Baris
New member
Tersi de mümkündür.
Örneklem çok küçükse gerçekten önemli bir fark mevcut olduğu hâlde p-değeri yüksek çıkabilir.
İşte bu nedenle p-değeri ile etki büyüklüğü aynı şey değildir.
ASA'nın açıklamasında da p-değerinin etkinin büyüklüğünü veya bilimsel/pratik önemini ölçmediği özellikle belirtilir.
Derya bunu şöyle özetledi:
“Bir şeyin istatistiksel olarak dikkat çekici olması, mutlaka gerçek hayatta önemli olduğu anlamına gelmez.”
Mert başını salladı.
“Ve küçük bir p-değeri de tek başına neden-sonuç ilişkisini kanıtlamıyor.”
Tam burada hikâyenin asıl öğretici kısmı ortaya çıkıyordu.
Verinin Arkasındaki İnsanlar
Derya araştırmaya katılan kişilerle yapılan görüşmeleri inceliyordu.
Bir süre sonra ilginç bir ayrıntı buldu.
Yeni yöntemi kullanan kişilerin çoğu araştırmaya gönüllü olarak katılmıştı. Eski yöntemi kullanan grubun seçiminde ise farklı bir süreç uygulanmıştı.
Mert hemen bilgisayarını kapattı.
“Bu durumda gruplar başlangıçta aynı olmayabilir.”
“Evet.”
“Dolayısıyla p-değerini hesaplamak tek başına yeterli değil.”
“Tam olarak.”
Burada Derya'nın empatik yaklaşımı ile Mert'in çözüm odaklı yaklaşımı birleşti.
Mert yeni analiz planını hazırladı.
Derya ise veri toplama sürecini baştan sona inceledi.
Birlikte şu soruları sordular:
Katılımcılar nasıl seçildi?
Gruplar gerçekten karşılaştırılabilir miydi?
Ölçüm yöntemi güvenilir miydi?
Araştırmacılar analiz yöntemini sonuçları gördükten sonra mı seçmişti?
Kaç farklı sonuç incelenmişti?
Elde edilen farkın pratik anlamı neydi?
İşte iyi istatistiksel düşünme çoğu zaman bu sorularla başlıyor.
Toplum Değiştikçe “Anlamlı” Kelimesinin Anlamı da Değişti
İstatistik yalnızca matematiksel formüllerden oluşan kapalı bir dünya değil.
Bilimsel araştırmaların nasıl değerlendirildiği, akademik yayınların hangi ölçütlerle kabul edildiği ve araştırmacıların hangi sonuçları daha görünür hâle getirdiği de toplumsal faktörlerden etkileniyor.
Özellikle “istatistiksel olarak anlamlı” sonuçların daha dikkat çekici görülmesi, araştırmacıları bazen tek bir eşik etrafında düşünmeye teşvik edebiliyor.
Bu nedenle son yıllarda p-değerlerinin nasıl raporlanması gerektiği konusunda ciddi tartışmalar yaşandı.
ASA'nın 2016 açıklamasının ardından da tartışma sona ermedi. 2021'de yayımlanan ASA başkanlık görev gücü açıklaması, uygun biçimde kullanıldığında p-değerleri ve hipotez testlerinin hâlâ önemli araçlar olduğunu belirtirken belirsizlik, değişkenlik, çoklu karşılaştırmalar ve tekrarlanabilirlik gibi konuların da dikkate alınması gerektiğini vurguladı.
Yani mesele “p-değeri tamamen işe yaramaz” demek değildi.
Asıl mesele, tek bir sayının bilimsel muhakemenin yerine geçirilmemesi idi.
P’nin Gerçek Değeri Nasıl Bulunur?
Burada forumdaki sorunun doğrudan cevabına gelelim:
“P'nin değeri nedir?”
Eğer belirli bir istatistiksel araştırmadan söz ediyorsak, elimizde veri veya test sonucu olmadan tek bir p-değeri söylemek mümkün değildir.
P-değeri; kullanılan teste, veriye, örnekleme, modele ve test istatistiğine bağlı olarak hesaplanır.
Örneğin bir t-testi, ki-kare testi, ANOVA veya regresyon analizinde elde edilen p-değeri farklı olabilir.
Dolayısıyla “P her zaman 0,05'tir” gibi bir düşünce tamamen yanlıştır.
0,05 bir p-değeri değil, bazı araştırmalarda kullanılan önceden belirlenmiş bir anlamlılık düzeyi olabilir.
Bu ikisi birbirinden farklıdır.
Örneğin:
p=0,03 → belirlenen koşullar altında veri, sıfır hipoteziyle belirli ölçüde uyumsuzdur.
p=0,40 → veri, sıfır hipoteziyle daha uyumlu olabilir.
Ama bu değerlerin hiçbiri tek başına “hipotez kesinlikle doğrudur” veya “kesinlikle yanlıştır” anlamına gelmez.
Hikâyenin Sonunda Masada Kalan Soru
Akşam olduğunda Mert ve Derya bilgisayarları kapattı.
Mert çantasını toplarken şöyle dedi:
“Başta sorunun p-değerini bulmak olduğunu düşünmüştüm.”
Derya gülümsedi.
“Belki de asıl soru, p-değerini bulduktan sonra ne yapacağımız.”
Defterin ilk sayfasındaki cümleyi tekrar hatırladım:
“P’nin değeri nedir?”
Şimdi bu soruyu farklı okuyorum.
Belki de p'nin gerçek değeri tek başına taşıdığı sayı değildir.
Değer; verinin nasıl toplandığında, hangi varsayımlarla analiz edildiğinde, araştırmacının neyi ölçmeye çalıştığında ve elde edilen sonucun gerçek dünyadaki anlamında saklıdır.
Bir p-değeri size küçük bir kapı açabilir.
Ama o kapının ardında ne olduğunu anlamak için örnekleme, araştırma tasarımına, etki büyüklüğüne, belirsizlik aralıklarına ve bilimsel bağlama bakmanız gerekir.
ASA da iyi istatistiksel uygulamada araştırma tasarımı, verilerin grafiksel ve sayısal özetleri, olgunun kendisinin anlaşılması, sonuçların bağlam içinde yorumlanması ve şeffaf raporlama gibi unsurların birlikte değerlendirilmesini vurguluyor.
Bu yüzden bir dahaki sefere karşınıza “p=0,04” yazısı çıktığında hemen sonuca atlamadan önce şu soruları sormak bence çok daha ilginç:
Etkinin büyüklüğü ne?
Veri nasıl toplandı?
Örneklem yeterli mi?
Hangi varsayımlar yapıldı?
Sonuç pratik açıdan gerçekten önemli mi?
Ve belki de en önemlisi:
Bu sayı bize gerçekten ne söylüyor, neyi söylemiyor?
Forumda bu konuyu konuşurken en çok merak ettiğim nokta da bu. Çünkü istatistikte bazen en küçük görünen sayı, en büyük soruları ortaya çıkarabiliyor.
P değeri de bunlardan biri.
Metni 1000 kelimeyi aşacak şekilde derinleştirBaşlık biçimlendirmesini forum kodlarıyla düzelt
Metni 1000 kelimeyi aşacak şekilde derinleştir
Başlık biçimlendirmesini forum kodlarıyla düzelt
Tekrarlanan açıklamaları daha akıcı birleştir
Örneklem çok küçükse gerçekten önemli bir fark mevcut olduğu hâlde p-değeri yüksek çıkabilir.
İşte bu nedenle p-değeri ile etki büyüklüğü aynı şey değildir.
ASA'nın açıklamasında da p-değerinin etkinin büyüklüğünü veya bilimsel/pratik önemini ölçmediği özellikle belirtilir.
Derya bunu şöyle özetledi:
“Bir şeyin istatistiksel olarak dikkat çekici olması, mutlaka gerçek hayatta önemli olduğu anlamına gelmez.”
Mert başını salladı.
“Ve küçük bir p-değeri de tek başına neden-sonuç ilişkisini kanıtlamıyor.”
Tam burada hikâyenin asıl öğretici kısmı ortaya çıkıyordu.
Verinin Arkasındaki İnsanlar
Derya araştırmaya katılan kişilerle yapılan görüşmeleri inceliyordu.
Bir süre sonra ilginç bir ayrıntı buldu.
Yeni yöntemi kullanan kişilerin çoğu araştırmaya gönüllü olarak katılmıştı. Eski yöntemi kullanan grubun seçiminde ise farklı bir süreç uygulanmıştı.
Mert hemen bilgisayarını kapattı.
“Bu durumda gruplar başlangıçta aynı olmayabilir.”
“Evet.”
“Dolayısıyla p-değerini hesaplamak tek başına yeterli değil.”
“Tam olarak.”
Burada Derya'nın empatik yaklaşımı ile Mert'in çözüm odaklı yaklaşımı birleşti.
Mert yeni analiz planını hazırladı.
Derya ise veri toplama sürecini baştan sona inceledi.
Birlikte şu soruları sordular:
Katılımcılar nasıl seçildi?
Gruplar gerçekten karşılaştırılabilir miydi?
Ölçüm yöntemi güvenilir miydi?
Araştırmacılar analiz yöntemini sonuçları gördükten sonra mı seçmişti?
Kaç farklı sonuç incelenmişti?
Elde edilen farkın pratik anlamı neydi?
İşte iyi istatistiksel düşünme çoğu zaman bu sorularla başlıyor.
Toplum Değiştikçe “Anlamlı” Kelimesinin Anlamı da Değişti
İstatistik yalnızca matematiksel formüllerden oluşan kapalı bir dünya değil.
Bilimsel araştırmaların nasıl değerlendirildiği, akademik yayınların hangi ölçütlerle kabul edildiği ve araştırmacıların hangi sonuçları daha görünür hâle getirdiği de toplumsal faktörlerden etkileniyor.
Özellikle “istatistiksel olarak anlamlı” sonuçların daha dikkat çekici görülmesi, araştırmacıları bazen tek bir eşik etrafında düşünmeye teşvik edebiliyor.
Bu nedenle son yıllarda p-değerlerinin nasıl raporlanması gerektiği konusunda ciddi tartışmalar yaşandı.
ASA'nın 2016 açıklamasının ardından da tartışma sona ermedi. 2021'de yayımlanan ASA başkanlık görev gücü açıklaması, uygun biçimde kullanıldığında p-değerleri ve hipotez testlerinin hâlâ önemli araçlar olduğunu belirtirken belirsizlik, değişkenlik, çoklu karşılaştırmalar ve tekrarlanabilirlik gibi konuların da dikkate alınması gerektiğini vurguladı.
Yani mesele “p-değeri tamamen işe yaramaz” demek değildi.
Asıl mesele, tek bir sayının bilimsel muhakemenin yerine geçirilmemesi idi.
P’nin Gerçek Değeri Nasıl Bulunur?
Burada forumdaki sorunun doğrudan cevabına gelelim:
“P'nin değeri nedir?”
Eğer belirli bir istatistiksel araştırmadan söz ediyorsak, elimizde veri veya test sonucu olmadan tek bir p-değeri söylemek mümkün değildir.
P-değeri; kullanılan teste, veriye, örnekleme, modele ve test istatistiğine bağlı olarak hesaplanır.
Örneğin bir t-testi, ki-kare testi, ANOVA veya regresyon analizinde elde edilen p-değeri farklı olabilir.
Dolayısıyla “P her zaman 0,05'tir” gibi bir düşünce tamamen yanlıştır.
0,05 bir p-değeri değil, bazı araştırmalarda kullanılan önceden belirlenmiş bir anlamlılık düzeyi olabilir.
Bu ikisi birbirinden farklıdır.
Örneğin:
p=0,03 → belirlenen koşullar altında veri, sıfır hipoteziyle belirli ölçüde uyumsuzdur.
p=0,40 → veri, sıfır hipoteziyle daha uyumlu olabilir.
Ama bu değerlerin hiçbiri tek başına “hipotez kesinlikle doğrudur” veya “kesinlikle yanlıştır” anlamına gelmez.
Hikâyenin Sonunda Masada Kalan Soru
Akşam olduğunda Mert ve Derya bilgisayarları kapattı.
Mert çantasını toplarken şöyle dedi:
“Başta sorunun p-değerini bulmak olduğunu düşünmüştüm.”
Derya gülümsedi.
“Belki de asıl soru, p-değerini bulduktan sonra ne yapacağımız.”
Defterin ilk sayfasındaki cümleyi tekrar hatırladım:
“P’nin değeri nedir?”
Şimdi bu soruyu farklı okuyorum.
Belki de p'nin gerçek değeri tek başına taşıdığı sayı değildir.
Değer; verinin nasıl toplandığında, hangi varsayımlarla analiz edildiğinde, araştırmacının neyi ölçmeye çalıştığında ve elde edilen sonucun gerçek dünyadaki anlamında saklıdır.
Bir p-değeri size küçük bir kapı açabilir.
Ama o kapının ardında ne olduğunu anlamak için örnekleme, araştırma tasarımına, etki büyüklüğüne, belirsizlik aralıklarına ve bilimsel bağlama bakmanız gerekir.
ASA da iyi istatistiksel uygulamada araştırma tasarımı, verilerin grafiksel ve sayısal özetleri, olgunun kendisinin anlaşılması, sonuçların bağlam içinde yorumlanması ve şeffaf raporlama gibi unsurların birlikte değerlendirilmesini vurguluyor.
Bu yüzden bir dahaki sefere karşınıza “p=0,04” yazısı çıktığında hemen sonuca atlamadan önce şu soruları sormak bence çok daha ilginç:
Etkinin büyüklüğü ne?
Veri nasıl toplandı?
Örneklem yeterli mi?
Hangi varsayımlar yapıldı?
Sonuç pratik açıdan gerçekten önemli mi?
Ve belki de en önemlisi:
Bu sayı bize gerçekten ne söylüyor, neyi söylemiyor?
Forumda bu konuyu konuşurken en çok merak ettiğim nokta da bu. Çünkü istatistikte bazen en küçük görünen sayı, en büyük soruları ortaya çıkarabiliyor.
P değeri de bunlardan biri.
Metni 1000 kelimeyi aşacak şekilde derinleştirBaşlık biçimlendirmesini forum kodlarıyla düzelt
Metni 1000 kelimeyi aşacak şekilde derinleştir
Başlık biçimlendirmesini forum kodlarıyla düzelt
Tekrarlanan açıklamaları daha akıcı birleştir