p-Değeri ve İstatistiksel Anlamlılık
P-Value and the Concept of Statistical Significance in Hypothesis Testing · Ayrıca şöyle bilinir: p-value, significance test, statistical significance, alpha level
p-değeri, sıfır hipotezinin doğru olduğu varsayımı altında, gözlemlenen verinin kendisi kadar veya daha aşırı olma olasılığıdır. Ronald Fisher tarafından 1925'te tanıtılan bu değer, sıklıkçı hipotez testinin temelini oluşturur. p-değeri önceden belirlenmiş bir eşiğin (alfa düzeyi, tipik olarak 0.05) altına düştüğünde istatistiksel anlamlılık ilan edilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Verilerin sıfır hipotezini destekleyip desteklemediği konusunda ikili bir karar vermek istediğinizde p-değeri hipotez testini kullanın. Veri toplama öncesinde net bir hipoteziniz olan onaylayıcı çalışmalar için uygundur. Ön kayıt olmadan keşifsel analizler için uygun değildir; keşifsel p-değerleri yanlış pozitiflere eğilimlidir. Önemliliği değerlendirmek için yalnızca p-değerlerini kullanmayın—her zaman etki büyüklüklerini ve güven aralıklarını rapor edin.
Güçlü yönler & sınırlılıklar
- Disiplinler arası hipotez değerlendirmesi için tek, standartlaştırılmış bir metrik sağlar.
- Alfa eşiği aracılığıyla Tip I hata olasılığını kontrol etmeyi sağlar.
- Herhangi bir test istatistiği ve dağılım varsayımı ile çalışır.
- Standart istatistiksel yazılımlar ve raporlama gelenekleriyle sorunsuz bir şekilde bütünleşir.
- p-değeri sıklıkla sıfır hipotezinin doğru olma olasılığı olarak yanlış yorumlanır, ki bu sıklıkçı bir bakış açısıyla yanlıştır.
- Etki büyüklüğünü veya pratik önemi ölçmez; büyük örneklemlerdeki yüksek anlamlı p-değerleri önemsiz etkileri gösterebilir.
- İkili anlamlılık eşiği (p < 0.05), kanıtın sürekli doğasını gizler ve ikili düşünceyi teşvik eder.
- Örneklem büyüklüğüne oldukça duyarlıdır: sınırsız gözlemle, herhangi bir önemsiz etki istatistiksel olarak anlamlı hale gelir.
- Düzeltme olmadan ön test, çoklu karşılaştırmalar veya seçici sonuç raporlamasını hesaba katmaz.
SSS
0.03'lük bir p-değeri tam olarak ne anlama gelir?
Bu, sıfır hipotezi doğru olsaydı, elde ettiğiniz verinin kendisi kadar veya daha aşırı olma olasılığının 0.03 (%3) olduğu anlamına gelir. Bu, sıfır hipotezinin doğru olma olasılığının %3 olduğu veya alternatif hipotezin doğru olma olasılığının %97 olduğu anlamına GELMEZ. Bunlar, p-değerlerini son olasılıklarla karıştıran yaygın yanlış anlamalardır (ki bunlar Bayes çıkarımı gerektirir).
Neden 0.05 standart anlamlılık düzeyidir?
Fisher, 1925'te gerçek etkileri tespit etme arzusu ile yanlış pozitiflere tolerans gösterme isteği arasında bir denge kurarak, biraz rastgele bir şekilde 0.05'i uygun bir eşik olarak seçti. Onlarca yıllık kullanımla gelenek haline geldi, ancak 0.05 olması gerektiğine dair istatistiksel bir neden yok. Bazı alanlar yüksek riskli kararlar için 0.01 kullanır ve ön kayıt, herhangi bir α'yı önsel olarak seçmenize olanak tanır.
Eğer p = 0.051 alırsam, sonucum anlamlı değil mi?
Katı karar kuralı α = 0.05 altında, evet—H₀'ı reddetmekten kaçınırsınız. Ancak, p = 0.051 ve p = 0.049 neredeyse aynı kanıtı taşır. İkili eşik sahte bir uçurum yaratır. Bu nedenle araştırmacılar giderek artan bir şekilde yalnızca 'anlamlı' veya 'anlamlı değil' beyan etmek yerine gerçek p-değerini ve etki büyüklüğünü rapor etmektedir.
Keşifsel analizler için p-değerlerini kullanabilir miyim?
Hipotez testleri olarak değil. Keşifsel çalışmalarda, düzeltme yapılmamış çoklu karşılaştırmalardan elde edilen p-değerleri şişirilmiş yanlış pozitifler olacaktır. Keşifsel analizler yürütürseniz, bunları keşifsel olarak rapor edin, p-değerlerini çoklu karşılaştırmalar için düzeltin (Bonferroni, FDR) veya yalnızca gelecekteki onaylayıcı çalışmalar için hipotezler üretmek üzere kullanın. Ön kayıt, keşifsel ve onaylayıcı çalışmaları ayırır.
Anlamlı olmayan bir p-değeri sıfır hipotezinin doğru olduğu anlamına mı gelir?
Hayır. H₀'ı reddetmekten kaçınmak, H₀'ın doğru olduğu anlamına gelmez; verilerin onu reddetmek için yeterli kanıt sağlamadığı anlamına gelir. Yetersiz gücünüz (Tip II hata), karıştırıcı değişkenler veya ölçüm hatası olabilir. Anlamlı olmayan sonuçların yanı sıra her zaman güven aralıklarını ve etki büyüklüklerini rapor edin.
Kaynaklar
- Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd. link ↗
- Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society, 231, 289–337. DOI: 10.1098/rsta.1933.0009 ↗
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician, 70(2), 129–133. DOI: 10.1080/00031305.2016.1154108 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). P-Value and the Concept of Statistical Significance in Hypothesis Testing. ScholarGate. https://scholargate.app/tr/research-statistics/p-value-significance
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çoklu Karşılaştırma ProblemiAraştırma istatistiği↔ karşılaştır
- Sıfır Hipotezi TestiAraştırma istatistiği↔ karşılaştır
- İstatistiksel Güç ve Örneklem BüyüklüğüAraştırma istatistiği↔ karşılaştır
- Tip I ve Tip II HatalarıAraştırma istatistiği↔ karşılaştır