P-Değeri — Ne Anlama Gelir ve Nasıl Yorumlanır?

P-değeri, bir istatistiksel testten elde edilen ve sıfır hipotezi doğruysa sonucunuzun ne kadar sıra dışı olacağını gösteren bir sayıdır. Daha kesin olarak, testin kullandığı sıfır modeli altında, gözlenen sonuç kadar ya da ondan daha uç bir sonucun elde edilme olasılığıdır.

Bu yüzden p-değeri, verilerin sıfır hipotezine ne kadar karşı çıktığını değerlendirme yoludur. Sıfır hipotezinin doğru olma olasılığını vermez ve etkinin büyük ya da pratikte önemli olup olmadığını da söylemez.

P-Değeri Aslında Hangi Soruyu Cevaplar?

Hipotez testinde, genellikle $H_0$ ile gösterilen bir sıfır hipoteziyle başlanır. Bu, testin hesaplama yaparken doğru kabul ettiği temel iddiadır.

P-değeri şu soruyu cevaplar:

$$\text{Eğer } H_0 \text{ doğru olsaydı, bu kadar uç veriler ne kadar sıra dışı olurdu?}$$

P-değeri küçükse, gözlenen veriler $H_0$ altında görece sıra dışı olurdu. P-değeri küçük değilse, veriler bu model altında özellikle sıra dışı değildir.

Bu sonuç; kullanılan teste, testin dayandığı varsayımlara ve "en az bu kadar uç" ifadesinin nasıl tanımlandığına bağlıdır. İki yönlü bir test ile tek yönlü bir test, aynı veriden farklı p-değerleri verebilir.

P-Değeri Örneği: $p = 0.03$ Nasıl Yorumlanır?

Bir okulun yeni bir öğretim yöntemini mevcut yöntemle karşılaştırdığını düşünün. Sıfır hipotezi, yeni yöntemin ortalama sınav puanlarında fark yaratmadığıdır.

Seçilen istatistiksel test uygulandıktan sonra sonuç $p = 0.03$ çıkıyor.

Doğru yorum şudur:

Eğer sıfır hipotezi doğru olsaydı ve test varsayımları makul olsaydı, "fark yok" durumundan bu kadar uzak ya da daha uzak veriler yaklaşık olarak zamanın $3\%$'ünde ortaya çıkardı.

Bu, sıfır hipotezine karşı bir kanıttır. Araştırmacılar analizden önce anlamlılık düzeyini $\alpha = 0.05$ olarak seçtiyse, $0.03 < 0.05$ olduğu için sonucu istatistiksel olarak anlamlı kabul ederler.

Ama bunun söylemediği şeylere dikkat edin:

• Sıfır hipotezinin doğru olma olasılığının $3\%$ olduğunu söylemez.
• Yeni öğretim yönteminin büyük bir etkisi olduğunu söylemez.
• Sonucun $97\%$ olasılıkla tekrarlanacağını söylemez.

Bunlar farklı sorulardır.

P-Değerleri Neden Yanlış Yorumlanır?

Küçük bir p-değeri, sıfır hipotezi tam olarak doğruysa verilerin açıklanmasının zor olacağı anlamına gelir. Bu yararlı bir kanıt olabilir, ama hikâyenin tamamı değildir.

Örneklem büyüklüğü yeterince büyük olduğunda, çok küçük bir etki bile küçük bir p-değeri üretebilir. Öte yandan, gerçekten önemli bir etki; örneklem çok küçükse ya da veriler gürültülüyse küçük bir p-değerine ulaşamayabilir.

Bu yüzden p-değeri, etki büyüklüğü, güven aralıkları ve çalışma tasarımı ile birlikte okunmalıdır.

Yaygın P-Değeri Hataları

Hata 1: P-Değerini $P(H_0 \mid \text{data})$ Gibi Görmek

P-değeri, $H_0$'ın doğru olduğu varsayımı altında hesaplanır. Veriler görüldükten sonra $H_0$'ın doğru olma olasılığı değildir.

Hata 2: İstatistiksel Anlamlılığı Önemle Eşitlemek

İstatistiksel anlamlılık yalnızca sonucun, belirli bir test altında seçilmiş bir eşiği geçtiği anlamına gelir. Etkinin pratikte önemli olup olmadığını söylemez.

Hata 3: Büyük Bir P-Değerini Etki Yokluğunun Kanıtı Saymak

Büyük bir p-değeri sıfır hipotezini kanıtlamaz. Yalnızca bu analizde verilerin ona karşı güçlü bir kanıt sunmadığını gösterir. Çalışmanın gücü yetersiz olabilir, veriler gürültülü olabilir ya da çalışma soruya iyi uymuyor olabilir.

Hata 4: $0.049$ ile $0.051$ Değerlerini Zıt Sonuçlar Gibi Görmek

Bu değerler birbirine çok yakındır. Keskin bir eşik karar vermede yararlı olabilir, ancak alttaki kanıt genellikle bir ondalık basamakta dramatik bir sıçramayla değil, kademeli olarak değişir.

P-Değerleri Ne Zaman Yararlıdır?

P-değerleri; deneyler, anketler, A/B testleri, klinik araştırmalar ve kalite kontrol dâhil birçok alanda biçimsel hipotez testlerinde kullanılır.

En çok, sıfır hipotezi açıkça tanımlandığında, test uygun şekilde seçildiğinde ve modelin dayandığı varsayımlar en azından makul biçimde savunulabildiğinde yararlıdır.

Bu koşullar zayıfsa, p-değeri çok kesin görünse bile sonuç güvenilmez olabilir.

Bir P-Değeri Hızlıca Nasıl Yorumlanır?

Bir makalede, raporda veya yazılım çıktısında bir p-değeri gördüğünüzde şu soruları sırayla sorun:

1. Sıfır hipotezi tam olarak nedir?
2. Bu p-değerini hangi test üretti?
3. Test varsayımları makul müydü?
4. Etki büyüklüğü ve güven aralığı nedir?
5. Anlamlılık eşiği analizden önce mi seçildi?

Bu kısa kontrol listesi, yorumlama hatalarının çoğunu önler.

Benzer Bir Yorumu Siz Deneyin

"İstatistiksel olarak anlamlı" diye raporlanan herhangi bir sonucu alın ve şu kalıbı kullanarak sade dille yeniden yazın: "Eğer sıfır hipotezi doğru olsaydı, bu kadar uç ya da daha uç sonuçlar yaklaşık olarak zamanın $p \times 100\%$'ünde ortaya çıkardı." Sonra raporda ayrıca bir etki büyüklüğü ya da güven aralığı verilip verilmediğini kontrol edin. Eşik kovalamaktan gerçek yoruma geçmenin en hızlı yolu budur.