Bir tezde en çok kullanılan testler, popüler oldukları için değil, araştırma sorusuna ve veri yapısına uydukları için tercih edilmelidir. Aynı anket verisiyle t testi, korelasyon veya regresyon çalıştırılabilir; ancak hangisinin doğru olduğu, “hangi değişken daha yüksek?” ile “hangi değişken hangisini yorduyor?” sorularının birbirinden farklı olmasına bağlıdır. Danışmanların en sık sorguladığı nokta da budur: Seçilen analiz, hipotezi gerçekten sınayabiliyor mu?
İstatistiksel test seçimi, sonuç tablosunu üretmekten önce başlar. Değişkenlerin ölçme düzeyi, grup sayısı, dağılım özellikleri, bağımsız veya eşleştirilmiş ölçüm yapısı ve araştırmanın amacı birlikte değerlendirilir. Bu nedenle tez analizinde güvenilir bir yol, test adından değil araştırma sorusundan hareket etmektir.
Test seçmeden önce kurulması gereken analiz çerçevesi
İlk adım, her değişkenin türünü açık biçimde belirlemektir. Cinsiyet, bölüm veya medeni durum gibi kategorik değişkenler; yaş, puan veya ölçek toplamı gibi sayısal değişkenlerden farklı şekilde analiz edilir. Likert tipi maddeler tek tek ele alındığında sıralı yapıda olabilir. Buna karşılık, yeterli sayıda maddeden oluşan ve geçerlik-güvenirlik değerlendirmesi yapılmış ölçeklerin toplam veya ortalama puanları çoğu araştırmada sürekli değişken yaklaşımıyla incelenebilir. Bu karar otomatik verilmemelidir; örneklem büyüklüğü ve ölçme aracının yapısı dikkate alınmalıdır.
İkinci adım, araştırma sorusunun yönünü netleştirmektir. İki grubun ortalamaları farklı mı? Üç veya daha fazla grubun puanları değişiyor mu? İki değişken arasında ilişki var mı? Bir değişken diğerini yorduyor mu? Yoksa ölçüm öncesi ve sonrası değişim mi araştırılıyor? Her soru, farklı bir test ailesine işaret eder.
Üçüncü adım varsayımlardır. Parametrik testler için normallik, varyansların homojenliği, aykırı değerler, doğrusallık ve gözlemlerin bağımsızlığı gibi koşullar değerlendirilir. Yalnızca Shapiro-Wilk ya da Kolmogorov-Smirnov anlamlılık değerine bakmak yeterli değildir. Histogram, Q-Q grafiği, çarpıklık-basıklık değerleri, örneklem büyüklüğü ve ölçümlerin teorik yapısı birlikte yorumlanmalıdır. Büyük örneklemlerde küçük sapmalar bile anlamlı çıkabilir; küçük örneklemlerde ise grafiksel inceleme daha kritik hale gelir.
Tezde en çok kullanılan testler ve doğru kullanım alanları
Betimleyici istatistikler: Her analizin başlangıç noktası
Ortalama, standart sapma, minimum-maksimum, frekans ve yüzde tabloları doğrudan hipotez testi değildir; fakat bulguların temelini oluşturur. Katılımcı profilini, eksik veri durumunu ve puanların genel görünümünü ortaya koyar. Örneğin bir ölçeğin ortalamasını verirken standart sapmayı sunmamak, puanların ne kadar dağıldığını gizler.
Kategorik değişkenler için frekans ve yüzde; sürekli değişkenler için ortalama ve standart sapma yaygın seçimdir. Dağılım belirgin biçimde çarpıksa medyan ve çeyrekler arası aralık daha açıklayıcı olabilir. Betimleyici tablo, sonraki testlerin mantığını okura görünür kılan bir kontrol alanıdır.
Bağımsız örneklemler t testi ve Mann-Whitney U
İki bağımsız grubun ortalamalarını karşılaştırmak için bağımsız örneklemler t testi kullanılır. Örneğin kadın ve erkek katılımcıların araştırma kaygısı puanlarının farklılaşıp farklılaşmadığı bu testle incelenebilir. Grupların gerçekten bağımsız olması gerekir: Aynı kişinin iki farklı zamanda verdiği puanlar için bu test uygun değildir.
Normal dağılım veya varyans homojenliği varsayımlarının ciddi biçimde karşılanmadığı durumlarda Mann-Whitney U testi değerlendirilebilir. Ancak Mann-Whitney U, t testinin yalnızca “anlamlılık çıkarmayan” alternatifi değildir. Bu test sıralar üzerinden çalışır ve yorum, dağılımların biçimine göre ortanca ya da genel sıra farklılığı bağlamında dikkatle yapılmalıdır.
Eşleştirilmiş t testi ve Wilcoxon işaretli sıralar testi
Ön test-son test, eğitim öncesi-eğitim sonrası veya aynı katılımcının iki koşuldaki puanı söz konusuysa ölçümler bağımlıdır. Bu durumda eşleştirilmiş t testi kullanılır. Kritik varsayım, iki ayrı puanın değil, puan farklarının dağılımıdır.
Puan farklarının dağılımı parametrik yaklaşım için uygun değilse Wilcoxon işaretli sıralar testi tercih edilebilir. Özellikle müdahale, eğitim veya deneysel uygulama içeren tezlerde bağımsız ve bağımlı grup ayrımının yanlış kurulması, tüm bulgu yorumunu zayıflatır.
Tek yönlü ANOVA, Welch ANOVA ve Kruskal-Wallis
Üç veya daha fazla bağımsız grubun ortalamalarını karşılaştırmak için tek yönlü varyans analizi kullanılır. Örneğin lisans, yüksek lisans ve doktora öğrencilerinin akademik erteleme puanları karşılaştırılabilir. ANOVA sonucunun anlamlı olması, hangi gruplar arasında fark bulunduğunu tek başına göstermez. Bu nedenle uygun post-hoc karşılaştırmalar gerekir.
Varyanslar homojen değilse ve grup büyüklükleri dengesizse Welch ANOVA daha uygun bir seçenek olabilir. Normal dağılım koşulları belirgin şekilde bozulduğunda Kruskal-Wallis testi düşünülür. Burada da anlamlı genel sonucun ardından ikili karşılaştırmaların çoklu test düzeltmesiyle yapılması gerekir. Aksi halde tesadüfi anlamlılık riski artar.
Pearson ve Spearman korelasyonu
Korelasyon analizi, iki değişkenin birlikte değişim yönünü ve gücünü inceler. Pearson korelasyonu, doğrusal ilişki gösteren sürekli değişkenler için yaygındır. Örneğin öz-yeterlik arttıkça akademik motivasyonun artıp artmadığı Pearson korelasyonu ile değerlendirilebilir.
Spearman sıra korelasyonu ise sıralı verilerde, aykırı değerlerin etkili olduğu durumlarda veya doğrusal olmayan fakat tek yönlü ilişkilerde daha uygun olabilir. Korelasyon katsayısı nedensellik kanıtı değildir. “Zaman yönetimi akademik başarıyı artırır” cümlesi, yalnızca korelasyon sonucuna dayanarak kurulamaz. Ayrıca çok sayıda korelasyon test edildiğinde, araştırma sorusuyla ilgisiz tablo kalabalığından kaçınmak gerekir.
Doğrusal regresyon ve lojistik regresyon
Araştırma amacı bir bağımlı değişkeni açıklamak veya yordamaksa regresyon analizi öne çıkar. Çoklu doğrusal regresyon, akademik başarı puanını çalışma süresi, motivasyon ve kaygı düzeyi gibi birden fazla yordayıcıyla incelemek için kullanılabilir. Modelde katsayıların yönü, güven aralıkları, açıklanan varyans, çoklu bağlantı ve artıkların davranışı birlikte değerlendirilmelidir.
Bağımlı değişken ikili kategorideyse – örneğin programı bırakma niyeti var/yok – lojistik regresyon daha doğru bir çerçeve sunar. Doğrusal regresyonu sırf daha tanıdık olduğu için ikili sonuç değişkenine uygulamak, model varsayımlarını ve yorumları sorunlu hale getirebilir.
Ki-kare testi
İki kategorik değişken arasındaki ilişkinin incelenmesinde ki-kare testi kullanılır. Örneğin öğrenim düzeyi ile uzaktan eğitim memnuniyet kategorisi arasında ilişki olup olmadığı değerlendirilebilir. Beklenen hücre frekansları düşük olduğunda standart ki-kare sonucu güvenilir olmayabilir; Fisher’ın kesin testi veya kategori birleştirme gibi seçenekler veri yapısına göre düşünülmelidir.
Ki-kare sonucunda yalnızca p değerini vermek yeterli değildir. Çapraz tablodaki oranlar ve uygun etki büyüklüğü, ilişkinin pratik görünümünü anlamaya yardım eder.
p değerinin yanında ne raporlanmalı?
Tez bulgularında “anlamlı” veya “anlamsız” etiketi tek başına sınırlı bilgi verir. Fark testlerinde etki büyüklüğü, korelasyonda katsayının yönü ve büyüklüğü, regresyonda modelin açıkladığı varyans ve güven aralıkları raporlanmalıdır. Örneklem çok büyükse küçük bir fark istatistiksel olarak anlamlı olabilir; buna rağmen akademik veya uygulamalı açıdan önemsiz kalabilir.
APA biçemine uygun raporlama, test istatistiğini, serbestlik derecesini, p değerini ve uygun etki büyüklüğünü şeffaf biçimde sunmayı gerektirir. Örneğin yalnızca “gruplar arasında anlamlı fark vardır” demek yerine, farkın hangi yönde olduğu, ne ölçüde olduğu ve hangi karşılaştırmaya dayandığı açıklanmalıdır. Bulguyu anlamlandıran şey tablo sayısı değil, yöntemiyle uyumlu yorumdur.
Sık yapılan seçim hataları
En yaygın hata, önce SPSS menüsünden bir test seçip ardından araştırma sorusunu o teste uydurmaktır. İkinci hata, normalite testinin sonucunu tek karar ölçütü kabul etmektir. Üçüncüsü ise aynı veri üzerinde çok sayıda test çalıştırıp yalnızca anlamlı çıkan sonuçları öne almaktır. Bu yaklaşım, araştırmanın teorik çerçevesini ve bulguların güvenilirliğini zedeler.
Bir diğer kritik nokta, ölçek güvenirliği ve yapı geçerliği değerlendirilmeden toplam puanlarla ileri analizlere geçmektir. Cronbach alfa değeri yararlı bir gösterge olsa da tek başına yeterli değildir; madde yapısı, ters kodlama, eksik veri ve gerekiyorsa doğrulayıcı faktör analizi de gözden geçirilmelidir. AMOS veya PROCESS Macro gibi araçlar, ancak model ve hipotez mantığı açık olduğunda anlamlı sonuç üretir.
Tezinizde kullanılacak testi seçerken kendinize şu soruyu sorun: Bu analiz, veri yapım ve hipotezim için en savunulabilir seçenek mi? Yanıt net değilse, analiz planını veri toplama sonrasına bırakmak yerine yöntem bölümünde erken aşamada gözden geçirmek daha sağlıklı olur. Akademik Analiz yaklaşımında da amaç, araştırmacının çıktıyı sadece görmesi değil, neden o testi kullandığını danışmanı karşısında açıkça açıklayabilmesidir.