{"id":21380,"date":"2019-05-12T06:27:06","date_gmt":"2019-05-12T03:27:06","guid":{"rendered":"https:\/\/www.enago.com\/academy\/tr\/?p=21380"},"modified":"2020-10-29T11:17:06","modified_gmt":"2020-10-29T08:17:06","slug":"statistics-has-more-to-offer-than-just-the-p-value","status":"publish","type":"post","link":"https:\/\/www.enago.com\/academy\/tr\/statistics-has-more-to-offer-than-just-the-p-value\/","title":{"rendered":"\u0130statistik Sadece Anlaml\u0131 p-de\u011feri G\u00f6stermek Olmamal\u0131d\u0131r"},"content":{"rendered":"<p>\u0130statistikte hipotez testi, p-de\u011feri, istatistiksel anlaml\u0131l\u0131k, hipotezin reddi veya kabul\u00fc, risk, g\u00fcven s\u0131n\u0131r\u0131 gibi terimler s\u0131kl\u0131kla kar\u015f\u0131m\u0131za \u00e7\u0131kar. Bunlara ne kadar g\u00fcvenmeliyiz? Yeni, do\u011frulay\u0131c\u0131 ve istatistiksel olarak anlaml\u0131 sonu\u00e7lara odaklanmak, bilimsel literat\u00fcrde \u00f6nemli yanl\u0131l\u0131\u011fa yol a\u00e7maktad\u0131r. \u201cp-hack\u201d olarak bilinen bir \u00f6nyarg\u0131 t\u00fcr\u00fc, ara\u015ft\u0131rmac\u0131lar \u00f6nemli olmayan sonu\u00e7lar \u00f6nemli hale gelinceye kadar veri veya istatistiksel analizleri toplad\u0131\u011f\u0131nda veya se\u00e7ti\u011finde ortaya \u00e7\u0131kar.<\/p>\n<div id=\"om-dfkezcblxflckadbahas-holder\"><\/div>\n<p><script type=\"text\/javascript\" src=\"https:\/\/a.omappapi.com\/app\/js\/api.min.js\" data-campaign=\"dfkezcblxflckadbahas\" data-user=\"41855\" async><\/script><\/p>\n<h2>Hipotez testi<\/h2>\n<p>Hipotezler, \u00f6rnek verilerden test etmek istedi\u011fimiz bir model ve veri yap\u0131s\u0131 hakk\u0131ndaki tahminlerdir. Hipotez testleri ise, matematiksel olarak anlaml\u0131 bir \u015fekilde bu tahminlerin nas\u0131l yap\u0131ld\u0131\u011f\u0131na dair kullan\u0131lan bir istatistiksel terimdir. Asl\u0131nda bu testleri her zaman g\u00fcnl\u00fck hayat\u0131m\u0131zda bile fark\u0131nda olmadan yapar\u0131z. \u00d6rne\u011fin TV \u00e7al\u0131\u015fm\u0131yorsa ve siz al\u0131c\u0131 kutusunu yeniden ba\u015flatt\u0131ysan\u0131z, i\u015fte bir hipotezi test ettiniz demektir. Hipotez, TV&#8217;nin \u00e7al\u0131\u015fmamas\u0131n\u0131n nedeninin al\u0131c\u0131 kutusunun d\u00fczg\u00fcn \u00e7al\u0131\u015fmamas\u0131 olur ve siz onu yeniden ba\u015flatt\u0131\u011f\u0131n\u0131zda da hipotezinizin do\u011fru olup olmad\u0131\u011f\u0131n\u0131 test etmi\u015f olursunuz. E\u011fer al\u0131c\u0131y\u0131 yeniden ba\u015flatt\u0131ktan sonraki sonu\u00e7 hipotezinize uyuyorsa yani TV \u00e7al\u0131\u015fmaya ba\u015flad\u0131ysa, o zaman hipotezinize daha fazla g\u00fcvenirsiniz. O zaman bir tane daha test edebilirsiniz ve problemlerinizi \u00e7\u00f6zmeye niyetlenirsiniz. Asl\u0131nda problem \u00e7\u00f6zmek bir seri hipotez testi yapmakt\u0131r. \u0130statistiksel olarak, hipotez testi yaparken bir tahminde (Bo\u015f Hipotez) bulunulur, veriler g\u00f6zlemlenir, belirli hesaplamalar yap\u0131l\u0131r ve ba\u015flang\u0131\u00e7taki tahmini yanl\u0131\u015flamak i\u00e7in yeterince g\u00fc\u00e7l\u00fc kan\u0131tlar aran\u0131r (Bo\u015f Hipotezi reddetmek). Pratikte hi\u00e7bir \u015fey kesin de\u011fildir veya %100 olmad\u0131\u011f\u0131 &#8211; G\u00fcne\u015f&#8217;in yar\u0131n do\u011faca\u011f\u0131 bile kesin de\u011fildir- bilinmektedir. Sadece yeterince kesine yak\u0131n oldu\u011fu s\u00f6ylenebilir; mesela %99,9\u20269 gibi. Bu kesin olamama durumundan \u00f6t\u00fcr\u00fc de istatistikte, bo\u015f bir hipotezin kesin olarak reddedilmesinde \u00e7ok da az olsa bir risk olu\u015fur. Bu risk \u03b1 (alfa) g\u00fcven d\u00fczeyi olarak temsil edilir. Buna ilaveten, \u03b2 (beta) ve testin g\u00fcc\u00fc (1-\u03b2) olarak g\u00f6sterilen riskler de vard\u0131r.<\/p>\n<p>Ne kadar k\u00fc\u00e7\u00fck bir \u015fansa g\u00fcc\u00fcn\u00fcz\u00fcn yetece\u011fi tamamen pratikte yanl\u0131\u015f karar verme riskine ba\u011fl\u0131d\u0131r. \u00d6rne\u011fin siz birisi kanser de\u011filken onun kanser oldu\u011funu iddia ederseniz? O ki\u015fi kanserken kanser olmad\u0131\u011f\u0131n\u0131 iddia etmeye ne dersin? Bunlardan hangisi daha risklidir? Bir ba\u015fka \u00f6rnek: doland\u0131r\u0131c\u0131l\u0131k oldu\u011fu d\u00fc\u015f\u00fcn\u00fclerek ge\u00e7erli bir kredi kart\u0131 i\u015flemini reddetmeye ne dersiniz? Peki ya ger\u00e7ekten bir doland\u0131r\u0131c\u0131l\u0131k ise ve normal bir al\u0131\u015fveri\u015f san\u0131larak kart\u0131n reddedilmemesi durumu? Risk kavram\u0131nda \u03b1 ve \u03b2 her zaman birbirlerine kar\u015f\u0131 geldiklerinden, yanl\u0131\u015f pozitif riski ve yanl\u0131\u015f negatif riskleri olu\u015fmaktad\u0131r. Uygulaman\u0131za ba\u011fl\u0131 olarak, bo\u015f hipotezi yanl\u0131\u015fl\u0131kla reddetme riskinizi %20 ile %0,001 aras\u0131nda kabul edebilirsiniz. E\u011fer uygulaman\u0131z \u00e7ok spesifik bir uygulama de\u011filse veya her iki hata da ayn\u0131 derecede k\u00f6t\u00fc ise bir istatistiksel kural olarak \u03b1 =%5 uygulanmas\u0131 gerekir.<\/p>\n<h2>p-hackleme Nedir?<\/h2>\n<p>p-de\u011feri veya olas\u0131l\u0131k de\u011feri, bir hipotez testinde, bo\u015f hipotezin yanl\u0131\u015f reddedilme \u015fans\u0131n\u0131 ifade eder. Bu p-de\u011feri ne kadar d\u00fc\u015f\u00fck bir de\u011fer ise, g\u00f6zlem ve test sonu\u00e7lar\u0131 konusunda o kadar g\u00fcvende olundu\u011fundan daha fazla emin olabiliriz. \u03b1\u2019n\u0131n genellikle %5 olmas\u0131ndan dolay\u0131 p-de\u011ferinin %5&#8217;in alt\u0131ndaki de\u011ferleri genellikle kabul edilebilirdir. p-hackleme ise istatistiki bir analizdeki p-de\u011ferinin, istatistiksel olarak anlaml\u0131 sonu\u00e7lar al\u0131n\u0131ncaya kadar ayn\u0131 veriler ile \u00e7oklu testler yapmay\u0131 ifade etmektedir. Daha sonra da bu sonu\u00e7lar\u0131 matematiksel olarak ge\u00e7erli bir sonu\u00e7 olarak yay\u0131nlamay\u0131 veya sunmay\u0131 ifade eder.<\/p>\n<h2>p-hackleme Anla\u015f\u0131labilir Midir?<\/h2>\n<p>Bir \u00e7al\u0131\u015fma grubunda ya da b\u00fct\u00fcn bir literat\u00fcrde p-de\u011ferinin uygun olmayan bir \u015fekilde de\u011fi\u015ftirilmesi yani \u201cp-hack\u201d tespit etmenin \u00e7e\u015fitli y\u00f6ntemleri vard\u0131r. Bu y\u00f6ntemler, yay\u0131nlanm\u0131\u015f p-de\u011ferlerinin da\u011f\u0131l\u0131m\u0131na veya p-e\u011frisine bakmaya dayanmaktad\u0131r. E\u011fer ger\u00e7ekten \u00f6nemli bir istatistiksel anlam etkisi varsa, p-de\u011ferlerin 0 civar\u0131nda k\u00fcmelenmesi gerekmektedir.<\/p>\n<p>Etkisi olmayan s\u0131f\u0131r hipotezi durumunda, p-de\u011ferlerinin 0 ile 1 aras\u0131nda homojen olarak da\u011f\u0131ld\u0131\u011f\u0131n\u0131 g\u00f6r\u00fcr\u00fcz, bu nedenle 0 ile 0,05 aras\u0131nda homojen da\u011f\u0131l\u0131m g\u00f6steren p-de\u011ferleri, tesad\u00fcfi bulunan de\u011ferlerin asl\u0131nda se\u00e7ilmi\u015f de\u011ferler ile yay\u0131nland\u0131\u011f\u0131n\u0131 g\u00f6sterir. Son olarak, p-de\u011ferlerinin 0,05&#8217;in alt\u0131nda toplanmas\u0131 ve \u00e7o\u011funluk p-de\u011ferinin bu d\u00fc\u015f\u00fck seviyede olmas\u0131 g\u00fc\u00e7l\u00fc bir p-hack i\u015faretidir.<\/p>\n<p>Asl\u0131nda bu metotlar gayet g\u00fc\u00e7l\u00fcd\u00fcr ve anlaml\u0131 sonu\u00e7lar elde etmeye yarar. Bununla birlikte, baz\u0131 durumlarda spesifik sonu\u00e7lar\u0131 se\u00e7mek ve p-hack ile 0,05 civar\u0131nda de\u011fil, 0 civar\u0131nda k\u00fcmelenmi\u015f p-de\u011ferleri \u00fcretebilir ve bu nedenle de yap\u0131lan etik olmayan durum tespit edilemeyebilir. Bu gibi bir durumun geli\u015fti\u011fi \u00fc\u00e7 \u00f6rnek a\u015fa\u011f\u0131da verilmi\u015ftir.<\/p>\n<ol>\n<li>Overhacking (yani fazlaca p-hack yapma durumu). Bu durumda, ara\u015ft\u0131rmac\u0131lar elde ettikleri istatistiksel anlaml\u0131 sonu\u00e7lar ile yetinmez. Sonu\u00e7lar\u0131n\u0131n daha \u00e7ekici ve daha anlaml\u0131 g\u00f6r\u00fcnmesini sa\u011flamak i\u00e7in p-de\u011ferlerini m\u00fcmk\u00fcn oldu\u011funca d\u00fc\u015f\u00fck tutmaya \u00e7al\u0131\u015f\u0131rlar. \u00c7\u00fcnk\u00fc, p-hack yapt\u0131k\u00e7a ara\u015ft\u0131rmac\u0131lar bulduklar\u0131 sonu\u00e7lardan tatmin olmaz ve sonu\u00e7lar\u0131na daha \u015f\u00fcpheci yakla\u015fmaya ba\u015flar. Sonu\u00e7ta da \u00f6nemli kabul edilen d\u00fc\u015f\u00fck p-de\u011ferleri e\u015fi\u011fini daha da a\u015fa\u011f\u0131lara kayd\u0131rabilir.<\/li>\n<li>Yanl\u0131 se\u00e7imler yapmak. E\u011fer \u00f6n\u00fcm\u00fcze se\u00e7enek verilirse, biz ara\u015ft\u0131rmac\u0131lar en d\u00fc\u015f\u00fck p-de\u011ferini tercih etme e\u011filiminde oluruz. Mesela, bir \u00e7al\u0131\u015fman\u0131n sonucunda p-de\u011ferlerini 0,04 ve 0,07 bulmu\u015f olal\u0131m. B\u00f6yle bir durumda, yay\u0131n yaparken yaln\u0131zca 0,04 de\u011ferini bildirmek isteriz. Ancak bu iki se\u00e7ene\u011fin yan\u0131na bir \u00fc\u00e7\u00fcnc\u00fcs\u00fc eklendi\u011finde; mesela p-de\u011ferlerinin 0,01, 0,04 ve 0,07 oldu\u011fu durumda, yay\u0131nda sadece 0,01 de\u011ferini bildirmek isteriz. Ba\u015fka bir deyi\u015fle yap\u0131lan \u201cp-de\u011feri 0,05&#8217;in alt\u0131ndaysa t\u00fcm p-de\u011ferlerini yay\u0131nla\u201d de\u011fil, \u201cp-de\u011ferleri 0.05&#8217;in alt\u0131ndaysa m\u00fcmk\u00fcn olan en d\u00fc\u015f\u00fck p-de\u011ferini yay\u0131nla\u201d anlam\u0131na gelir.<\/li>\n<li>Se\u00e7ici hata ay\u0131klama. Ara\u015ft\u0131rmac\u0131lar bazen uygun olmayan istatistiksel testler kullanabiliyor ya da baz\u0131 yaz\u0131m veya veri kodlama hatalar\u0131 olabiliyor. B\u00f6yle durumlarda, ara\u015ft\u0131rmac\u0131lar anlaml\u0131 olmayan p-de\u011ferleri yaratan programsal hatalar\u0131 tespit etmede ve d\u00fczeltmede daha etkili olabiliyor. Bir denemede e\u011fer beklenen sonu\u00e7lar elde edilememi\u015fse, ben kendi analiz prosed\u00fcrlerime bakar\u0131m. E\u011fer bir hata tespit edersem, onu d\u00fczeltirim ve analizi tekrar \u00e7al\u0131\u015ft\u0131r\u0131r\u0131m. Anlaml\u0131 bir sonu\u00e7 ald\u0131\u011f\u0131mda ise daha fazla hata aramay\u0131 b\u0131rak\u0131r\u0131m. \u0130\u015fte bunun anlam\u0131, se\u00e7imimi yanl\u0131\u015f pozitifler \u00fcreten hatalardan yana yapm\u0131\u015f olmamd\u0131r. B\u00f6yle bir se\u00e7ici hata ay\u0131klama da asl\u0131nda bir t\u00fcr p-hacktir. Ayr\u0131ca, bu durum homojen da\u011f\u0131l\u0131mda p-de\u011ferleri \u00fcretti\u011fi anlam\u0131na gelmemelidir. Baz\u0131 hatalar d\u00fczeltilirken de 0 civar\u0131nda k\u00fcmelenmi\u015f p-de\u011ferleri \u00fcretir (yani anlaml\u0131 p-de\u011ferleri), \u00e7\u00fcnk\u00fc ger\u00e7ekten s\u0131f\u0131r hipotezinden sapma olu\u015fmu\u015f olabilir. Bu anlaml\u0131 p-de\u011ferleri verilerin do\u011frulu\u011fundan ve iyi olmas\u0131ndan de\u011fil, asl\u0131nda bir hatadan dolay\u0131 meydana gelmi\u015ftir.<\/li>\n<\/ol>\n<p>Yap\u0131lan bir <a href=\"https:\/\/www.ncbi.nlm.nih.gov\/pmc\/articles\/PMC4359000\/\" target=\"_blank\" rel=\"noopener nofollow noreferrer\">\u00e7al\u0131\u015fma<\/a>da, p-hack&#8217;in bilimsel literat\u00fcrde yayg\u0131n oldu\u011fu g\u00f6r\u00fclebilir. Veri madencili\u011fi yakla\u015f\u0131m\u0131 ile yap\u0131lan bu \u00e7al\u0131\u015fma, farkl\u0131 disiplinlerden ve sorulardan gelen p-de\u011ferlerinden olu\u015fturulmu\u015f ve \u00e7ok b\u00fcy\u00fck bir veri setini ele alm\u0131\u015ft\u0131r. p-hackleme teorik bir problem de\u011fildir. Bununla alakal\u0131 bir ba\u015fka \u00f6rnek olarak <a href=\"https:\/\/io9.gizmodo.com\/i-fooled-millions-into-thinking-chocolate-helps-weight-1707251800\" target=\"_blank\" rel=\"noopener nofollow noreferrer\">beslenme \u00fczerine yap\u0131lm\u0131\u015ft\u0131r<\/a>. Buna g\u00f6re, \u00e7ikolata yiyerek zay\u0131flamak istatistiksel olarak anlaml\u0131 bulunmu\u015ftur.<\/p>\n<p>p-hackleme olmamas\u0131 i\u00e7in, ara\u015ft\u0131rman\u0131z\u0131 spesifik sorulara cevap verebilecek \u015fekilde tasarlay\u0131n, b\u00f6ylece okuyanlar\u0131n sonu\u00e7lar\u0131n\u0131za g\u00fcvenebilmesini sa\u011flar. Yeterli \u00f6rnek say\u0131s\u0131n\u0131 \u00e7al\u0131\u015fmaya dahil edin ve uygun analiz standartlar\u0131n\u0131 uygulay\u0131n. M\u00fcmk\u00fcn oldu\u011funca yanl\u0131 olmayan (k\u00f6r) veri analizi uygulay\u0131n. \u0130statistiksel anlamdan ziyade ara\u015ft\u0131rma metotlar\u0131n\u0131n, \u00f6rneklerin ve verilerin kalitesine odaklan\u0131n.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0130statistikte hipotez testi, p-de\u011feri, istatistiksel anlaml\u0131l\u0131k, hipotezin reddi veya kabul\u00fc, risk, g\u00fcven s\u0131n\u0131r\u0131 gibi terimler [&hellip;]<\/p>\n","protected":false},"author":8206,"featured_media":21381,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1489],"tags":[1600,1541],"ppma_author":[1655],"class_list":["post-21380","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-reporting-research","tag-tips-for-phd-students","tag-manuscript-drafting-tips"],"acf":[],"single_webinar_page_date":null,"single_webinar_page_time":null,"session_agenda":null,"who_should_attend_this_session":null,"about_the_speaker_field":null,"co-webinar-sec":null,"co_webinar_sec_one":null,"speaker-name":null,"webinar-date":null,"webinar-time":null,"webinar-s-image":null,"custum_webinar_category":null,"authors":[{"term_id":1655,"user_id":8206,"is_guest":0,"slug":"editortr","display_name":"editortr","avatar_url":"https:\/\/secure.gravatar.com\/avatar\/347d54be4941c5af20289743c42209a653f6dfa8242bcc8e58964d59ffa87297?s=96&d=mm&r=g","author_category":"","first_name":"","last_name":"","user_url":"","job_title":"","description":""}],"_links":{"self":[{"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/posts\/21380","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/users\/8206"}],"replies":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/comments?post=21380"}],"version-history":[{"count":6,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/posts\/21380\/revisions"}],"predecessor-version":[{"id":22308,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/posts\/21380\/revisions\/22308"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/media\/21381"}],"wp:attachment":[{"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/media?parent=21380"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/categories?post=21380"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/tags?post=21380"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/tr\/wp-json\/wp\/v2\/ppma_author?post=21380"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}