilenmez; az öğrenci varsa Mann-Whitney U testi düşünülmelidir.

Ne işe yarar: Her grupta normallik testi yapar (3 <= n <= 5000).

Sonuca etkisi: Yalnız ek satırlar.

Doğrulama verisinde: hsb2 W = 0.9499 (p = 0.0015) ve 0.9459 (p = 0.0002), ikisi de İHLAL.

→ Shapiro-Wilk testi

Levene (onay kutusu)

Kavram: İki grubun dağınıklığının (varyansının) eşit olup olmadığını sınar ve Student mı Welch mi kullanılacağına karar vermekte yol gösterir.

Gündelik örnek: A sınıfında herkes 70 civarında puan almış, B sınıfında ise 40 alan da 95 alan da varsa iki sınıfın 'tutarlılığı' farklıdır. Levene testi bu farkın şansla açıklanıp açıklanamayacağını söyler.

Ne işe yarar: Ortalama merkezli Levene ve medyan merkezli Brown-Forsythe satırlarını gösterir; yalnız gösterimi açar veya kapatır, otomatik karar her durumda Levene ile verilir.

Sonuca etkisi: Karar değişmez.

Doğrulama verisinde: Levene W = 11.1333, p = 0.001; Brown-Forsythe W = 9.6197, p = 0.0022. Kapalıyken otomatik karar yine Welch'tir.

→ Levene testi

Bartlett (onay kutusu)

Kavram: Varyansların eşitliğini sınayan bir başka testtir; veriler normal dağıldığında güçlüdür ama normallikten sapmaya çok duyarlıdır.

Gündelik örnek: Puanlar düzgün bir çan eğrisi çiziyorsa Bartlett testi dağınıklık farkını Levene'den daha iyi yakalar. Ama birkaç öğrencinin çok düşük puanı dağılımı bozduysa Bartlett 'varyanslar farklı' diye yanlış alarm verebilir; bu yüzden Levene ile birlikte okunmalıdır.

Ne işe yarar: Normallik varsayımına duyarlı varyans eşitliği ki-kare testi.

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 T = 5.4972, p = 0.019.

→ Bartlett varyans homojenliği testi

Varyans oranı, katlanmış F (onay kutusu)

Kavram: Büyük varyansın küçük varyansa oranıdır (F). Oran 1'e yakınsa dağınıklıklar benzer, 1'den çok büyükse farklıdır.

Gündelik örnek: B sınıfının puan varyansı A'nınkinin 1,6 katı çıkarsa B'deki puanlar A'ya göre belirgin biçimde daha dağınıktır. Katlanmış F bu oranın şansla bu kadar büyük çıkma olasılığını verir.

Ne işe yarar: F' = büyük varyans / küçük varyans, iki yönlü p = 2·P(F > F').

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 F(90, 108) = 1.6052, p = 0.0187; graze 1.23 / 0.6981.

→ Katlanmış F testi (varyans oranı)

Betimsel (onay kutusu)

Kavram: Her grubun özetini verir: kişi sayısı, ortalama, standart sapma, standart hata, medyan, en küçük ve en büyük değer, çarpıklık ve basıklık.

Gündelik örnek: Testten önce iki sınıfın fotoğrafını çekmek gibidir: kaç öğrenci var, ortalama kaç, en düşük ve en yüksek puan ne, puanlar bir tarafa mı yığılmış? Test sonucunu yorumlamadan önce bu tabloya bakmak hataları erkenden gösterir.

Ne işe yarar: Grup başına n, ortalama, SD, SE, medyan, en küçük, en büyük, çarpıklık ve basıklığı verir.

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: Erkek M = 50.1209, SD = 10.3052, SE = 1.0803; kız M = 54.9908, SD = 8.1337, SE = 0.7791. Çarpıklık ve basıklık düzeltilmiş G1/G2'dir.

Bootstrap GA (onay kutusu)

Kavram: Ortalama farkının güven aralığını formül yerine verinin kendisinden binlerce yeniden örneklem çekerek hesaplar; dağılım varsayımı gerektirmez.

Gündelik örnek: A ve B sınıflarının puan kartlarını iki ayrı torbaya koyup her torbadan yerine koyarak yeni 'sınıflar' çekiyor ve ortalama farkını her seferinde not ediyorsunuz. 5000 denemede farkın hangi aralıkta dolaştığı, güven aralığını verir.

Ne işe yarar: Ortalama farkı için tabakalı yüzdelik bootstrap GA verir (B = 5000, sabit tohum 12345).

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 %95 [-7.44, -2.3153] (t GA'sından biraz dar); sınırlar yeniden örneklemeye bağlı olarak Monte Carlo hata payı kadar değişebilir.

→ Bootstrap (yeniden örnekleme)

Student + Welch iki satır (onay kutusu)

Kavram: Eşit varyanslı (Student) ve eşit olmayan varyanslı (Welch) sonuçları aynı tabloda yan yana gösterir.

Gündelik örnek: Hakem 'varyanslar eşit varsayılsaydı sonuç değişir miydi?' diye sorabilir. İki satır yan yana durduğunda iki sonucun aynı kararı verip vermediği tek bakışta görülür.

Ne işe yarar: Eşit varyanslı ve Welch satırlarını tek tabloda birlikte gösterir.

Sonuca etkisi: Yalnız gösterim.

Doğrulama verisinde: Student t = -3.7341, sd = 198, SE = 1.3042; Welch t = -3.6564, sd = 169.7, SE = 1.3319. İç Welch sd = 169.7074.

→ Welch düzeltmesi

Eşdeğerlik testi, TOST (onay kutusu; alt ve üst sınır)

Kavram: İki grubun 'farklı olmadığını' değil, pratikte 'eşdeğer olduğunu' göstermek için kullanılır; önemsiz sayılacak fark aralığı önceden belirlenir.

Gündelik örnek: Okul, pahalı basılı kitap yerine ücretsiz dijital kitaba geçmek istiyor ve okuma puanlarının en fazla 3 puan farklı olmasını kabul edilebilir buluyor. TOST, iki sınıfın farkının ±3 puanlık aralıkta kaldığını gösterebilirse dijital kitabın 'yeterince iyi' olduğu sonucuna varılır.

Ne işe yarar: Schuirmann iki tek yönlü test: H01: Δ <= alt, H02: Δ >= üst; p_TOST = max(p1, p2); (1 - 2α) GA. SE ve sd ana testin (Student/Welch kararının) değerleridir.

Sonuca etkisi: Yalnız TOST satırları; sınırlar TOST kapalıyken etkisizdir, alt >= üst ise analiz uyarıyla durur.

Doğrulama verisinde: hsb2 ±0.5: p_TOST = 0.999372 (eşdeğerlik yok); ±5: 0.461165; [-8, -2]: 0.016294 (eşdeğer).

→ Eşdeğerlik testi (TOST)

Grafik (Kutu, Normal Q-Q, Ortalama ± GA)

Kavram: Sonuçların görsel özetini seçer: kutu grafiği dağılımı ve uç değerleri, Q-Q grafiği normalliği, ortalama ± GA grafiği ortalamaları ve belirsizliklerini gösterir.

Gündelik örnek: Veli toplantısında iki sınıfı anlatırken kutu grafiği 'B sınıfında puanlar daha dağınık ve birkaç çok düşük puan var' dedirtir; ortalama ± GA grafiği ise 'iki sınıfın ortalaması arasındaki fark belirsizlik aralıklarından büyük' mesajını tek resimde verir.

Ne işe yarar: Yalnız Grafik sekmesini değiştirir; "Ortalama ± GA" grup başına t tabanlı (1 - α) GA çizer.

Sonuca etkisi: Sayısal sonuçlar değişmez.

Doğrulama verisinde: %95 grup GA'ları erkek [47.9747, 52.2670], kız [53.4466, 56.5351].

→ Kutu grafiği (kutu-bıyık)

Gerçek veride örnek

Veri: UCLA OARC hsb2 (High School and Beyond, n = 200)

Değişkenler: grup female (0 erkek, 1 kız), değer write (yazma puanı)

  • Soru: Yazma puanı ortalaması erkek (female = 0, n = 91) ve kız (female = 1, n = 109) öğrenciler arasında farklı mı?
  • Varsayımlar: Levene F = 11.13, p = .001; varyanslar eşit değildir, bu yüzden MerQur Welch t-testini kullanır. Shapiro-Wilk her iki grupta da ihlal gösterir (p = .0015 ve p = .0002), ancak grup büyüklükleri t-testinin sağlamlığı için yeterlidir.
  • Sonuç: Welch t(169.71) = -3.66, p < .001. Sıfır hipotezi reddedilir: kızların yazma ortalaması (M = 54.99) erkeklerinkinden (M = 50.12) yüksektir.
  • Etki büyüklüğü: Cohen d = -0.53; orta düzeyde bir etki (işaret, 0 - 1 farkının yönünden gelir).
  • Betimsel: Ortalama farkı -4.87 puan (SE = 1.332), %95 GA [-7.50, -2.24]; erkeklerin puanları daha yaygındır (SS 10.31 ve 8.13).
  • APA: t(169.71) = -3.66, p < .001, d = -0.53.

İlgili kavramlar

Welch düzeltmesiLevene testiGüven düzeyi ve güven aralığıCohen d (etki büyüklüğü)Bootstrap (yeniden örnekleme)Eşdeğerlik testi (TOST)Ortak dil etki büyüklüğü (CLES)Hedges gGlass ΔKatlanmış F testi (varyans oranı)Bartlett varyans homojenliği testi

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.