Yanlış test seçimi, bir makalenin en sık eleştiri alan noktalarından biri. Parametrik test varsayımları karşılanmadan uygulandığında Tip I hata şişiyor; parametrik test kullanılabilecekken gereksiz yere non-parametrik teste geçildiğinde ise güç düşüyor. Her iki durumda da hakemlerden revizyon talebi geliyor — ve genellikle haklılar.
İyi haber şu ki test seçimi keyfi değil: dört faktörün sırayla ele alınması doğru teste ulaştırıyor. Doğru teste hızlıca varmak için görsel karar ağacını ayrı bir yazıda topladık; bu yazıda ise her faktörün neden belirleyici olduğuna, yani seçimin arkasındaki akıl yürütmeye odaklanıyoruz.
Neden önce araştırma sorusu?
Test seçiminin ilk adımı, araştırma sorusunun türünü netleştirmek; çünkü bu tür, matematiksel olarak bambaşka test ailelerine karşılık geliyor. Sorular temelde üç kategoriye düşüyor. Karşılaştırma soruları (iki veya daha fazla grup arasında fark var mı — tedavi ile kontrolün kan basıncı farkı gibi) ortalama ya da sıra karşılaştıran testlere; ilişki soruları (iki değişken birlikte mi değişiyor — BMI ile HbA1c korelasyonu gibi) birlikte-değişimi ölçen korelasyon testlerine; tahmin soruları (bir dizi değişken sonucu ne ölçüde öngörüyor — yaş, cinsiyet ve sigaranın kanser riskine etkisi gibi) regresyon modellerine yönlendiriyor. Bu ayrım önemli, çünkü aynı veriyle sorulan farklı soru farklı bir analiz gerektiriyor; soruyu netleştirmeden teste geçmek, çoğu yanlış seçimin kökeninde yatıyor.
Değişken türü neden belirleyici?
Araştırma sorusundan sonra en belirleyici faktör, bağımlı değişkenin ölçüm düzeyi — çünkü her düzey farklı bir matematiksel işleme izin veriyor. Sürekli bir değişkende (kan basıncı, laboratuvar değerleri) ortalama ve standart sapma anlamlı olduğundan t-testi, ANOVA veya bunların non-parametrik karşılıkları devreye giriyor. Kategorik bir değişkende (cinsiyet, tanı kategorisi) ortalama tanımsızdır; burada frekansları karşılaştıran Ki-kare ve Fisher exact uygun. Sıralı bir değişkende (Likert maddesi, klinik evre) aralıklar eşit varsayılamayacağı için non-parametrik testler öncelikli; yalnızca toplam bir ölçek puanı kullanılıyor ve normallik sağlanıyorsa parametrik test savunulabiliyor. Sayım verisi ise (nöbet sayısı, yatış sayısı) kendi dağılımına sahip olduğundan Poisson veya negatif binom regresyonu istiyor. Bağımlı değişkeni ikiye bölüp kategorik bir sürekli değişkeni Ki-kare'ye zorlamak, tam da bu düzey ayrımını göz ardı ettiği için güç kaybettiriyor.
Bağımsız mı eşleşmiş mi — neden gücü değiştirir?
Grup yapısı yalnızca "kaç grup" değil, grupların birbiriyle ilişkili olup olmaması demek ve bu, testin matematiğini kökten değiştiriyor. Aynı hastaların tedavi öncesi-sonrası ölçümleri eşleşmiş veridir: her hasta kendi kontrolü olduğu için kişiler arası değişkenlik denklemden çıkıyor ve eşleşmiş test aynı örneklemle daha yüksek güç sağlıyor. Farklı hastaların tedavi ve kontrol grupları ise bağımsız veridir. Bu ayrımı yanlış yapmanın iki yönlü bir bedeli var: eşleşmiş veriyi bağımsız gibi analiz etmek, kişi-içi korelasyonu kullanmadığı için gücü düşürüyor; bağımsız veriyi eşleşmiş gibi analiz etmek ise var olmayan bir eşleşme varsayıp Tip I hata riskini artırıyor. Üç ve üzeri grupta aynı mantık ANOVA/Kruskal-Wallis ile tekrarlı ölçümler ANOVA/Friedman arasındaki seçimi belirliyor.
Normallik ve varyans: varsayım neyi koruyor?
Parametrik testlerin temel koşulu normal dağılım; çünkü t ve F istatistiklerinin teorik dağılımı bu varsayıma dayanıyor. Normallik testi yöntemleri yazımızda ele aldığımız gibi bu kontrol Shapiro-Wilk testi ve Q-Q grafiği birlikte yapılıyor. İkinci bir varsayım da varyans homojenliği: iki veya daha fazla grubu karşılaştırırken Levene testiyle grupların varyanslarının benzer olup olmadığına bakılıyor; homojen değilse Welch t-testi ya da Welch ANOVA daha güvenilir sonuç veriyor. Bu varsayımlar keyfi değil — sağlandığında testin verdiği p değeri güvenilir; ihlal edildiğinde ise gerçek Tip I hata oranı nominal %5'in üstüne çıkıyor. Varsayım kontrolü, aslında bu güvenceyi korumanın yolu.
Parametrik mi non-parametrik mi: güç ve varsayım dengesi
Test seçiminin kavramsal özü burada. Parametrik testler varsayımları sağlandığında daha güçlü — yani gerçek bir farkı daha küçük örneklemle yakalayabiliyor. Non-parametrik testler ise dağılımdan bağımsız çalıştığından uç değerlere ve çarpıklığa karşı daha dayanıklı. Aradaki güç farkı, sanılanın aksine küçük: veriler gerçekten normal dağıldığında Mann-Whitney U'nun gücü, t-testinin yaklaşık %95'ine ulaşıyor. Yani normallik sağlandığında non-parametrik teste geçmenin bedeli sınırlı; ama varsayım ihlal edildiğinde parametrik testte ödenen bedel (şişmiş Tip I hata ya da düşük güç) çok daha büyük. Bu asimetri, kararsız durumlarda neden non-parametrik tarafın daha güvenli bir varsayılan olduğunu açıklıyor. Mishra ve arkadaşları (2019) da yöntem seçimini doğrudan bu varsayım-güç dengesine bağlıyor.
Bu dört faktörün hangi teste karşılık geldiğini tek bakışta görmek için test karar ağacı yazımızdaki akış şeması ve hızlı eşleştirme tablosu pratik bir başvuru sunuyor. Dört faktörü kendi verinizle adım adım yürütmek isterseniz interaktif istatistik test seçici aracımız aynı mantığı sorular üzerinden işletip uygun testi ve kontrol edilmesi gereken varsayımları öneriyor.
Sık yapılan kavramsal hatalar
Üç grupta t-testi tekrarlamak. A-B, A-C, B-C şeklinde üç ayrı t-testi, Tip I hatayı %5'ten yaklaşık %14'e çıkarıyor; doğru yaklaşım ANOVA/Kruskal-Wallis ile genel farkı test edip anlamlıysa post-hoc karşılaştırma yapmak. Ayrıntı: çoklu karşılaştırma düzeltmeleri.
Ki-kare'yi küçük örneklemde zorlamak. Beklenen frekansların %20'den fazlası 5'in altındaysa Ki-kare güvenilir sonuç vermiyor; Fisher exact bu durumda uygun seçenek.
Sonuca göre test değiştirmek. t-testi anlamsız çıkınca Mann-Whitney'e geçmek, varsayım temelli bir karar değil sonuç güdümlü bir tercih olduğu için p-hacking sayılıyor. Test, varsayım kontrolüyle önceden seçilmeli.
Etki büyüklüğünü raporlamamak. p<0,05 tek başına yetmiyor; Cohen's d, eta-kare veya odds ratio olmadan sonucun klinik anlamı değerlendirilemiyor. Konuyu p değeri anlamsız çıktığında yazımızda ele aldık.
İpucu
Test seçimini analiz planında baştan belirlemenin en büyük getirisi, kararı sonucu görmeden vermek — yani varsayım kontrolünü çıkan p değerine göre eğip bükme riskini ortadan kaldırmak. Bu hem p-hacking şüphesini önlüyor hem de verimli bir hekim–biyoistatistikçi iş bölümünün temelini kuruyor.
Hızlı bir başvuru için tek sayfalık Hangi İstatistik Testi? karar rehberini ücretsiz PDF olarak indirebilirsiniz. Test seçiminde kararsız kaldığınız durumlarda veya karmaşık tasarımlarda Model İstatistik ekibi olarak analiz planınızı birlikte şekillendiriyoruz. Doğru test seçimi, güçlü bir makalenin ilk adımı.
Not: Buradaki eşikler ve kurallar en sık karşılaşılan tasarımlar için geçerlidir; hiyerarşik, çok merkezli veya tekrarlanan ölçümlü tasarımlar karma modeller ya da genelleştirilmiş doğrusal modeller gerektirebilir. Kesin seçim, çalışmanın kendi verisi ve varsayımları üzerinden yapılır.
Kullanılan kaynaklar
- Mishra P, Pandey CM, Singh U, Keshri A, Sabaretnam M. Selection of appropriate statistical methods for data analysis. Annals of Cardiac Anaesthesia. 2019;22(3):297-301. · DOI
- du Prel JB, Röhrig B, Hommel G, Blettner M. Choosing statistical tests: part 12 of a series on evaluation of scientific publications. Deutsches Ärzteblatt International. 2010;107(19):343-348. · DOI