Hazırlayan

Sedef KARAYEL

FTest'(ANOVA)'leOrtalamalarınKarşılaştırılması

1.1. Varyans Anal,z,

§ Varyans analizi =ANOVA (Analysis of Variance)

§ • İki ya da daha çok evrene ait ortalamaların karşılaştırılması
§ • Bağımlı değişkene işaret eden örneklemlerin bağımsız değişken
açısından karşılaştırılması üzerine kuruludur.
§ • Tek yönlü ANOVA: Bir çalışmada ya da deneyde bağımlı değişken
üzerindeki etkisi araştırılan tek bir bağımsız değişken olduğunda yapılır
(Bağımsız değişken = faktör)
 Bağımsız değişkenin farklı durumları, puanlarda manidar farklılık
yaratıyorsa, buna faktörün işlem etkisi denir. !! T testi ile benzer mantığa
dayanır; t testinde iki örneklem ortalamaları (𝑋(ortalama)1ve 𝑋(ortalama)
2) arasındaki farkı, iki ortalama arasındaki standart hatayla karşılaştırarak
değerlendiriyorduk. ANOVA’da ise t testinin bir uzantısı olarak iki ya da
daha çok ortalama karşılaştırılır.

Eğer üç veya daha fazla anakitlenin, aralık veya oran ölçeğindeki

gözlenen verilerine dayanarak, anakitle ortalamalarının birbirinden farklı
olup-olmadığını belirlemek istiyorsak, varyans analizine başvurabiliriz.

• Yöntem, iki örnek ortalamasının karşılaştırılmasında da kullanılabilir.

• Varyans analizi, serideki toplam değişkenliği, bileşenlerine ayırır.
• Herbir bileşen varyansın kaynağıdır.
• Ve, bunların toplam değişkenliğe katkılarını hesaplamak
mümkündür.
• Varyans analizi, R.A. Fisher tarafından geliştirilmiştir.
• Daha çok deneme desenlerinde kullanılmaktadır.
• Alan çalışmalarından elde edilen verilerin analizinde de kullanılmaktadır.
• Bu bölümde, ANOVA ile varyans analizi eş anlamlı olarak
kullanılacaktır.
o Anova, gerek tek yönlü, gerekse çift yönlü olarak ele
alınacaktır.

• Şimdi bazı temel kavramları tanımlayalım:

• Muamele: Denemeyi yapanın, kontrol ettiği herhangi bir etki veya
faktördür.
• Örneğin;
• Bir ilaç türü,
• Bir ilacın farklı konsantrasyonlarından herbiri,
• Bir reklam tekniği,
• Bir tarımsal destek yöntemi,
• Bir eğitim yöntemi muamele olarak tanımlanır.

Deneme birimi: İlgilendiğimiz değişken için, veri topladığımız veya

ölçüm yaptığımız varlıktır.
Bir insan, bir parsel, bir zararlı popülasyonu, bir tüketici grubu, bir bitki ya
da hayvan topluluğu deneme birimi olabilir.
Tesadüf Deseni: Tesadüf deseninin kullanılacağı araştırmalarda,
muameleler, deneme birimlerine tesadüfi olarak uygulanır.

1
Tek Yönlü ANOVA Modeli
• Varyans analizinin özünü anlayabilmek için, önce Anova modelini ele
alalım.
• Bir Anova modeli, bir seriden alınmış tipik bir verinin sembolik
olarak ifade edilmesidir.
• Sözünü ettiğimiz tipik veriyi x_ij olarak gösterelim.
• x_ij, j’inci anakitlenin, i’nci verisini temsil etmektedir.
• Bir anakitledeki belli bir veri, o anakitlenin ortalaması (μ_j), artı (+),
bu ortalamadan sapmaya eşittir.
• Bu sapma, pozitif, negatif veya sıfır olabilir.
• Bir başka ifadeyle, bu sapmayı, ortalamaya eklediğimizde x_ij’yi elde
ederiz.
• Sözü edilen sapma, hata olarak adlandırılır.
• Ve e_ij ile gösterilir.
• Bir anakitledeki belli bir veri, o anakitlenin ortalaması (μ_j), artı (+),
bu ortalamadan sapmaya eşittir.
• Bu sapma, pozitif, negatif veya sıfır olabilir.
• Bir başka ifadeyle, bu sapmayı, ortalamaya eklediğimizde x_ij’yi elde
ederiz.
• Sözü edilen sapma, hata olarak adlandırılır.
• Ve e_ij ile gösterilir.
• Bunu:
• x_ij=μ_j+e_ij şeklinde yazabiliriz.
• Denklemi e_ij için yeniden ifade edersek:
• e_ij=x_ij-μ_j olur.

ONE WAY ANOVA

k adet sonlu anakitle olduğunu varsayarsak;
Tüm anakitlelerdeki gözlemlerin genel ortalamasını, k adet anakitlenin
ortalamasını hesaplayarak elde edebiliriz:
μ: Tüm anakitlelerdeki gözlemlerin genel ortalaması
μ_j: j’inci anakitle ortalaması

Anakitle ortalaması ile genel ortalama arasındaki fark (μ_j ve μ):

τ_j (tau)=μ_j-μ olarak ifade edilebilir.
Bu terime (τ_j), j’inci anakitlenin etkisi veya j’inci muamele etkisi
denir.

2
 Anlamı, j’inci muamelenin, tek bir gözlem üzerine ortalama etkisidir.
Şimdi μ_j′yi yeniden elde edelim:
μ_j=μ+τ_j şeklinde yazılabilir.
Sonuç olarak modelimiz:
x_ij=μ+τ_j+e_ij olur.
Modele göre, araştırılan değişkenin belli bir gözlemi (x_ij); genel ortalama
(μ), muamele etkisi (τ_j) ve gözlemin anakitle ortalamasından sapmasını
temsil eden hatanın (e_ij) toplamına eşittir.

Tek Yönlü ANOVA Varsayımları:

• Anovanın varsayımları, muamelelerin seçilme şekline bağlıdır.
• Muameleler, sabit (robust) etkiler modeli veya tesadüfi (random)
etkiler modeli olarak iki farklı şekilde ele alınmaktadır.
• Sabit etkiler modelinde, muameleler deneyi yapan kişi tarafından
belirlenir.
• Tesadüfi etkiler modelinde ise, olası tüm muameleleri içeren
anakitleden, tesadüfen elde edilen muameleler söz konusudur.
• Sabit etkiler modelinde tümevarımlarımız, denemedeki muamelelerle
sınırlıdır.
• Tesadüfi etkiler modelinde ise yorumlar, anakitlenin tamamı için
genişletilebilir.

Örnek :

İşletmecilik ilkelerini, bütün bölüm yöneticilerine öğretmek üzere 3

yöntemimiz olsun.
Eğiticilerin herbiri, bu yöntemlerden birini öğretmek üzere tesadüfen
belirlensin.
Eğitim döneminin sonunda, 3 grubun ortalama notlarını karşılaştırıp,
3 yöntemin nisbi başarılarıyla ilgili çıkarımlarda bulunabiliriz.

Şimdi tesadüfi etkiler modeline örnekler verelim:

Örnek 1:
50 farklı gübre çeşidi olsun.
Denememiz için 5 gübreden oluşan tesadüfi bir örnek çekelim.
5 gübreden elde edilmiş sonuçla, 50 gübre hakkında çıkarımda
bulunabiliriz.
Tek Yönlü Anova Hipotezleri
Modelimize göre, tüm muamele veya anakitle ortalamalarının eşit olduğu
hipotezini, bunlar arasından en az birinin, diğerlerine eşit olmadığı
hipotezine karşı test ederiz.
Bu hipotezleri:

3
H_0=μ_1=μ_2=μ_3=…….=μ_k
H_1=En az iki anakitle ortalaması eşit değildir.
şeklinde ifade edebiliriz.

4
5
KRİTİK DEĞER

Hesapladığımız F değerini, F tablosundan bulacağımız tablo

değeriyle karşılaştıracağız.
Bunun için:
α anlamlılık düzeyi
v1 serbestlik derecesi
v2 serbestlik derecesi gerekli olacaktır.
F tablosundan, bu 3 kritere göre bulacağımız değerle, hesapladığımız F
değerini karşılaştırdığımızda, eğer:

Hesapladığımız F değeri, tablo F değerinden büyükse, H0 reddedilir.

Hesapladığımız F değeri, tablo F değerinden küçükse, H0 kabul edilir.

F testi, grafik yardımıyla da gerçekleştirilebilir.

Grafik tek yanlı test için hazırlanır:

ÖRNEK
Bir firma aynı sabunu 3 farklı ambalajda satmaktadır.
Ambalaj tiplerine göre 5 aylık satış miktarları arka slaytta belirtilmiştir.
%5 anlamlılık düzeyinde, ambalaj farkının satışı değiştirip değiştirmediğini
test edelim.

6
Hipotezlerimiz:
H0: μ_1=μ_2= μ_3
H1: En az iki anakitle ortalaması eşit değildir.

7
HKT= (87-82)2+(83-82)2+(79-82)2+(81-82)2+(80-82)2+(78-80)2+(81-
80)2+(79-80)2+(82-80)2+(80-80)2+(90-87)2+(91-87)2+(84-87)2+(82-
87)2+(88-87)2
= 25+1+9+1+4+4+1+1+4+0+9+16+9+25+1
= 110

8
KRİTİK DEĞERİMİZ
α=0,05, v1=2, v2=12
F0,05, 2, 12= 3,89
Fhes= 7,09 olduğundan,
Fhes> F0,05, 2, 12 (7,09 > 3,89) olduğundan,
H0 reddedilir. (grafik – arka slayt)
Kararımız: Ambalaj tipi, sabun satışını etkilemektedir.

9
İki Yönlü ANOVA Modeli

Tesadüfi Tam Blok Deseni:

Bu desene, iki yönlü deneme deseni adı da verilmektedir.

Deneme verilerimiz iki yönlü tablo halinde ise veya iki kritere göre
listeleniyorsa,
iki yönlü Anova ile çözüm alabiliriz.
Eğer muameleler, farklı deneme materyallerine uygulanabiliyorsa, bir
kritere göre sınıflandırma; muamele,
Diğerine göre sınıflandırma ise blok adını alır.
İki yönlü varyans analizinde hipotezler, muamelenin etkisini belirlemek
üzere, sadece muamele için kurulur.
Bir başka ifadeyle, ortalamalar arasındaki farklılıklar, muamele için test
edilir.
Blok, açıklayıcılığı artırmak üzere modele dahil edilir.
Tesadüfi tam blok deseni modelini aşağıdaki gibi formüle edebiliriz:
x_ij=μ+β_i+τ_j+e_ij Burada;
μ: Bilinmeyen sabit
β: Blok etkisi
τ_j: Muamele etkisi
e_ij: Blok ve muamele etkisi dışındaki kaynakların yol açtığı hata

Tesadüfi Tam Blok Deseni Modelinin Varsayımları:

1-Gözlenen her x_ij, k adet anakitlenin birinden çekilmiş tesadüfi bir
değerdir.

10
2- k adet anakitlenin herbiri, aritmetik ortalaması µ, varyansı σ2 olan
normal dağılış gösterir.
Aynı zamanda e_ij’ler, birbirinden bağımsız ve bağımsız aritmetik
ortalaması µ=0, varyansı σ2=1 olan normal dağılıştır.
3-Blok ve muamele etkileri eklemelidir.
Blok ve muameleler arasında etkileşim yoktur.

Tesadüfi Tam Blok Deseni Modelinin Hipotezleri:

Bu modelde, muamele ortalamalarının tamamı birbirine eşittir hipotezi

test edilir.
Bir başka ifade ile, sıfır hipotezi, muamele etkileri arasında fark olmadığını
iddia eder.
Hipotezlerimiz:
H0: μ_1=μ_2= μ_3=…μ_k (Muamelelerin etkisi yoktur.)
H1:En az iki anakitle ortalaması eşit değildir.
(Muameleler etkilidir).
Kuşkusuz, blok ortalamalarına ilişkin hipotezler de test edilebilir.
Ancak, bu nadiren olmaktadır.
Blokları, analize almamamızın nedeni, hatayı azaltabilmektir.

11
Kritik Değer:
α anlamlılık düzeyinde, v1 ve v2 serbestlik derecesine göre F tablosu
değeridir (Fα, v1, v2).
Karar:
Eğer Fhes > Fα, v1, v2 ise, sıfır hipotezi reddedilir.

Örnek:

Bir tarımsal ürün denemesinden, ürünün 4 farklı çeşidinin 3 farklı

gübre kullanıldığında elde edilen verimleri elde edilmiştir.
Bir tarımsal ürün denemesinden, ürünün 4 farklı çeşidinin 3 farklı
gübre kullanıldığında elde edilen verimleri elde edilmiştir.
Buna göre, α=0,05 için verim, tüm çeşitlerde aynı mıdır ya da, çeşit
verimi etkilemekte midir?
Burada, muamele olarak çeşidi alacağız.

Hipotezlerimiz:

H0: μ_1=μ_2= μ_3=μ_4 (Çeşitlerin verimi aynıdır.)

H1:En az iki anakitle ortalaması eşit değildir.
(Çeşit verimleri farklıdır).

12
13
F İstatistiği ve Çoklu Karşılaştırmalar (Post Hoc)

•ANOVA’ nın temeli F oranıdır.

•İki ya da daha fazla örneklem ortalamasının farklı 𝜇’leritemsil edip etmediğini
belirlemek için tüm örneklem ortalamalarının aynı anda karşılaştırılmasını
sağlar.
•Hesaplanan F değeri, belli alfa düzeyi ve serbestlik derecesine göre belirlenen
kritik değer (tablo değeri) ile karşılaştırılarak karar verilir.
•Hesaplanan F değeri manidar değilse, örneklem ortalamalarından
herhangi ikisi arasında manidar farklılık olmadığını ve tüm
ortalamaların aynı 𝝁’yü temsil ettiğini gösterir.

14
Hesaplanan F değeri, manidar ise ortalamalar arasında en az bir farkın
manidar olduğunu, yani en az iki ortalamanın farklı 𝝁’leritemsilettiğini
gösterir. Bu durumda, bu farkın hangi ortalamalar arasında olduğunu anlamak
için ikili karşılaştırmalar yapılır (çoklu karşılaştırma testleri (post hoc test).

Hipotez Sınamaları ve Post-Hoc

Nicel verilere dayalı bilimsel araştırma yöntemlerinin başında ilişkisel

(correlational) ya da nedensel (causative) analizler gelmektedir. Özellikle
nedensel bağıntıların çözümlenmesinde doğrusal istatistiksel (regresyon analizi
ve varyans analiz vb.) modellerden yararlanılmaktadır. Örneğin tek yönlü
ANOVA analizinin doğrusal modeli şu şekildedir:
yij = i. Gruptaki
j. gözlem değerini,
µ = genel ortalama
i = i. gruptaki tüm bireylerin ortalaması
εij = belirli bir gözlemle ilişkili hatayı (j), yani gözlemin grubun ortalamasından
ne kadar saptığını göstermektedir.
Bu modelin çözümlenmesinde test edilecek H0 hipotezi
H0: µ1=µ2=µ3=..=µK ya da
H0: i=0 i=1,2,..,k şeklindedir.

Bu çoklu hipotezin reddedilmesi doğrusal modeldeki 𝜏𝑖katsayısının evrende y

değişkeni üzerinde anlamlı bir etki sağladığı şeklinde yorumlanır. Benzer
şekilde H0 hipotezi bağlamında yorum yapılırken de bağımlı değişken (y)
bazında “k adet grubun en az birisinin farklı olduğu” sonucuna varılır. Bu
analiz, gruplar arasında anlamlı farklılığı yakalamasına rağmen farklılığın hangi
gruptan kaynaklandığı hakkında bilgi vermemektedir. Bu durumda post-hoc
(follow-up olarak da adlandırılan) testlere ihtiyaç duyulmaktadır. Post-Hoc
terim olarak “bundan sonra” anlamına gelir. Post-hoc terimin tam olarak genel
kabul görmüş Türkçe karşılığı bulunmamakla birlikte “çoklu karşılaştırma
testleri” olarak kullanıldığı görülmektedir. Tek yönlü ANOVA’nın hipotez
sınamalarının devamında eğer hipotez reddedilmiş ise farklılık yaratan grup ya
da grupları bulmak için post-hoc analizi olarak genellikle Bonferroni, Tukey,
Neumann-Kells gibi çeşitli testler kullanılır.
Kategorik verilerin sunumunda ya da raporlaştırılmasında olumsallık
çizelgelerinden (contingency tables) yararlanılmaktadır. Bu çizelgelerde yer alan
sayıma dayalı kategorik verilerin dağılımının çözümlenmesinde ise yaygın
kullanılan analizlerin başında Ki-kare analizi gelmektedir. Olumsallık
çizelgelerine dayalı Ki-kare analizi; iki kategorik değişken arasındaki ilişki
ve/veya bağımsızlık analizidir ve bu analize dayalı H0 hipotezi ise “iki değişken
arasında ilişki yoktur” ya da “iki değişken bağımsızdır” şeklinde yapılandırılır.
Eğer bu hipotez reddedilirse bu durumda ANOVA analizinde olduğu gibi
hipotezin reddedilmesine yol açan kategorilerin ortaya çıkartılması için ek
analizlere (post-hoc ya da follow-up testlere) ihtiyaç duyulmaktadır. Bu testler
ise olumsallık çizelgelerindeki gözeneklerde yer alan artık (residual) değerleri
üzerine kuruludu.

15
SPSS’de ANOVA test- nasıl yapılır?

Analiz için SPSS programında Analyze>Compare Means>One-Way ANOVA

kısmına tıklarız. Burada önümüze çıkan pencerede Dependent List kısmına
incir geliri ölçek puanlarının yer aldığı değişkeni taşırız. Faktor kısmına ise
öğrenim durumuna ilişkin bilgilerin yer aldığı kategorik değişkeni taşımamız
gerekir. Sağdaki butonlardan options kısmından descriptive, homogeneity of
variance test seçeneklerini işaretlememiz faydalı olacaktır. İsterseniz burada
Welch seçeneğini de işaretleyebilirsiniz.

16
OK tuşuna basarak analizi yürüttüğümüzde, ortalama ve standart sapma gibi
değerlerin olduğu bir tabloyla karşılaşırız ilk olarak. Ardından varyans
homojenliği testi tablosu ve ANOVA testi sonuçları tablosu gelir. Post-hoc
test seçtiysek bunları post hoc testler takip eder.

Burada sig=0,001 çıkmıştır. Yani p (0,05) değerimizden küçüktür.

0,005 > 0,001 olduğundan H1 hipotezi kabul edilir.

17
KAYNAKÇA

1. TAVŞANCIL, E.

2. TERZİ, C. (2023), ŞAHİN, M. (2023), YURDAGÜL, H. (2023)

3. https://istatistikhocam.com/anova-testi-nedir-ve-nasil-yapilir/

18