ÖNEMLİLİK TESTLERİ

Önemlilik testleri elde edilen değerlerin ya da varılan sonuçların istatistiksel olarak önem taşıyıp
taşımadığını ya da anlamlı olup olmadığını test etmek için başvurulan yöntemlerdir.
Tek değişkenli (tek gruplu) verilerde önemlilik testleri, örneklemden elde edilen istatistiksel
değerin gerçek bir değer mi yoksa rastlantıya bağlı olarak elde edilmiş bir değer mi olduğunun test
edilmesinde ve ilgilenilen herhangi bir evren parametresinin belirli bir değere eşit olup olmadığının test
edilmesinde kullanılır. Ayrıca elde edilen bir dağılımın istenilen herhangi bir teorik dağılıma uyup
uymadığını test etmek (uyum iyiliği testi) için de kullanılır.
İki ya da daha çok sayıda grup incelendiğinde önemlilik testleri; gruplar arasında fark olup
olmadığının, değişkenler arasında bağ olup olmadığının ve grupların homojen olup olmadığının test
edilmesinde kullanılır.
Önemlilik testlerinden elde edilen sonuçlara göre bazı kararlara varıldığı için önemlilik testlerinin
doğru ve uygun olarak seçilmesi, bilinçli olarak kullanılması ve yorumlanması gerekir.

ÖNEMLİLİK TESTLERİ HAKKINDA GENEL BİLGİLER

VERİNİN ÖLÇÜM BİÇİMİ

Uygun testin seçiminde verinin ölçüm biçimi önemli bir kriterdir. Veriler ölçüm biçimine
göre ikiye ayrılır:

1. Sayısal ölçümle belirtilen veriler:

Bazı veriler ölçümle belirtilir. Örneğin; boy uzunluğu, vücut ağırlığı, yaş, zaman, kandaki
hemoglobin miktarı, kandaki kolesterol miktarı, hava sıcaklığı vb. Bu tür veriler kantitatif (nicel)
özelliğe sahiptir. Sürekli dağılım gösterirler. Sınıflar birbirine geçişlidir ve çoğunlukla “normal
dağılıma” uyarlar.

2. Nominal ölçümle belirtilen veriler:

Bazı veriler ölçülemez yalnız sayımla belirtilir. Örneğin; saç rengi, göz rengi, cinsiyet,
meslek, oturulan bölge vb. Bu tür veriler kalitatif (nitel) özelliğe sahiptir. Kesikli dağılım gösterirler.
Sınıflar birbirine geçişli değildir. Bu tür verilerde incelenen özellik var-yok, hasta-sağlam, korunan-
korunmayan, kadın-erkek, sarı saçlı-siyah saçlı gibi nitelik olarak belirtilir. Bazı durumlarda bu
nitelikler belirli kriterlere göre derecelendirilebilir. Örneğin; bir grup hastayı iyileşme gösterdi, az
iyileşme gösterdi, iyileşme göstermedi şeklinde sıralamak gibi. Sayımla belirtilen bu veriler
genellikle “Binomiyal” ya da “Poisson” dağılımına uyar.
Ölçümle belirtilen verilere parametrik test varsayımları yerine getirilebiliyorsa parametrik testler
uygulanmalıdır. Sayımla belirtilen verilere parametrik olmayan (nonparametrik) testler uygulanır. Ayrıca
veri ölçümle belirtildiği halde parametrik test varsayımları yerine getirilemiyorsa parametrik olmayan
testlerden birisi uygulanmalıdır.

ÖRNEKLEM BÜYÜKLÜĞÜ (GRUPLARDAKİ DENEK SAYISI)

Önemlilik testlerinde örneklem büyüklüğü önemli bir etmendir. Çünkü:

1. Gruplardaki denek sayısı arttıkça kullanılan testin gücü ve güvenilirliği artar.

2. Kullanılacak testin uygun olarak seçiminde önemli bir kriterdir. Gruplardaki denek sayısı az
olduğunda (genellikle 30’dan az olduğunda) parametrik olmayan testler kullanılmalıdır. Çünkü denek
sayısı azaldıkça parametrik testlerde varsayımların bozulma olasılığı artar.
İki ya da daha çok grup karşılaştırılıyorsa deney düzenlenirken gruplardaki denek sayılarının eşit
olması için gerekli önlem alınmalıdır. Gruplardaki denek sayılarının eşit olamadığı durumlarda birbirine
yakın olmalı, arada çok fazla fark bulunmamalıdır.

1
İNCELENEN GRUPLARIN BAĞIMLI YA DA BAĞIMSIZ OLMASI

İki ya da daha çok grup karşılaştırılacaksa incelenen grupların birbirinden bağımsız olması ya da
bağımlı olması uygun test seçimi yönünden çok önemlidir.
İncelenen grupların bağımsız olması demek grupların ayrı bireylerden oluşması, başka bir deyişle
bir grupta bulunan bir deneğin diğer grupta bulunmaması demektir. İki ayrı ilkokulda, aynı ilkokulda
ayrı sınıflarda ya da aynı sınıfta okuyup herhangi bir özellik yönünden ayrı gruplarda bulunan (cinsiyet,
oturulan bölge vb.) öğrenciler bağımsız gruplar oluşturur. Yine aynı hastalığa yakalanmış bir grup
hastayı değişik iki yöntemle tedavi etmek için iki gruba ayırmak bağımsız gruplar oluşturmaktır.
Bir denek üzerinde birden çok gözlem yapıldığında ya da gözlem sayısı denek sayısını aştığında
gruplar bağımlı olur. Örneğin, iki doktorun teşhis tutarlılığını ölçmek için aynı hastanın her iki doktor
tarafından muayene edilmesi durumunda gruplar birbirine bağımlı olur. Aynı denekler üzerinde aynı
konuda farklı zamanlarda yapılan çalışmalarda da gruplar bağımlı olur. Örneğin bir sağlık ocağı
bölgesinde yaşayan 0-4 yaş grubu çocuklarda beslenme bozukluğu araştırması yapılsa, bir süre sonra aynı
çocukların tümü ya da bir kısmı yine beslenme bozukluğu yönünden incelense bu iki grup bağımlı olur.
İncelenen grupların bağımlı ya da bağımsız olması durumunda uygulanacak önemlilik testi
değişik olacaktır. Bu nedenle doğru testin seçilmesi bakımından grupların bağımlı mı yoksa bağımsız mı
olduğuna dikkat edilmelidir.

HİPOTEZLER

Önemlilik testleri bir hipotezi test etmek için yapılır. Bu yüzden bazen önemlilik testi yerine
hipotez testi de denmektedir. Hipotez bir önyargıdır. Örneğin, iki ilkokul öğrencilerinin vücut
ağırlıklarının farksız olduğunu ileri sürmek bir hipotezdir.
Bir testte hem H0 hipotezi, hem H1 hipotezi kullanılmalıdır. H0 hipotezi; farksızlık hipotezi, sıfır
hipotezi ya da geçersizlik hipotezi olarak adlandırılır. Bir testte öne sürülen ve asıl test edilmek istenen
hipotezdir. H1 ise alternatif hipotez olarak adlandırılır ve H 0 hipotezine karşı kurulan hipotezdir. Bazı
kitaplarda HA olarak da gösterilmektedir. Önce H0 belirtilir. Gruplar arasında fark arandığında H0 hipotezi
olumsuz olarak belirlenir. Örneğin; iki ortalama arasında fark yoktur, iki grup arasında fark yoktur, iki
değişken arasında bağ yoktur gibi. H1 hipotezi ise H0 hipotezine ters yönde kurulur. Örneğin; iki ortalama
arasında fark vardır, iki grup arasında fark vardır, iki değişken arasında bağ vardır gibi. Bazı durumlarda
evren parametresinin belirli bir değere eşit olup olmadığı test edilir. Bu durumda H 0 hipotezi “Evren
parametresi belirli bir değere eşittir” diye kurulur. H1 hipotezi ise “Evren parametresi H0 hipotezinde
belirtilen değere eşit değildir, o değerden küçüktür ya da büyüktür” şeklinde kurulabilir. Örneğin; H 0
hipotezi “Evren ortalaması 100’e eşittir” iken, H1 hipotezi “Evren ortalaması 100’e eşit değildir. 100’den
küçüktür ya da 100’den büyüktür” şeklinde kurulabilir.
Test sonucunda H0 kabul edilirse H1 reddedilir, H0 reddedilirse H1 kabul edilir.
Bir hipotez tek yönlü ya da iki yönlü olarak belirtilebilir. Hipotezin tek yönlü ya da iki yönlü
olduğunu H1 hipotezi belirler. Örneğin aşağıdaki hipotez iki yönlü bir hipotezdir. Çünkü H 0 reddedilirse
‘nün 100’e eşit olmadığını yani 100’den büyük ya da küçük olabileceğini öngörmekteyiz.

H0 :  = 100

H1 :   100

Hipotezi aşağıdaki gibi belirtirsek tek yönlü olur. Çünkü H 0 reddedildiğinde ‘nün sadece
100’den küçük olabileceğini öngörmekteyiz.

2
 H0 :  = 100

H1 :  < 100
Test sonucu hesapla bulunan değeri karşılaştırmak için kullanılan teorik tablolar tek yönlü ya da
çift yönlü hazırlanmış olabilir. Bu nedenle araştırıcı hesapladığı değeri karşılaştırmak için kullandığı
teorik tablonun tek yönlü mü yoksa çift yönlü mü hazırlanmış olduğuna dikkat etmelidir. Çünkü kurduğu
hipotez tek yönlü ise tek yönlü hazırlanmış bir teorik tabloyu, çift yönlü ise çift yönlü hazırlanmış bir
teorik tabloyu kullanmak zorundadır. Ancak araştırıcının tek yönlü bir hipotez kurmuşsa mutlaka tek
yönlü bir tabloyu bulması gerekmez. Her iki tablo seçilen yanılma düzeyinde değişiklik yapılarak
birbirinin yerine kullanılabilir. Bu değişiklik şöyle yapılır:
Hipotez tek yönlü kurulmuşsa çift yönlü hazırlanmış bir tablo kullanılacaksa seçilen yanılma
düzeyi önce 2 ile çarpılır, bu yanılma düzeyindeki teorik değere bakılır. Hipotez çift yönlü kurulmuşsa
tek yönlü hazırlanmış bir tablo kullanılacaksa seçilen yanılma düzeyi önce 2’ye bölünür ve bu yanılma
düzeyindeki teorik değere bakılır. Hipotezin yönüne uygun bir tablo kullanılıyorsa seçilen yanılma
düzeyinde hiçbir değişiklik yapılmaz. Bu açıklama 0.05 yanılma düzeyi için aşağıda şematize edilmiştir:

Teorik Tablo
Hipotez Tek Yönlü Çıft Yönlü
Tek Yönlü 0.05 0.10
Çift Yönlü 0.025 0.05

Hipotezin tek yönlü ya da çift yönlü belirlenmesi testin sonucunu etkiler. Çift yönlü kurulmuş bir
hipotezde kabul edilen bir H0 hipotezi, tek yönlü kurulmuş bir hipotezde reddedilebilir. Örneğin, 100
serbestlik derecesinde ve 0.05 yanılma düzeyindeki tablo t değeri (tT) çift yönlüde 1.98, tek yönlüde
1.66’dır. Diyelim test sonucu hesapla bulunan t değeri (t H) 1.85 olsun. Bu durumda:

Çift yönlü hipotezde : tH < tT olduğundan H0 kabul edilir.

Tek yönlü hipotezde : tH  tT olduğundan H0 reddedilir.

YANILMA DÜZEYİ

Bir hipotez kabul ya da reddedildiğinde her zaman doğru sonuca varıldığı ya da varılan kararın
doğru olduğu söylenemez. Burada iki tip hata ortaya çıkabilir. Bu tip hatalara TİP I ve TİP II hatalar adı
verilir. Doğru bir geçersizlik hipotezinin (H0) yanlışlıkla reddedilmesi TİP I hatayı, yanlış bir geçersizlik
hipotezinin reddedilememesi TİP II hatayı ortaya çıkarır. Bu iki hata hiçbir zaman birlikte ortaya çıkmaz.

Karar
Hipotez Kabul Etme Reddetme
Doğru Doğru karar TİP I hata
Yanlış TİP II hata Doğru karar

TİP I hataya bağlanan olasılığa önemlilik düzeyi ya da çoğu kez kullanıldığı gibi yanılma olasılığı
denir ve  sembolü ile gösterilir. Başka bir deyişle  doğru bir hipotezin yanlışlıkla reddedilme
olasılığıdır.
TİP I hatayı azaltmak için alfayı küçük seçeriz, fakat genellikle TİP II hata  üzerinde bir
denetime sahip değiliz. Ancak betanın alfadan daha büyük olduğunu biliriz.
Bir hipotezi red ya da kabul ettiğimizde, gerçek durumu kesinlikle bilemediğimiz için, TİP I
hatanın mı yoksa TİP II hatanın mı ortaya çıktığını bilemeyiz. Test sonucunda geçersizlik hipotezi

3
reddedilirse alfa değerini küçük seçtiğimiz için doğru bir hipotezi yanlışlıkla reddetmede yanılma
olasılığımızın (TİP I hatanın) küçük olduğunu biliriz.
Alfa yanılma olasılığı araştırıcı tarafından seçilir. En çok 0.05 ve 0.01 düzeyleri kullanılır.
İstendiğinde daha değişik düzeyler de seçilebilir. Alfa yanılma olasılığının 0.05 ya da 0.01 seçilmesi
testin sonucunu etkiler. 0.05’de reddedilen bir hipotezi 0.01 düzeyinde reddedemeyebiliriz. Örneğin, 100
serbestlik derecesinde tablo t değeri 0.05 düzeyinde 1.98, 0.01 düzeyinde 2.63’dür. Diyelim test sonucu
hesapla buluna t değeri 2.10 olsun. Bu duruma göre 0.05 düzeyi seçilirse H 0 hipotezi reddedilir, 0.01
düzeyi seçilirse reddedilemez.

TEST ÇEŞİTLERİ ve ÖZELLİKLERİ

Doğru bir sonuç elde edebilmek için testin doğru seçilmesi çok önemlidir. Önemlilik testleri iki ana
gruba ayrılır:

1. Parametrik önemlilik testleri

2. Parametrik olmayan önemlilik testleri

Bir testin parametrik ya da parametrik olmamasını sağlayan nitelik testte kullanılan ölçülerdir. Bir
testte; ortalama, varyans, oran gibi ölçüler kullanılıyorsa bu test parametrik bir testtir. Ölçü yerine
sıralama, sayma, işaretleme gibi işlemler yapılıyorsa bu test parametrik olmayan bir testtir.

Parametrik ve parametrik olmayan önemlilik testlerinin her ikisinin de birbirine üstün yönleri
vardır. Bu iki grup testin varsayımları ve özellikleri vardır. Varsayımlar bir testin hangi koşullar altında
geçerli olduğunu belirler. Parametrik testlerin uygulanabilmesi için bazı varsayımların yerine getirilmesi
gerekmektedir. Bu varsayımlar şunlardır:

1. Örneklemin seçildiği evren ile ilgili:

a. Normal dağılıma sahip olacak

b. Varyanslar homojen olacak

2. Örneklemle ilgili:

a. Denekler evrenden rastgele seçilecek

b.Denekler birbirinden bağımsız olarak seçilecek (Bir deneğin seçimi diğer deneklerin seçimini
etkilemeyecek)

Evrenle ilgili varsayımların yerine getirilmesi çoğu kez araştırıcının elinde değildir. Örneklemle
ilgili varsayımların yerine getirilmesi ise araştırıcının elindedir.
Parametrik olmayan testlerde evrenle ilgili varsayımlar genellikle aranmaz. Örneklemle ilgili
varsayımlar parametrik olmayan testler için de geçerlidir.
Niteliksel veriler için parametrik olmayan testler kullanılır. Bunun yanında ölçümle belirtildiği
halde veri parametrik test varsayımlarını yerine getiremiyorsa, denek sayısı az ise ya da değerler yerine
sıraları verilmişse yine parametrik olmayan testler kullanılır.
Veri ölçümle belirtilmişse ve parametrik test varsayımlarını yerine getirebiliyorsa parametrik
testleri uygulamak daha doğru olur. Çünkü parametrik testler parametrik olmayan testlerden daha
güçlüdür.
Her bir parametrik teste karşı birden çok parametrik olmayan test vardır. Bunlardan en çok
başvurulan ve gücü en yüksek olanlar aşağıda verilmiştir.

4
Parametrik Test Parametrik Olmayan Test

Evren ortalaması önemlilik testi İşaret testi

İki ortalama arasındaki Mann-Whitney U testi

farkın önemlilik testi(Bağımsız)

İki eş arasındaki farkın Wilcoxon eşleştirilmiş iki örnek testi

önemlilik testi (Bağımlı)

İki yüzde arasındaki 4 gözlü ki-kare testi

farkın önemlilik testi(Bağımsız)

Varyans analizi (Tek yönlü)(Bağımsız) Kruskal-Wallis varyans analizi

Tekrarlı ölçümlerde varyans analizi(Bağımlı) Friedman varyans analizi

Elde edilen dağılımların normal dağılıma uyup uymadığı ya da varyanslarının homojen olup
olmadığı test edilebilir. Parametrik testler uygulanmadan önce normal dağılıma uygunluk ve varyansların
homojenlik testi yapılmalıdır. Aşağıda açıklanan pratik yol ile elde edilen dağılımın normal dağılıma
uyup uymadığı yaklaşık olarak incelenebilir.

Normal dağılımda deneklerin;

%67’sinin X ± 1 Standart sapma sınırları içine

%95’inin X ± 2 Standart sapma sınırları içine

%99.7’sinin X ± 3 Standart sapma sınırları içine

girmesi gerekir. Bu nedenle dağılımın ortalama ve standart sapması hesaplanarak deneklerin yaklaşık
olarak bu sınırlar içinde kalıp kalmadığı kontrol edilebilir.

KAYNAKLAR:

1.Sümbüloğlu K., Sümbüloğlu V. Biyoistatistik, 4. Baskı, Özdemir Yayıncılık, 1993, Ankara.